¿Qué es Microsoft-Decision-1?
Microsoft-Decision-1 es el primer modelo de decisión de Microsoft, lanzado el 9 de octubre de 2026. En lugar de escribir texto, recibe un estado, en texto o JSON, y una o varias preguntas tipadas, y devuelve números: una probabilidad para una pregunta de sí o no (Microsoft llama a este tipo "noul"), una opción elegida con la probabilidad de cada opción, o una posición en una escala ordenada. Es una versión post-entrenada del modelo abierto Qwen3.5-9B de Alibaba.
En Foundry se llama a través de un endpoint HTTP sencillo en /providers/microsoft/v1/systemone, con Entra ID o una clave de API, en despliegues GlobalStandard o DataZoneStandard. También está en OpenRouter. El precio es de 0,042 $ por millón de tokens de entrada, con la salida gratis, lo mismo que Jev de TypeSafe.
Microsoft dice que fue el más preciso de los modelos que probó en 36 benchmarks y casi 150.000 preguntas reservadas, con un 83.5% de precisión media y un tiempo de respuesta mediano de 85 milisegundos. Esas cifras son de la propia Microsoft.
¿Merece la pena Microsoft-Decision-1?
Microsoft-Decision-1 importa por dónde está. Los modelos de decisión, que devuelven una opción tipada o una probabilidad en lugar de prosa, han venido sobre todo de start-ups; este está en el catálogo de Foundry junto a GPT-6 y Claude, con las condiciones de identidad, red y datos de Azure, que es lo que muchos compradores empresariales necesitan antes de usar uno.
Las cifras de Microsoft son buenas. En 36 benchmarks y 147.137 preguntas reservadas declara un 83.5% de precisión media, por delante de Jev 1.13.0 con un 82.3% y de GPT-6 Luna Decisions con un 79.4%, con una respuesta mediana de 85 milisegundos que Microsoft presenta como 2.5 veces más rápida que la del segundo, H2O-Lightning-4B. Microsoft midió su propia latencia dentro de Foundry; la lectura de eesel de las cifras de OpenRouter sitúa la mediana más cerca de 0,19 a 0,27 segundos. Microsoft no ha publicado qué benchmarks usó ni cómo configuró a los rivales, y The Decoder señala que los modelos abiertos Clef de Cloudflare quedaron fuera de la comparación.
En precio empata con Jev a 0,042 $ por millón de tokens de entrada y cuesta unas dos veces lo que pplx-decider-v1.2 de Perplexity, a 0,02 $, que además publica sus pesos. Los pesos de Decision-1 no se publican, aunque su base, Qwen3.5-9B, es abierta. Mil millones de tokens de entrada al mes cuestan 42 $.
El formato de petición, un estado más preguntas tipadas enviado a un endpoint "systemone", es distinto de la Decisions API de OpenAI, que Foundry vende sobre GPT-6 Luna desde el 22 de octubre a 0,10 $ por millón de tokens de entrada. Pasar de uno a otro obliga a reescribir las peticiones. Decision-1 solo acepta texto y JSON, así que las decisiones sobre imágenes necesitan Luna.
La documentación de Microsoft es franca sobre los límites: las puntuaciones cambian según cómo se redacten u ordenen las preguntas y las opciones, las preguntas mal planteadas siguen devolviendo números seguros, y la calibración es más fiable en tipos de tarea conocidos. Recomienda revisión humana en decisiones sobre crédito, empleo, vivienda, sanidad o asuntos legales.
Dónde se gana su sitio
Un equipo de operaciones de soporte en una empresa SaaS sobre Azure
Enviar cada ticket entrante a facturación, ingeniería o cuentas
Envía cada ticket como estado con una pregunta de opción; escala a una persona cuando la probabilidad más alta sea baja. A 0,042 $ por millón de tokens de entrada, 2 millones de tickets de 500 tokens cuestan unos 42 $ al mes.
Un equipo de plataforma que gestiona agentes de código y de datos
Bloquear acciones de agentes que tocan datos de producción
Haz una pregunta de sí o no sobre cada llamada a herramienta antes de ejecutarla y fija un umbral de probabilidad con ejemplos etiquetados, como aconseja la documentación de Microsoft; calcula de 200 a 300 ms por comprobación fuera de la región de Foundry, según la lectura de eesel de los datos de latencia de OpenRouter.
