Microsoft-Decision-1 bewertet Auswahloptionen, statt Text zu schreiben

Microsoft hat Microsoft-Decision-1 am 9. Oktober 2026 veröffentlicht, ein Modell, das zwischen festen Antworten wählt, statt Text zu schreiben. Eine App übergibt ihm eine Frage und eine Reihe von Optionen, und es gibt für jede Option eine Wahrscheinlichkeit zurück. Es ist für die schnellen Ja-oder-Nein- und Auswahlentscheidungen gebaut, die KI-Agenten viele Male am Tag treffen. In Microsoft Foundry, Microsofts Plattform zum Bau von KI-Apps, kostet es 0,042 US-Dollar pro Million Input-Tokens, und die Ausgabe ist kostenlos.

Was Decision-1 macht

Ein Chatbot-Modell antwortet in freiem Text, den eine App dann lesen und auswerten muss. Decision-1 überspringt diesen Schritt. Es nimmt eine feste Menge an Antwortoptionen entgegen und liefert „eine kalibrierte Wahrscheinlichkeit für jede davon in einem einzigen Durchlauf“, so Microsoft laut InfoWorld. Eine Anfrage kann mehrere Entscheidungen auf einmal bewerten.

Microsoft nennt diese Arten von Fragen:

• Ja oder Nein: Soll diese Anfrage durchgehen?
• Multiple Choice: Welches Team soll dieses Ticket bearbeiten?
• Einstufungen: Wie dringend ist dieser Vorfall?
• Bewertung nach Kriterienkatalog: Erfüllt eine KI-Antwort oder die Aktion eines Agenten eine Reihe von Regeln?

Zu den vorgeschlagenen Einsatzzwecken gehören Routing, Klassifizierung, Priorisierung, Verifizierung und die Steuerung von Agenten-Workflows. TestingCatalog nennt zusätzlich Datenannotation, KI-Bewertung, Suchrelevanz und Sicherheitsprüfung.

Laut beiden Medien entstand das Modell per Post-Training aus Qwen3.5-9B, einem Open-Weight-Modell des Qwen-Teams von Alibaba. Microsoft plant, es auf andere Modelle umzustellen, darunter die eigenen MAI-Modelle und Modelle von OpenAI. Im September haben wir uns angesehen, wie viel Speicher Qwen3.5-9B pro Token belegt.

Preis und Verfügbarkeit

Detail	Was die Berichte sagen
Veröffentlicht	9. Oktober 2026
Wo	Microsoft Foundry
OpenRouter	Zum Start „demnächst verfügbar“ laut TestingCatalog; verfügbar laut InfoWorld
Input-Preis	0,042 US-Dollar pro Million Tokens
Output-Preis	Kostenlos
Basismodell	Qwen3.5-9B

InfoWorld rechnet ein Beispiel durch. Eine Entscheidung mit 86 Input-Tokens und 2 Output-Tokens kostet etwa 0,0000036 US-Dollar. Das sind mehr als 275.000 ähnliche Entscheidungen für 1 US-Dollar.

Microsofts Leistungsangaben

Alle folgenden Zahlen stammen von Microsoft. InfoWorld merkt an, dass keine davon unabhängig überprüft wurde.

• Genauigkeit: die höchste über 36 Benchmarks, mit fast 150.000 Fragen, die vom Training ausgenommen waren. Keines der beiden Medien nennt die Modelle, die es übertraf.
• Geschwindigkeit: bei der medianen Latenz 35-mal schneller als GPT-6 Sol. Beim Zweitplatzierten weichen die beiden Berichte voneinander ab. Laut InfoWorld ist es etwa 2,5-mal schneller, laut TestingCatalog dagegen 4,5-mal schneller als ein Modell namens Quyet-1.0-Large.
• Konsistenz: Wurden die Eingaben auf acht kleine Arten verändert, änderten sich seine Entscheidungen laut TestingCatalog im Schnitt in 1,3 % der Fälle.
• Interner Einsatz: Xbox Research hat damit mehr als 10.000 Feedback-Einträge annotiert. Laut TestingCatalog waren die Ergebnisse mit GPT-6 Sol konkurrenzfähig, bei mehr als 14-facher Geschwindigkeit und 200-mal geringeren Kosten.

Microsoft-CEO Satya Nadella schrieb, das Modell übertreffe „sowohl LLMs als auch andere Entscheidungsmodelle bei Latenz und Qualität“.

Die Einschränkungen

Decision-1 liefert einen Wert, keine Begründung. Es erklärt nicht, warum es eine Option gewählt hat, berichtet InfoWorld. Auch Microsofts eigene Dokumentation warnt, dass sich die Ergebnisse mit der Formulierung der Frage ändern können.

„Meine Sorge ist, dass eine präzise wirkende Wahrscheinlichkeit einer unsicheren Entscheidung mehr Autorität verleihen kann, als sie verdient“, sagte Amit Kumar Jena, Development Manager for AI bei Kanerika, gegenüber InfoWorld.

Charlie Dai, Vice President und Principal Analyst bei Forrester, sieht die Nachfrage. „Routing, Klassifizierung und Freigabeprüfungen machen oft einen großen Teil der Agenten-Interaktionen aus“, sagte Dai gegenüber InfoWorld.

Was das für Entwickler bedeutet

Für Teams, die Agenten oder automatisierte Workflows bauen:

• Finden Sie Ihre eng begrenzten Aufrufe. Suchen Sie nach Stellen, an denen Ihre App ein großes Modell aus einer Liste wählen lässt und dann die Antwort parst. Genau diese Aufrufe soll Decision-1 ersetzen.
• Testen Sie mit eigenen Daten. Jede Benchmark-Zahl stammt von Microsoft. Lassen Sie Ihre eigenen gelabelten Beispiele durchlaufen, bevor Sie ihm in der Produktion vertrauen.
• Legen Sie Schwellenwerte fest und prüfen Sie sie. Auf eine Wahrscheinlichkeit lässt sich leicht reagieren, doch sie kann sicherer wirken, als sie ist. Legen Sie fest, welcher Wert eine Aktion auslöst, und schicken Sie Grenzfälle an einen Menschen oder ein größeres Modell.
• Protokollieren Sie Ihre Formulierungen. Ergebnisse können sich je nach Formulierung einer Frage verschieben. Halten Sie Prompts unter Versionskontrolle, damit eine geänderte Formulierung nicht unbemerkt das Verhalten ändert.
• Behalten Sie das Basismodell im Blick. Microsoft plant, Decision-1 auf andere Modelle umzustellen. Wiederholen Sie Ihre Tests, wenn es so weit ist.