The New Stack گزارش داد که مایکروسافت روز جمعه Microsoft-Decision-1 را، یک مدل تخصصی برای تصمیم‌گیری سریع و ساختاریافته، بر روی پلتفرم Foundry خود راه‌اندازی کرد - و آن را بر اساس وزن باز Qwen3.5-9B علی‌بابا به جای هر مدلی از شریک نزدیک خود OpenAI ساخت.

این راه‌اندازی سه روز پس از باز کردن OpenAI Decisions API برای همه توسعه‌دهندگان در نسخه بتای عمومی انجام می‌شود، و در همان روز TypeSafe، استارت‌آپی که تقریباً سه هفته و نیم پیش در دسته مدل تصمیم‌گیری با Jev راه‌اندازی کرد، سری A 870 میلیون دلاری را با ارزش 7.5 میلیارد دلاری به رهبری a16z اعلام کرد. مایکروسافت Decision-1 را دقیقاً با نرخ Jev قیمت گذاری کرد: 0.042 دلار به ازای هر میلیون توکن ورودی با خروجی رایگان. برای اطلاعات بیشتر در مورد مسابقه شتاب برای ارزان‌تر و سریع‌تر کردن هوش مصنوعی، [پوشش صنعت هوش مصنوعی] (https://aibuzzwire.news) را ببینید.

قیمت برای مطابقت با Jev، ساخته شده بر روی وزنه های باز رقیب

Decision-1 یک مدل پس از آموزش است: مایکروسافت از Qwen3.5-9B علی بابا شروع کرد و آن را برای وظایف تصمیم گیری ساختاریافته به جای تولید بدون پایان تنظیم کرد. این شرکت می‌گوید که قصد دارد مدل را بر روی مدل‌های MAI خودش و همچنین OpenAI تغییر دهد، اما انتخاب اولیه یک پایگاه وزن باز چینی برای شرکتی که میلیاردها دلار در OpenAI سرمایه‌گذاری می‌کند قابل توجه است.

مایکروسافت نیز از اولین حرکت دور است. طبق گفته The New Stack، در سه هفته و نیم پس از راه‌اندازی Jev، OpenAI، Upstage، Perplexity، Cloudflare و AWS همه مدل‌های تصمیم‌گیری خود را ارسال کرده‌اند. پایه Qwen3.5 که مایکروسافت انتخاب کرده است به چیزی شبیه به یک پیش فرض صنعتی تبدیل شده است: جارد پالمر، معاون مهندسی Cognition، حدود 95 دلار را در محاسبات Modal H100 برای انتقال مدل های منبع باز Kev خود به Qwen3.5 هزینه کرد و Cloudflare مدل Clef-flash خود را بر روی همان پایه Qwen3.5-9B ساخت.

قیمت هم همگرا است پالمر Kev-4B را در OpenRouter با قیمت 0.042 دلار به ازای هر میلیون توکن ورودی، Perplexity 0.02 دلار و OpenAI بیش از دو برابر نرخ Jev را دریافت می کند. در این قیمت‌ها، درآمد حاصل از تماس‌های تصمیم‌گیری فردی حداقل است – که نشان می‌دهد فرصت بزرگ‌تر مایکروسافت حفظ ترافیک نماینده، از جمله تماس‌های تولیدی پیرامون هر تصمیم، از طریق Foundry است.

مایکروسافت اولین مشتری خودش است

رئیس و مدیر عامل مایکروسافت، ساتیا نادلا، این مدل را در روز جمعه اعلام کرد و نوشت که Decision-1 "عملکرد عالی را در وظایف تصمیم‌گیری ساختاریافته ارائه می‌دهد، از نظر تأخیر و کیفیت از هر دو مدل LLM و سایر مدل‌های تصمیم بهتر عمل می‌کند" و افزود: "ما در حال آزمایش آن در سراسر مایکروسافت هستیم."

در هر The New Stack، چهار تیم داخلی از آن پشتیبانی کردند. Xbox Research از Decision-1 برای مرتب کردن بیش از 10000 قطعه بازخورد بازیکن استفاده کرد. تیم Copilot چت و پاسخ های نماینده را با آن درجه بندی کرد. مهندسان در حال تماس از آن برای کشیدن زمینه در طول حوادث زنده استفاده کردند و مایکروسافت دیسکاوری از آن برای امتیاز دادن به آزمایشات قبل از برنامه ریزی مجدد یک نماینده استفاده کرد.

