北京
一个只有9B参数的模型，在36个盲测基准里跑出了高准确率，速度比第二名快4.5倍，比GPT-6 Sol快35倍。更让人意外的是它的定价策略：输出端免费。
Microsoft-Decision-1已在OpenRouter上线。它基于Qwen3.5-9B微调，专为结构化决策任务优化，支持32K上下文窗口。输入定价为每百万token0.042美元，输出不收费。
速度与准确率的取舍
决策类任务对模型的要求和聊天不一样。它需要在有限信息下快速给出结构化判断，而不是生成流畅的长文本。这个模型在扰动输入下的错误率极低，说明它对噪声有一定的鲁棒性。
速度优势在Agent场景里会被放大。当一个决策节点需要被反复调用，单次推理的延迟差异会累积成整个工作流的效率差距。4.5倍和35倍这两个数字，指向的是同一件事：决策环节的等待时间可以被压缩。
免费输出意味着什么
输出免费、输入收费的模式，在决策类模型里并不常见。这类任务的典型特征是输入短、输出也短，但调用频次高。把成本压在输入端，等于把计费锚点放在了信息进入模型的那一刻。
对于需要高频决策调用的Agent工作流来说，这种定价结构会直接影响成本模型。输出端不产生费用，意味着多轮决策、反复校验这类用法不会因为输出长度而增加开销。
9B的体量加上这个价格，指向的是一类特定的使用场景：不需要通用大模型的全面能力，只需要在结构化决策上稳定、快速、便宜。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
