O que é Microsoft-Decision-1?
Microsoft-Decision-1 é o primeiro modelo de decisão da Microsoft, lançado em 9 de outubro de 2026. Em vez de escrever texto, ele recebe um estado, em texto ou JSON, e uma ou mais perguntas tipadas, e devolve números: uma probabilidade para uma pergunta de sim ou não (a Microsoft chama esse tipo de "noul"), uma opção escolhida com a probabilidade de cada opção, ou uma posição numa escala ordenada. É uma versão pós-treinada do modelo aberto Qwen3.5-9B da Alibaba.
No Foundry ele é chamado por um endpoint HTTP simples em /providers/microsoft/v1/systemone, com Entra ID ou chave de API, em implantações GlobalStandard ou DataZoneStandard. Também está no OpenRouter. O preço é US$ 0,042 por milhão de tokens de entrada, com saída grátis, o mesmo do Jev da TypeSafe.
A Microsoft diz que ele foi o mais preciso entre os modelos que testou em 36 benchmarks e quase 150.000 perguntas reservadas, com 83.5% de precisão média e tempo de resposta mediano de 85 milissegundos. Esses números são da própria Microsoft.
Microsoft-Decision-1 vale a pena?
Microsoft-Decision-1 importa pelo lugar onde está. Modelos de decisão, que devolvem uma escolha tipada ou uma probabilidade em vez de texto corrido, vieram quase sempre de start-ups; este está no catálogo do Foundry ao lado do GPT-6 e do Claude, sob os termos de identidade, rede e dados do Azure, que é o que muitos compradores corporativos exigem antes de adotar um.
Os números da Microsoft são fortes. Em 36 benchmarks e 147.137 perguntas reservadas, ela informa 83.5% de precisão média, à frente do Jev 1.13.0 com 82.3% e do GPT-6 Luna Decisions com 79.4%, com resposta mediana de 85 milissegundos que a Microsoft diz ser 2.5 vezes mais rápida que a do segundo colocado, o H2O-Lightning-4B. A Microsoft mediu a própria latência dentro do Foundry; a leitura da eesel dos números do OpenRouter coloca a mediana mais perto de 0,19 a 0,27 segundo. A Microsoft não publicou quais benchmarks usou nem como configurou os rivais, e o The Decoder observa que os modelos abertos Clef, da Cloudflare, ficaram fora da comparação.
No preço, empata com o Jev a US$ 0,042 por milhão de tokens de entrada e custa cerca do dobro do pplx-decider-v1.2 da Perplexity, a US$ 0,02, que ainda publica os pesos. Os pesos do Decision-1 não são liberados, embora a base, Qwen3.5-9B, seja aberta. Um bilhão de tokens de entrada por mês custa US$ 42.
O formato de requisição, um estado mais perguntas tipadas enviados a um endpoint "systemone", é diferente da Decisions API da OpenAI, que o Foundry vende sobre o GPT-6 Luna desde 22 de outubro a US$ 0,10 por milhão de tokens de entrada. Trocar de um para o outro exige reescrever as requisições. O Decision-1 só aceita texto e JSON, então decisões sobre imagens precisam do Luna.
A documentação da Microsoft é franca sobre os limites: as notas mudam conforme a redação ou a ordem das perguntas e opções, perguntas mal formuladas ainda devolvem números confiantes, e a calibração é melhor em tipos de tarefa conhecidos. Ela recomenda revisão humana em decisões sobre crédito, emprego, moradia, saúde ou questões jurídicas.
Onde ele se destaca
Uma equipe de operações de suporte numa empresa SaaS no Azure
Encaminhar tickets para faturamento, engenharia ou contas
Envie cada ticket como estado com uma pergunta de escolha; passe para uma pessoa quando a maior probabilidade for baixa. A US$ 0,042 por milhão de tokens de entrada, 2 milhões de tickets de 500 tokens custam cerca de US$ 42 por mês.
Uma equipe de plataforma que roda agentes de código e de dados
Bloquear ações de agentes que mexem em dados de produção
Faça uma pergunta de sim ou não sobre cada chamada de ferramenta antes de ela rodar e defina um limite de probabilidade com exemplos rotulados, como recomenda a documentação da Microsoft; reserve de 200 a 300 ms por verificação fora da região do Foundry, segundo a leitura da eesel dos números de latência do OpenRouter.
