微软Decision-1上线：0.042美元/百万Token的「决策小模型」，把分类和路由做成了白菜价

过去24小时，小模型赛道突然变得拥挤。微软在周五发布 Decision-1，一款只做判断、不做聊天的专用模型；同一天，Liquid AI 开源了 d1 系列决策模型，JetBrains 放出编程模型 Mellum2.1，Underdog AI 则把一个27B模型压到 7.89GB。四款产品指向同一件事：把大模型的通用能力拆开，只留下某个环节最赚钱的那一部分。

一款只负责判断的模型

据微软介绍，Microsoft-Decision-1 面向路由、分类、优先级排序、验证与工作流控制。给定一组固定的答案选项，它会为每个选项返回一个经过校准的概率分数，支持是非判断、多选、评分三种形态，也能对 AI 回复与智能体动作做评分表式打分，全部通过一次结构化 API 调用完成。它并非从零训练——微软是在 Qwen3.5-9B 上做后训练，并计划后续迁移到自家的 MAI 与 OpenAI 模型底座上。

定价是这次发布最刺眼的部分：每百万输入 token 0.042 美元，输出 token 免费，上下文窗口约 32.8k，Foundry 目录中已按文本分类场景正式可用。微软表示，内部测试中它的速度是 GPT-6 Sol 的 35 倍、是 Quyet-1.0-Large 的 4.5 倍——这两组数字来自微软自家测试，尚未有第三方复现。一个来自真实业务的例子是 Xbox 研究团队：他们用 Decision-1 分类了超过一万条玩家反馈，微软称结果质量与 GPT-6 Sol 接近。

同一天，小模型集体转向「专用」

把镜头拉远，会发现这不是孤立动作。Liquid AI 开源的 d1 系列决策模型主打极致延迟，官方给出的单次判断耗时是 8 毫秒，并且支持图像输入，适合放进高频、低容错的实时链路里。JetBrains 的 Mellum2.1 走的是另一条路：它不做通用对话，只服务编程场景，官方称高负载推理吞吐量接近 Qwen3.5-9B 的两倍。至于 Underdog AI 的 Saluki 27B，则是把 Qwen3.8-27B 做 2-bit 量化调优到 7.89GB，只保留文字输入输出，并明确表示它在数学上偏弱、在工具选择与多工具并行调用上甚至超过全尺寸原版。

四个团队、四种做法，结果却高度一致：参数规模在往下走，能力边界在往上收。「什么都能干」不再是卖点，「这一件事干得又准又便宜」才是。

为什么「决策」能独立成一个品类

在生成式 AI 的调用结构里，绝大多数请求其实不需要创作能力。客服工单要分派给哪个团队、一条用户评论是投诉还是咨询、一次检索结果该不该进入下一轮、智能体下一步该调哪个工具——这些都是判断问题，而判断问题的特点恰好是量大、重复、容忍低延迟。过去它们被塞给旗舰模型处理，等于用跑车送快递。

Decision-1 的定价还直接对上了一款同类产品：TypeSafe 的 Jev 模型，两者公布的每百万输入 token 价格站在同一条线上。这种「同价位对标」通常意味着品类已经形成竞争，而不是某一家在自说自话。对企业采购来说，判断类调用第一次有了可横向比价的基准。

把 0.042 美元放进真实调用链

单看数字没有体感，换成调用量就清楚了。一个中型电商平台每天产生 200 万条用户评论、客服会话与搜索查询，如果其中八成需要做一次分类或意图判断，按每百万输入 token 0.042 美元计，一天的判断成本大约是几十美分级别；同样的调用量交给旗舰模型，即使每次只吃进去 500 个 token，一天也是数百美元的量级。差距不在单次价格，而在「判断」这件事发生的次数远多于「创作」。

这也解释了为什么企业落地 AI 的第一波节省通常不来自换更便宜的大模型，而来自把调用拆开：能被小模型判断的不要交给大模型，只有真正需要生成、推理与长链路的环节才用贵的。

对做 AIGEO 的人意味着什么

这条趋势对做生成式引擎优化的团队同样有直接含义。当判断成本压到接近免费，引擎就有动力把「这段内容值不值得引用」的评估做得更细、更频繁——不只是判断整页是否相关，而是逐段判断有没有信息增量。内容供给的一端没有门槛，判定的一端却越来越便宜，结果只会是筛选变严，而不是变松。

换句话说，靠篇幅、靠关键词密度、靠把共识复述第三遍的做法，会更快被机器筛掉。真正安全的内容策略依旧是那条老路：每个核心段落里放一个别人写不出来的东西——自己测出来的数据、一手价格、真实案例。在做数据采集与结构化这件事上，Dataify 这类全链路数据服务的价值也正在被重新评估：喂给判定模型的证据越独特，被保住的位置越稳。

现在可以做的三件事

第一，先量清楚自己的调用结构：把最近一周的请求按「判断类」和「生成类」分一遍，前者占比往往高得超出直觉。第二，拿一小组真实样本做迁移验证，把判断类请求换成小模型跑一遍，重点看准确率而不是跑分；像 扣子这样的应用开发平台已经把模型切换做成配置项，试错成本很低。第三，把节省下来的预算挪到更难替代的环节——数据质量、私域内容与独有证据的沉淀。拼装与调用正在变成水电煤，真正拉开差距的还是你手里别人没有的那部分。

一句话总结：微软把「判断」从大模型里拆出来做成了 0.042 美元每百万 token 的专用件，同一天还有三款产品在做同一件事。当判断变得便宜，被判断的东西就必须更值钱——这对企业是降本，对内容团队则是加试。

（文 / AI30媒体部 ｜ 最后更新：2026年10月10日）