همانطور که گزارش شده است، اعداد داخلی مایکروسافت ادعا می کنند که این مدل با کسری از هزینه بار کاری ایکس باکس، بیش از 14 برابر سریعتر از GPT-6 Sol است و 46 برابر در Discovery سازگارتر است. Achint Srivastava، معاون مهندسی نرم افزار در دفتر CTO مایکروسافت، تصمیم-1 را به عنوان راهی برای افزودن تصمیم گیری به برنامه های کاربردی، عوامل و گردش کار موجود «در یک محیط امن و قابل اعتماد» معرفی کرد.

آنچه تصمیم-1 نمی تواند انجام دهد

راه اندازی همچنین نشان می دهد که مایکروسافت در کجا از رقبای خود عقب است. فهرست Foundry Decision-1 می گوید که حداکثر 32768 توکن متن را می پذیرد و JSON را برمی گرداند، اما از تصاویر پشتیبانی نمی کند - برخلاف OpenAI's Decisions API و Cloudflare's Clef که از رمزگذار بینایی استفاده می کند. و در حالی که Cloudflare Clef را تحت مجوز Apache 2.0 منتشر کرد، مایکروسافت وزن‌های باز را برای Decision-1 اعلام نکرده است.

یک سوال سازگاری نیز وجود دارد. AWS، Upstage و Ollama از TypeSafe's System One API استفاده کرده‌اند، که اکنون یک رابط مشترک در سراسر این دسته است، اما مایکروسافت نگفته است که آیا Decision-1 کاملاً سازگار است یا خیر - اگرچه کد نمونه Foundry آن نقطه پایانی /systemone را فرا می‌خواند.

ادعاهای کالیبراسیون نیز مستحق بررسی هستند. مایکروسافت می‌گوید احتمالات Decision-1 کالیبره‌شده است، به این معنی که پیش‌بینی 90 درصدی باید در مورد موارد معرف تقریباً 9 بار در ده بار درست باشد، و اسناد خود شرکت به مشتریان توصیه می‌کند که کالیبراسیون داده‌های خود را تأیید کنند. این احتیاط بازتاب پیش‌چاپ JevOut است، که در آن، Zixiang Xu، محقق علوم کامپیوتر USC و همکارانش دریافتند که اضافات کوتاه و طبیعی به متن، 312 مورد از 508 تصمیم اولیه Jev را تغییر داده است - و در 229 مورد، Jev حداقل 70٪ احتمال را به پاسخ اشتباه اختصاص داده است. سه سیستم امتیازدهی دیگر نرخ تلنگر را بین 64.9% و 73.2% تحت همین رویکرد تست نشان دادند. مایکروسافت می‌گوید که Decision-1 را با هشت نوع اختلال، از جمله گزینه‌های مرتب‌سازی‌شده و توضیحات بازنویسی شده، آزمایش کرده است.

تصمیمات مسیریابی در Copilot، GitHub و Xbox

مدل ممکن است کار بزرگتری در پیش داشته باشد. روز چهارشنبه، مایکروسافت گفت که GitHub Copilot به زودی تصمیم خواهد گرفت که چه زمانی یک کار را روی دستگاه اجرا کند و چه زمانی آن را به مدل‌های در مقیاس ابری ارسال کند، هرچند که فاش نکرده است که Copilot چه چیزی را به ابر ارسال می‌کند. مسیریابی مدل یکی از موارد استفاده‌ای است که مایکروسافت برای تصمیم 1 فهرست می‌کند، اما این شرکت تأیید نکرده است که این مدل این تماس‌ها را انجام خواهد داد. با تصمیمات مسیریابی در Copilot، GitHub و Xbox، مایکروسافت انگیزه ای دارد که آنها را به صورت داخلی مدیریت کند.

مخاطرات رقابتی در کشش TypeSafe قابل مشاهده است. مدیرعامل TypeSafe، دیوگو آلمیدا، در X پست کرد که "29.4٪ از Fortune 500 در سه هفته پس از عرضه Jev ظاهر شد"، که این مدل "به طور تصادفی تریلیون ها توکن در روز ارائه می کرد" و با توجه به حجم کاری تیمش، "3 هفته است که ما دوست داریم اکنون بخوابیم." اینها همان شرکت‌هایی هستند که مایکروسافت Azure را به آنها می‌فروشد – که باعث می‌شود ورود Decision-1 کمتر به شرطی برای یک بازار جدید باشد تا دفاع از بازار موجود.

---

از هوش مصنوعی جلوتر بمانید

آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.

بیشتر بخوانید اخبار هوش مصنوعی →