Microsoft запустил модель Decision-1 в Foundry, используя базу Qwen3.5-9B от Alibaba

Microsoft отстаёт от стартапа, который первым предложил подобную категорию, примерно на три с половиной недели, и за это время OpenAI, Upstage, Perplexity, Cloudflare и AWS выпустили свои собственные модели принятия решений.

TypeSafe сообщает, что почти 30% компаний Fortune 500 использовали Jev, хотя конкретные имена не раскрывает, а CEO Diogo Almeida в посте в X написал, что «29.4% компаний Fortune 500 участвовали» в течение трёх недель после запуска.

Эти компании являются теми же, клиентами которых Microsoft продаёт Azure, что делает раннее проникновение TypeSafe важным для Microsoft.

Первый клиент Decision-1, сама Microsoft

Через X глава Microsoft Сатья Наделла объявил о модели, заявив, что «мы уже тестируем её во всех подразделениях Microsoft», и четыре внутренних команды подтвердили его слова.

Xbox Research использовала модель для сортировки более 10 тысяч отзывов игроков, команда Copilot применяла её для оценки ответов чата и агентов, инженеры службы поддержки использовали её для получения контекста во время инцидентов, а Microsoft Discovery использовала её для ранжирования экспериментов перед перепланированием агента.

По данным Microsoft, Decision-1 работает в 14 раз быстрее, чем GPT-6 Sol, при значительно меньшей стоимости для Xbox, и в 46 раз точнее в Discovery.

Однако модель, судя по всему, имеет более масштабные задачи. В среду компания объявила, что GitHub Copilot будет решать, когда выполнять задачу на устройстве, а когда отправлять в облако, хотя детали облачной отправки не раскрыты.

Маршрутизация задач, один из сценариев использования Decision-1, но Microsoft пока не уточнила, будет ли она принимать решения по маршрутизации для Copilot.

Cognition Engineering Vice President Jared Palmer потратил около $95 на время Modal H100 для портирования открытых моделей Kev к Qwen3.5, а Cloudflare построила Clef-flash на той же базе Qwen3.5-9B, которую выбрала Microsoft.

Цена Jev становится стандартом: Palmer указал, что Kev-4B стоит $0.042 за миллион входных токенов на OpenRouter, Perplexity, $0.02, а OpenAI, более чем в два раза дороже Jev.

При таких ценах доход от отдельных решений невелик, а главная возможность Microsoft, удержать трафик агентов, включая генеративные вызовы, внутри Foundry.

Возможность привлечь разработчиков, не использующих Azure, через OpenRouter также присутствует.

Achint Srivastava, vicepresidente отдела CTO в Microsoft, представил Decision-1 как способ добавить функцию принятия решений в существующие приложения, агенты и рабочие потоки «в безопасной и надёжной среде».

Это показывает ограничения Decision-1 по сравнению с конкурентами: в Foundry она принимает до 32768 токенов текста и возвращает JSON, но не поддерживает изображения, в отличие от Decisions API OpenAI и Clef Cloudflare, которые используют визуальный энкодер.

Cloudflare выпустила Clef по лицензии Apache 2.0, а Microsoft пока не объявила открытые веса модели.

AWS, Upstage и Ollama приняли System One API TypeSafe, который стал общедоступным интерфейсом в этой категории, но Microsoft не уточнила, полностью совместима ли Decision-1 с этим API, хотя её пример кода вызывает эндпоинт /systemone.

Калибровка под давлением противодействия

Компания заявляет, что вероятности Decision-1 калиброваны, то есть прогноз в 90% должен быть верным примерно в девять из десяти случаев на типичных данных, однако исследования Jev показывают, насколько сильно может отклоняться уверенность при вводе, специально подготовленном для ввода в заблуждение.

Документация Foundry Microsoft рекомендует клиентам проверять калибровку на своих данных.

В предварительном отчёте JevOut учёные из USC обнаружили, что короткие естественные дополнения к контексту изменили 312 из 508 правильных решений Jev, в 229 случаях Jev присвоил хотя бы 70% вероятности неверному ответу.

Три других системы показали показатели переключения от 64.9% до 73.2% по тому же тесту.

Microsoft тестировала Decision-1 на восьми типах искажений, включая перестановку вариантов и перефразирование описаний, и в среднем это изменило лишь 1.3% ответов.

JevOut не тестировал Decision-1, поэтому пока неизвестно, как модель поведёт себя при подобных атаках.

Microsoft также не подтвердил полную поддержку System One API, которую используют конкуренты, что оставляет вопросы об интероперабельности и надёжности confidence scores.