Qu’est-ce que Microsoft-Decision-1 ?
Microsoft-Decision-1 est le premier modèle de décision de Microsoft, sorti le 9 octobre 2026. Au lieu d'écrire du texte, il reçoit un état, en texte ou en JSON, et une ou plusieurs questions typées, et renvoie des nombres : une probabilité pour une question oui ou non (Microsoft appelle ce type "noul"), une option choisie avec la probabilité de chaque option, ou une position sur une échelle ordonnée. C'est une version post-entraînée du modèle ouvert Qwen3.5-9B d'Alibaba.
Dans Foundry, il s'appelle via un simple point d'accès HTTP sur /providers/microsoft/v1/systemone, avec Entra ID ou une clé d'API, en déploiement GlobalStandard ou DataZoneStandard. Il est aussi sur OpenRouter. Le prix est de 0,042 $ par million de tokens en entrée, la sortie étant gratuite, comme pour Jev de TypeSafe.
Microsoft affirme qu'il a été le plus précis des modèles testés sur 36 benchmarks et près de 150 000 questions mises de côté, avec 83.5% de précision moyenne et un temps de réponse médian de 85 millisecondes. Ces chiffres sont ceux de Microsoft.
Microsoft-Decision-1 vaut-il le coup ?
Microsoft-Decision-1 compte par sa place. Les modèles de décision, qui renvoient un choix typé ou une probabilité plutôt que de la prose, viennent surtout de start-up ; celui-ci figure dans le catalogue Foundry à côté de GPT-6 et de Claude, sous les conditions d'identité, de réseau et de données d'Azure, ce dont beaucoup d'acheteurs en entreprise ont besoin avant d'en adopter un.
Les chiffres de Microsoft sont solides. Sur 36 benchmarks et 147 137 questions mises de côté, il annonce 83.5% de précision moyenne, devant Jev 1.13.0 à 82.3% et GPT-6 Luna Decisions à 79.4%, avec une réponse médiane de 85 millisecondes que Microsoft dit 2.5 fois plus rapide que celle du deuxième, H2O-Lightning-4B. Microsoft a mesuré sa propre latence dans Foundry ; la lecture par eesel des chiffres d'OpenRouter place la médiane plutôt entre 0,19 et 0,27 seconde. Microsoft n'a publié ni la liste des benchmarks ni la configuration des concurrents, et The Decoder note que les modèles ouverts Clef de Cloudflare ont été exclus de la comparaison.
Côté prix, il fait jeu égal avec Jev à 0,042 $ le million de tokens en entrée et coûte environ deux fois le pplx-decider-v1.2 de Perplexity, à 0,02 $, qui publie en plus ses poids. Les poids de Decision-1 ne sont pas publiés, bien que sa base, Qwen3.5-9B, soit ouverte. Un milliard de tokens en entrée par mois coûte 42 $.
Le format de requête, un état plus des questions typées envoyés à un point d'accès "systemone", diffère de la Decisions API d'OpenAI, que Foundry vend sur GPT-6 Luna depuis le 22 octobre à 0,10 $ le million de tokens en entrée. Passer de l'un à l'autre impose de réécrire les requêtes. Decision-1 n'accepte que du texte et du JSON ; les décisions sur des images passent donc par Luna.
La documentation de Microsoft est franche sur les limites : les scores varient selon la formulation ou l'ordre des questions et des options, des questions mal posées renvoient quand même des chiffres assurés, et la calibration est la plus fiable sur des types de tâches familiers. Elle recommande une relecture humaine pour les décisions touchant au crédit, à l'emploi, au logement, à la santé ou au droit.
Là où il fait la différence
Une équipe des opérations support dans un éditeur SaaS sur Azure
Orienter les tickets entrants vers la facturation, l'ingénierie ou la gestion des comptes
Envoyez chaque ticket comme état avec une question de choix ; transmettez à un humain quand la probabilité la plus haute est faible. À 0,042 $ le million de tokens en entrée, 2 millions de tickets de 500 tokens coûtent environ 42 $ par mois.
Une équipe plateforme qui gère des agents de code et de données
Bloquer les actions d'agents qui touchent aux données de production
Posez une question oui ou non sur chaque appel d'outil prévu avant son exécution et fixez un seuil de probabilité à partir d'exemples étiquetés, comme le conseille la documentation de Microsoft ; comptez 200 à 300 ms par vérification hors de la région de Foundry, selon la lecture par eesel des chiffres de latence d'OpenRouter.
