Microsoft Decision-1: tania warstwa decyzyjna pod agentami
W warstwie infrastruktury modeli uwagę zwraca Microsoft Decision-1 — model, który nie generuje odpowiedzi, lecz ocenia z góry podane opcje. Jest dostrojony na bazie modelu Qwen3.5-9B i zwraca prawdopodobieństwa dla każdej z możliwych decyzji w jednym przejściu. Cennik jest tu najciekawszy: cztery i dwie setne centa za milion tokenów wejściowych i zero za tokeny wyjściowe. Według danych producenta model jest trzydzieści pięć razy szybszy od GPT-6 Sol i cztery i pół razy szybszy od modelu Quyet-1.0-Large przy medianie opóźnienia, a przy ośmiu rodzajach zakłóceń tekstu zmienia decyzję tylko w jednym i trzech dziesiątych procenta przypadków. W wewnętrznym wdrożeniu w zespole badawczym Xbox model miał być czternaście razy szybszy i dwieście razy tańszy od GPT-6 Sol przy oznaczaniu opinii.
Warto podkreślić dwie rzeczy. Pierwszą jest to, że Microsoft postawił tu na architekturę chińskiego Qwen jako bazę, co samo w sobie jest sygnałem, jak głęboko modele otwarte weszły do produktów komercyjnych największych firm. Drugą jest to, że wszystkie liczby pochodzą od producenta i brak niezależnych pomiarów — a przy modelach oceniających kluczowa jest kalibracja, czyli to, czy deklarowane prawdopodobieństwa zgadzają się z rzeczywistą skutecznością. Jeśli się zgadzają, przed agentami otwiera się tania warstwa, która kieruje, klasyfikuje i weryfikuje za grosze, a drogi model uruchamiany jest tylko wtedy, gdy naprawdę trzeba. To dokładnie ten mechanizm, który mógłby zbić rosnące rachunki za agentów opisane w punkcie drugim.