На відміну від універсальних моделей ШІ, які генерують розгорнуті відповіді, Decision-1 повертає структуровані результати, придатні для безпосереднього використання програмами. Такий підхід дає змогу скоротити затримки та витрати під час роботи ШІ-агентів, яким доводиться багаторазово ухвалювати проміжні рішення.
Для яких завдань призначена Decision-1
Microsoft позиціонує Decision-1 як модель для швидкого ухвалення рішень у застосунках та автоматизованих системах. Вона може визначати категорію звернення, встановлювати пріоритет завдання, перевіряти відповідність заданим критеріям і вибирати наступний етап робочого процесу.
Модель підтримує кілька типів операцій:
- класифікацію запитів і розподіл звернень між службами;
- ранжування варіантів і визначення пріоритетів;
- перевірку результатів роботи ШІ-агентів та оцінювання відповідей за заданими критеріями;
- вибір між варіантами «так» і «ні», кількома відповідями або оцінками за шкалою;
- керування послідовністю дій в автоматизованих робочих процесах.
Під час обробки запиту Decision-1 присвоює доступним варіантам оцінки ймовірності.
Застосунок отримує структурований результат і може одразу використати його для виконання наступної дії, не витрачаючи додаткові ресурси на обробку розгорнутої текстової відповіді.
Що показало порівняння з іншими моделями ШІ
За даними Microsoft, Decision-1 посіла перше місце за точністю під час порівняння на 36 тестових наборах, які містили майже 150 000 запитань. Компанія також заявляє про перевагу новинки за швидкістю над іншими учасниками випробувань.
В опублікованих результатах наведено такі показники:
- у 35 разів швидша за GPT-6 Sol під час виконання завдань з ухвалення рішень;
- у 2,5 раза швидша за H2O-Lightning-4B v1.1, яка посіла друге місце за швидкістю;
- найвища точність серед порівнюваних моделей за результатами випробувань на 36 наборах даних.
Microsoft стверджує, що тестові набори не використовувалися під час навчання моделі. Це має допомогти оцінити, наскільки добре вона справляється із завданнями, з якими не стикалася в процесі підготовки.
Водночас результати слід оцінювати з урахуванням джерела: випробування проводила сама Microsoft. Крім того, перевага у швидкості не означає,
що будь-який застосунок або весь робочий процес автоматично стане у 35 разів швидшим. Кінцевий результат залежить від кількості звернень до моделі, обробки даних, використання зовнішніх інструментів та інших операцій.
Як Microsoft створила нову модель
В основі Decision-1 лежить Qwen3.5-9B, яку Microsoft додатково навчила швидко оцінювати варіанти та ухвалювати рішення за один прохід. Компанія також повідомила про плани перенести цей підхід на інші базові моделі, зокрема розробки Microsoft AI та OpenAI.
Така архітектура відображає окремий напрям розвитку штучного інтелекту: замість використання однієї великої моделі для кожної операції розробники можуть поєднувати універсальні мовні моделі з компактнішими інструментами, призначеними для виконання конкретних завдань.
Наприклад, мовна модель може аналізувати складне звернення клієнта, а Decision-1 — визначати його категорію, пріоритет і відповідний маршрут обробки. Якщо система послідовно виконує багато таких операцій, скорочення затримки на кожному етапі може помітно прискорити роботу всього ШІ-агента.
Де доступна Decision-1 і кому вона стане в пригоді
Microsoft Decision-1 доступна через Microsoft Foundry та OpenRouter. Це дає розробникам змогу тестувати модель та інтегрувати її у власні застосунки без потреби створювати аналогічну систему з нуля.
Для українських компаній та ІТ-команд новинка може бути корисною для автоматизації клієнтської підтримки, обробки заявок, сортування документів і створення ШІ-агентів. Однак перед упровадженням необхідно перевірити точність класифікації на власних даних, особливо якщо система працює з українською мовою, галузевою термінологією або чутливою інформацією.
Головна перевага Decision-1 полягає не в заміні універсальних чатботів, а в прискоренні повторюваних операцій, для яких не потрібно генерувати довгі відповіді. Якщо заявлені показники підтвердяться в незалежних випробуваннях і реальних проєктах, спеціалізовані моделі для ухвалення рішень можуть стати важливою частиною інфраструктури ШІ-агентів.
