Microsoft-Decision-1 puntúa opciones en lugar de escribir texto

Microsoft lanzó Microsoft-Decision-1 el 9 de octubre de 2026, un modelo que elige entre respuestas fijas en lugar de escribir texto. Una aplicación le da una pregunta y un conjunto de opciones, y el modelo devuelve una probabilidad para cada opción. Está pensado para las decisiones rápidas de sí o no y de elegir una opción que los agentes de IA toman muchas veces al día. Cuesta 0,042 dólares por millón de tokens de entrada en Microsoft Foundry, la plataforma de Microsoft para crear aplicaciones de IA, y la salida es gratuita.

Qué hace Decision-1

Un modelo de chatbot responde con texto libre, que luego una aplicación tiene que leer y analizar. Decision-1 se salta ese paso. Recibe un conjunto fijo de opciones de respuesta y devuelve «una probabilidad calibrada para cada una en una sola pasada», según Microsoft, en declaraciones recogidas por InfoWorld. Una sola petición puede puntuar varias decisiones a la vez.

Microsoft enumera estos tipos de preguntas:

• Sí o no: ¿debe seguir adelante esta petición?
• Opción múltiple: ¿qué equipo debe atender este ticket?
• Valoraciones: ¿cuán urgente es este incidente?
• Evaluación con rúbrica: ¿cumple una respuesta de IA, o la acción de un agente, un conjunto de reglas?

Los usos sugeridos incluyen el enrutamiento, la clasificación, la priorización, la verificación y el control de flujos de trabajo de agentes. TestingCatalog añade el etiquetado de datos, la evaluación con IA, la relevancia de búsqueda y el filtrado de seguridad.

El modelo se creó con post-entrenamiento a partir de Qwen3.5-9B, un modelo de pesos abiertos del equipo Qwen de Alibaba, según ambos medios. Microsoft planea basarlo en otros modelos, incluidos sus propios modelos MAI y los de OpenAI. En septiembre analizamos cuánta memoria usa Qwen3.5-9B por token.

Precio y disponibilidad

Detalle	Lo que dicen los informes
Lanzamiento	9 de octubre de 2026
Dónde	Microsoft Foundry
OpenRouter	«Próximamente» en el lanzamiento, según TestingCatalog; disponible, según InfoWorld
Precio de entrada	0,042 dólares por millón de tokens
Precio de salida	Gratis
Modelo base	Qwen3.5-9B

InfoWorld desarrolla un ejemplo. Una decisión con 86 tokens de entrada y 2 tokens de salida cuesta unos 0,0000036 dólares. Eso supone más de 275.000 decisiones similares por 1 dólar.

Lo que afirma Microsoft sobre el rendimiento

Todas las cifras siguientes proceden de Microsoft. InfoWorld señala que ninguna se ha verificado de forma independiente.

• Precisión: la más alta en 36 benchmarks, que abarcan casi 150.000 preguntas excluidas del entrenamiento. Ninguno de los dos medios nombra los modelos a los que superó.
• Velocidad: 35 veces más rápido que GPT-6 Sol en latencia mediana. Los dos informes difieren sobre el segundo puesto. InfoWorld dice que es unas 2,5 veces más rápido, mientras que TestingCatalog dice que es 4,5 veces más rápido que un modelo llamado Quyet-1.0-Large.
• Consistencia: cuando se cambiaron las entradas de ocho formas pequeñas, sus decisiones cambiaron un 1,3 % de las veces de media, según TestingCatalog.
• Uso interno: Xbox Research etiquetó con él más de 10.000 comentarios. TestingCatalog dice que los resultados fueron competitivos con GPT-6 Sol, con una velocidad más de 14 veces mayor y un coste 200 veces menor.

Satya Nadella, CEO de Microsoft, escribió que el modelo está «superando tanto a los LLM como a otros modelos de decisión en latencia y calidad».

Las salvedades

Decision-1 devuelve una puntuación, no una razón. No explica por qué eligió una opción, informa InfoWorld. La propia documentación de Microsoft también advierte de que los resultados pueden cambiar según cómo se formule la pregunta.

«Me preocupa que una probabilidad de aspecto preciso pueda dar a una decisión incierta más autoridad de la que merece», dijo a InfoWorld Amit Kumar Jena, Development Manager for AI en Kanerika.

Charlie Dai, Vice President y Principal Analyst en Forrester, ve la demanda. «El enrutamiento, la clasificación y las comprobaciones de aprobación suelen representar una gran parte de las interacciones de los agentes», dijo Dai a InfoWorld.

Qué significa esto para los desarrolladores

Para los equipos que crean agentes o flujos de trabajo automatizados:

• Localice sus llamadas acotadas. Busque los puntos en los que su aplicación pide a un modelo grande que elija de una lista y luego analiza la respuesta. Esas son las llamadas que Decision-1 está pensado para reemplazar.
• Pruebe con sus propios datos. Todas las cifras de benchmarks proceden de Microsoft. Páselo por sus propios ejemplos etiquetados antes de confiar en él en producción.
• Fije umbrales y luego revíselos. Es fácil actuar a partir de una probabilidad, pero puede parecer más segura de lo que es. Decida qué puntuación desencadena una acción y envíe los casos dudosos a una persona o a un modelo más grande.
• Registre sus formulaciones. Los resultados pueden variar según cómo se formule una pregunta. Mantenga los prompts bajo control de versiones para que un cambio de redacción no altere el comportamiento sin que nadie lo note.
• Vigile el modelo base. Microsoft planea trasladar Decision-1 a otros modelos. Vuelva a ejecutar sus pruebas cuando lo haga.