Une responsable de l'évaluation qui note les sorties de modèles
Noter chaque nuit des milliers de réponses selon une grille
Utilisez une question de score à niveaux ordonnés, de Mauvais à Excellent par exemple ; Microsoft recommande de s'en servir pour classer et fixer des seuils, pas comme note absolue.
Avant de vous engager
- Mise en route
- Déployez Microsoft-Decision-1 depuis le catalogue de modèles Foundry, ou avec az cognitiveservices account deployment create, puis envoyez en POST l'état et les questions à /providers/microsoft/v1/systemone ; aucun SDK de modèle n'est nécessaire.
- Intégrations
- API HTTP simple dans Foundry avec Entra ID ou clé d'API ; OpenRouter ; déploiement via l'Azure CLI.
- Données et confidentialité
- Vendu comme modèle Foundry par Azure, dont les conditions excluent l'usage des prompts pour entraîner des modèles de fondation ; DataZoneStandard garde l'inférence dans une zone de données, tandis que GlobalStandard peut traiter les requêtes dans toute région prise en charge.
- Coût à grande échelle
- Entrée seulement, à 0,042 $ le million de tokens : 10 milliards de tokens par mois coûtent 420 $.
- Limites
- Contexte de 32 768 tokens ; état en texte ou JSON seulement ; quotas par déploiement avec erreurs 429 en cas de dépassement ; scores sensibles à la formulation et à l'ordre des options ; l'accès via OpenRouter passe par un point d'accès en alpha.
Les points forts
- 0,042 $ le million de tokens en entrée, sortie gratuite
- Précision annoncée de 83.5% et latence médiane de 85 ms sur 36 benchmarks
- Déploiement dans Foundry avec Entra ID et résidence des données DataZoneStandard
- Trois types de questions : oui/non, choix et score, chacun avec probabilités
Les points faibles
- Les benchmarks sont ceux de Microsoft et ne sont pas reproductibles
- Poids fermés, alors que la base Qwen3.5-9B est ouverte
- Texte et JSON uniquement ; pas d'entrée d'images
- Format de requête différent de la Decisions API d'OpenAI du même catalogue
Idéal pour
Les équipes Azure qui ont besoin de décisions de classement, de routage ou de filtrage rapides et peu chères sous les conditions de données de Microsoft, et qui valideront les seuils sur leurs propres données étiquetées.
Alternatives à Microsoft-Decision-1
Microsoft-Decision-1 : questions fréquentes
- Microsoft-Decision-1 vaut-il le coup ?
- Microsoft-Decision-1 fait des modèles de décision une option standard d'Azure au prix de Jev, mais son avance aux benchmarks est autodéclarée et des concurrents ouverts font le même travail pour moins cher. Nous lui donnons 3.9 sur 5.
- Combien coûte Microsoft-Decision-1 ?
- 0,042 $ par million de tokens en entrée ; tokens de sortie gratuits. Facturé via un abonnement Azure dans Foundry, ou via OpenRouter.
- Quels sont les inconvénients de Microsoft-Decision-1 ?
- Les benchmarks sont ceux de Microsoft et ne sont pas reproductibles; poids fermés, alors que la base Qwen3.5-9B est ouverte; texte et JSON uniquement ; pas d'entrée d'images; format de requête différent de la Decisions API d'OpenAI du même catalogue.
- À qui s’adresse Microsoft-Decision-1 ?
- Les équipes Azure qui ont besoin de décisions de classement, de routage ou de filtrage rapides et peu chères sous les conditions de données de Microsoft, et qui valideront les seuils sur leurs propres données étiquetées.
- Combien coûte Microsoft-Decision-1 pour une équipe ou en production ?
- Entrée seulement, à 0,042 $ le million de tokens : 10 milliards de tokens par mois coûtent 420 $.
- Microsoft-Decision-1 est-il sûr pour les données de l’entreprise ?
- Vendu comme modèle Foundry par Azure, dont les conditions excluent l'usage des prompts pour entraîner des modèles de fondation ; DataZoneStandard garde l'inférence dans une zone de données, tandis que GlobalStandard peut traiter les requêtes dans toute région prise en charge.
- Quelles sont les meilleures alternatives à Microsoft-Decision-1 ?
- Les alternatives les plus proches que nous avons testées sont Jev, Perplexity Decider (pplx-decider), GPT-6 Luna et Clef.
Réponses vérifiées le 6 nov. 2026.