Microsoft Decision-1 agiliza escolhas sem gerar texto

Criado para triagem e roteamento de agentes, o sistema usa base Qwen3.5-9B e fatura apenas tokens de entrada.

A maioria dos fluxos com agentes autônomos hoje gasta capacidade computacional em pequenas escolhas mecânicas. Quando um programa precisa escolher a próxima ferramenta de API ou checar se um script falhou, a arquitetura padrão aciona um modelo de linguagem gerador, que escreve parágrafos de raciocínio antes de definir a resposta. Esse arranjo atrasa os ciclos de execução e eleva a conta de tokens.

Em 9 de outubro de 2026, a Microsoft lançou o Microsoft-Decision-1 para processar esse tipo de escolha sem depender de texto conversacional. Apresentado pelo presidente-executivo Satya Nadella e por equipes de desenvolvedores da empresa, o modelo calcula probabilidades para opções estruturadas diretamente a partir dos dados de entrada. A ferramenta já está disponível em pré-visualização pública no Microsoft Foundry e pela plataforma OpenRouter.

Primeiro: o que é o modelo

O Microsoft-Decision-1 foi desenvolvido por meio de pós-treinamento sobre a arquitetura de pesos abertos Qwen3.5-9B. Em vez de produzir respostas palavra por palavra, o modelo processa as entradas em uma única passada direta (single-pass). O usuário envia o estado dos dados em texto ou JSON ao lado de opções pré-definidas: perguntas de sim ou não, listas de múltipla escolha, escalas numéricas ou critérios de rubrica.

A API entrega pontuações de probabilidade calibradas para cada alternativa, sem texto explicativo associado. Como não há geração de sentenças, as aplicações não precisam aguardar a emissão de tokens. A Microsoft informou que pretende levar esse mesmo método de passada única para lançamentos futuros da Microsoft AI (MAI) e da OpenAI.

Como o Microsoft Decision-1 opera na prática

A política comercial reflete a ausência de saída discursiva: a Microsoft fixou o preço em US$ 0,042 por 1 milhão de tokens de entrada e zerou a cobrança para tokens de saída.

Nos testes de desempenho divulgados pela Microsoft, o Decision-1 registrou latência mediana (P50) até 35 vezes menor do que a de modelos de raciocínio como o GPT-6 Sol, e 4,5 vezes menor do que a do modelo aberto Quyet-1.0-Large. Em 36 avaliações cegas com cerca de 150 mil casos de teste cobrindo roteamento, regras de segurança e contexto longo, a divisão de pesquisa da empresa relatou variação de apenas 1,3% nas decisões sob oito perturbações no texto, caindo para 0% quando as opções foram somente reordenadas ou parafraseadas. Esses dados refletem testes internos de laboratório do próprio fornecedor e ainda aguardam verificação independente por terceiros em ambientes reais de produção.

O que os testes internos mostram

A Microsoft divulgou dados de três equipes internas que avaliaram a ferramenta antes do anúncio:

• Xbox Research: analisou mais de 10 mil avaliações de jogadores coletadas em pesquisas, no Steam e no X. A equipe registrou velocidade 14 vezes maior e custo 200 vezes menor em comparação ao uso do GPT-6 Sol.
• Equipe do Copilot: utilizou o sistema como juiz automatizado para aferir a qualidade de respostas, alcançando tempo de execução 100 vezes mais rápido que o do GPT5.6 Luna.
• Microsoft Discovery: aplicou o Decision-1 no replanejamento de experimentos científicos guiados por rubricas, com ganho de velocidade de quatro vezes nos ciclos e 46 vezes mais consistência em relação a modelos comuns.

Onde a ferramenta serve e onde falha

O Decision-1 é indicado para etapas operacionais estreitas em que velocidade e previsibilidade superam a flexibilidade do diálogo. Casos práticos incluem seleção de ferramentas de API por agentes, triagem de chamados, checagem de conformidade com regras e avaliação automática de saídas de outros modelos em esteiras de teste.

O sistema não foi projetado para escrever textos livres, resumir relatórios ou explicar a razão das escolhas feitas. Fluxos que exigem respostas discursivas ou criação de conteúdo continuam dependentes de modelos geradores convencionais.

O que ainda não sabemos

Como apontou análise da publicação InfoWorld, separar a avaliação de decisões da geração textual ataca o acúmulo de latência em sistemas com múltiplos passos. No entanto, algumas questões práticas continuam abertas. O comportamento sob tráfego ruidoso e imprevisível pode se afastar dos testes sintéticos, e a Microsoft ainda não divulgou prazos para incorporar a técnica em checkpoints da MAI ou da OpenAI.

Fontes

• Oficiais / Primárias: Microsoft CommandLine
• Oficiais / Primárias: Publicação de Satya Nadella no X
• Oficiais / Primárias: Microsoft Tech Community (Azure AI Foundry)
• Documentação técnica: Microsoft Learn
• Análise independente: InfoWorld
• Distribuição: Catálogo do OpenRouter