Uma líder de avaliação que dá notas a saídas de modelos
Avaliar milhares de respostas com uma rubrica toda noite
Use uma pergunta de nota com níveis ordenados, como de Ruim a Excelente; a Microsoft recomenda usar as notas para ordenar e definir limites, não como avaliações absolutas.
Antes de decidir
- Configuração
- Implante o Microsoft-Decision-1 pelo catálogo de modelos do Foundry, ou com az cognitiveservices account deployment create, e envie por POST o estado e as perguntas para /providers/microsoft/v1/systemone; não é preciso SDK de modelo.
- Integrações
- API HTTP simples no Foundry com Entra ID ou chave de API; OpenRouter; implantação pela CLI do Azure.
- Dados e privacidade
- Vendido como modelo do Foundry pelo Azure, cujos termos impedem o uso de prompts para treinar modelos de base; o DataZoneStandard mantém a inferência dentro de uma zona de dados, enquanto o GlobalStandard pode processar requisições em qualquer região suportada.
- Custo em escala
- Só entrada, a US$ 0,042 por milhão de tokens: 10 bilhões de tokens por mês custam US$ 420.
- Limites
- Contexto de 32.768 tokens; estado só em texto ou JSON; cotas por implantação com erros 429 quando excedidas; notas sensíveis à redação e à ordem das opções; o acesso pelo OpenRouter usa um endpoint em fase alfa.
O que é bom
- US$ 0,042 por milhão de tokens de entrada, saída grátis
- Precisão informada de 83.5% e latência mediana de 85 ms em 36 benchmarks
- Implantação no Foundry com Entra ID e residência de dados DataZoneStandard
- Três tipos de pergunta: sim/não, escolha e nota, cada um com probabilidades
O que não é
- Os benchmarks são da Microsoft e não reproduzíveis
- Pesos fechados, embora a base Qwen3.5-9B seja aberta
- Só texto e JSON; sem entrada de imagens
- Formato de requisição diferente da Decisions API da OpenAI no mesmo catálogo
Ideal para
Equipes no Azure que precisam de decisões baratas e rápidas de classificação, roteamento ou bloqueio sob os termos de dados da Microsoft e vão validar limites com seus próprios dados rotulados.
Alternativas ao Microsoft-Decision-1
Microsoft-Decision-1: perguntas frequentes
- Microsoft-Decision-1 vale a pena?
- Microsoft-Decision-1 torna os modelos de decisão uma opção padrão no Azure ao preço do Jev, mas sua vantagem nos benchmarks é autodeclarada e rivais abertos fazem o mesmo trabalho por menos. Damos nota 3.9 de 5.
- Quanto custa Microsoft-Decision-1?
- US$ 0,042 por 1M de tokens de entrada; tokens de saída grátis. Cobrado por uma assinatura do Azure no Foundry ou pelo OpenRouter.
- Quais são as desvantagens de Microsoft-Decision-1?
- Os benchmarks são da Microsoft e não reproduzíveis; pesos fechados, embora a base Qwen3.5-9B seja aberta; só texto e JSON; sem entrada de imagens; formato de requisição diferente da Decisions API da OpenAI no mesmo catálogo.
- Para quem Microsoft-Decision-1 é indicado?
- Equipes no Azure que precisam de decisões baratas e rápidas de classificação, roteamento ou bloqueio sob os termos de dados da Microsoft e vão validar limites com seus próprios dados rotulados.
- Quanto custa Microsoft-Decision-1 para uma equipe ou em produção?
- Só entrada, a US$ 0,042 por milhão de tokens: 10 bilhões de tokens por mês custam US$ 420.
- Microsoft-Decision-1 é seguro para dados da empresa?
- Vendido como modelo do Foundry pelo Azure, cujos termos impedem o uso de prompts para treinar modelos de base; o DataZoneStandard mantém a inferência dentro de uma zona de dados, enquanto o GlobalStandard pode processar requisições em qualquer região suportada.
- Quais são as melhores alternativas ao Microsoft-Decision-1?
- As alternativas mais próximas que analisamos são Jev, Perplexity Decider (pplx-decider), GPT-6 Luna e Clef.
Respostas verificadas em 6 de nov. de 2026.