Una responsable de evaluación que puntúa salidas de modelos
Puntuar miles de respuestas con una rúbrica cada noche
Usa una pregunta de puntuación con niveles ordenados, como de Malo a Excelente; Microsoft recomienda usar las puntuaciones para ordenar y fijar umbrales, no como valoraciones absolutas.
Antes de decidirte
- Puesta en marcha
- Despliega Microsoft-Decision-1 desde el catálogo de modelos de Foundry, o con az cognitiveservices account deployment create, y envía por POST el estado y las preguntas a /providers/microsoft/v1/systemone; no hace falta SDK de modelo.
- Integraciones
- API HTTP sencilla en Foundry con Entra ID o clave de API; OpenRouter; despliegue con la CLI de Azure.
- Datos y privacidad
- Se vende como modelo de Foundry de Azure, condiciones bajo las que los prompts no se usan para entrenar modelos fundacionales; DataZoneStandard mantiene la inferencia dentro de una zona de datos, mientras que GlobalStandard puede procesar peticiones en cualquier región admitida.
- Coste a escala
- Solo entrada, a 0,042 $ por millón de tokens: 10.000 millones de tokens al mes cuestan 420 $.
- Límites
- Contexto de 32.768 tokens; estado solo en texto o JSON; cuotas por despliegue con errores 429 al superarlas; puntuaciones sensibles a la redacción y al orden de las opciones; el acceso por OpenRouter usa un endpoint en fase alfa.
Lo bueno
- 0,042 $ por millón de tokens de entrada, salida gratis
- 83.5% de precisión declarada y 85 ms de latencia mediana en 36 benchmarks
- Despliegue en Foundry con Entra ID y residencia de datos DataZoneStandard
- Tres tipos de pregunta: sí/no, opción y puntuación, cada uno con probabilidades
Lo malo
- Los benchmarks son de Microsoft y no reproducibles
- Pesos cerrados, aunque su base Qwen3.5-9B es abierta
- Solo texto y JSON; sin entrada de imágenes
- El formato de petición difiere de la Decisions API de OpenAI del mismo catálogo
Ideal para
Equipos de Azure que necesitan decisiones baratas y rápidas de clasificación, enrutado o filtrado con las condiciones de datos de Microsoft, y que validarán los umbrales con sus propios datos etiquetados.
Alternativas a Microsoft-Decision-1
Microsoft-Decision-1: preguntas frecuentes
- ¿Merece la pena Microsoft-Decision-1?
- Microsoft-Decision-1 convierte los modelos de decisión en una opción estándar de Azure al precio de Jev, pero su ventaja en benchmarks es autodeclarada y hay rivales abiertos que hacen lo mismo por menos. Le damos un 3.9 sobre 5.
- ¿Cuánto cuesta Microsoft-Decision-1?
- 0,042 $ por 1M de tokens de entrada; tokens de salida gratis. Se factura con una suscripción de Azure en Foundry, o a través de OpenRouter.
- ¿Qué inconvenientes tiene Microsoft-Decision-1?
- Los benchmarks son de Microsoft y no reproducibles; pesos cerrados, aunque su base Qwen3.5-9B es abierta; solo texto y JSON; sin entrada de imágenes; el formato de petición difiere de la Decisions API de OpenAI del mismo catálogo.
- ¿Para quién es Microsoft-Decision-1?
- Equipos de Azure que necesitan decisiones baratas y rápidas de clasificación, enrutado o filtrado con las condiciones de datos de Microsoft, y que validarán los umbrales con sus propios datos etiquetados.
- ¿Cuánto cuesta Microsoft-Decision-1 para un equipo o en producción?
- Solo entrada, a 0,042 $ por millón de tokens: 10.000 millones de tokens al mes cuestan 420 $.
- ¿Es Microsoft-Decision-1 seguro para los datos de la empresa?
- Se vende como modelo de Foundry de Azure, condiciones bajo las que los prompts no se usan para entrenar modelos fundacionales; DataZoneStandard mantiene la inferencia dentro de una zona de datos, mientras que GlobalStandard puede procesar peticiones en cualquier región admitida.
- ¿Cuáles son las mejores alternativas a Microsoft-Decision-1?
- Las alternativas más cercanas que hemos analizado son Jev, Perplexity Decider (pplx-decider), GPT-6 Luna y Clef.
Respuestas comprobadas el 6 nov 2026.