Microsoft、単一推論でエージェントのワークフローに選択肢の確率スコアを付与する Microsoft-Decision-1 を発表

Microsoft は10月9日、エージェントシステムで一般的な分類、ルーティング、アクション評価に特化した意思決定スコアリングモデル Microsoft-Decision-1 を発表した。Qwen3.5-9B をベースに後学習されており、単一の推論で固定された回答選択肢に確率を割り当てる。真偽判定、多肢選択、スコアリング、基準に基づく回答品質の判定に対応する。公式発表

このインターフェースを使うと、アプリケーションは各選択肢のスコアを直接読み取り、しきい値に応じて実行、保留、または人間による対応への移行を判断できる。たとえば、エージェントが次のアクションを提示した後、システムは「続行、再試行、停止、引き継ぎ」などの候補を提示できる。技術的な利点は、ワークフロー制御に必要なテキスト生成と解析を減らせることだ。ただし、候補アクションが網羅的か、判定基準が明確かどうかは、引き続きアプリケーション側の責任となる。これはモデルのインターフェースから導かれるエンジニアリング上の含意であり、エージェント全体の信頼性を保証するものではない。

Microsoft によると、約15万問を含む36のベンチマーク比較で最高精度を達成し、P50 レイテンシは GPT-6 Sol の約35倍の速さだった。また、8種類の入力摂動テストにおける平均判定反転率は1.3%だった。これらはいずれもベンダーによる評価であり、中国語データ、選択肢の数が異なるケース、実際のネットワーク環境にそのまま当てはめることはできない。評価の説明

提供状況について、Foundry の発表記事ではサービスはパブリックプレビューとされている。確認時点で OpenRouter には Azure の提供元が掲載されていた。モデルページには、テキスト入力、32,768トークンのコンテキスト、入力100万トークンあたり0.042ドル、出力無料と記載されている。また、重みは継続的に更新される一方、API の形式は一貫して維持されるとしている。Foundry の発表、OpenRouter モデルページ

エンジニアリングチームは今後、繁体字中国語での分類精度、選択肢の並べ替えに対する一貫性、信頼度のしきい値ごとの誤判定率と人間への引き継ぎ率を測定するとよい。重みが継続的に更新されるため、同じモデル名でも挙動が変わる可能性がある。固定した回帰テスト用データセットを維持することが望ましい。ツールの権限管理や安全性の判定に用いる場合、確率スコアは振り分けの助けになるが、確定的な認可ルールは引き続きシステム側で適用する必要がある。