مایکروسافت از مدل تصمیم‌گیری Decision-1 برپایه هوش مصنوعی علی‌بابا رونمایی کرد

مایکروسافت مدل هوش مصنوعی Microsoft Decision-1 را معرفی کرده که به‌جای تولید متن، گزینه‌های موجود را ارزیابی می‌کند و برای هر گزینه امتیاز احتمال ارائه می‌دهد. این مدل بر پایه Qwen3.5-9B، مدل وزن‌باز شرکت علی‌بابا، ساخته شده و مایکروسافت می‌گوید در آزمایش‌های داخلی خود از نظر دقت و سرعت از مدل‌های تصمیم‌گیری رقیب بهتر عمل کرده است.

به گفتهمایکروسافتاین مدل برای وظایفی مانند دسته‌بندی اطلاعات، اولویت‌بندی درخواست‌ها، بررسی پاسخ‌های هوش مصنوعی و کنترل گردش کار کاربرد دارد. هزینه پردازش ورودی آن به‌ازای هر یک میلیون توکن ۰٫۰۴۲ دلار است و توکن‌های خروجی رایگان هستند.

مایکروسافت Microsoft-Decision-1 را با پس‌آموزش (Post-training) مدل Qwen3.5-9B متعلق به علی‌بابا توسعه داده است. طبق اعلام این شرکت، نسخه‌های آینده مدل بر پایه مدل‌های دیگری از جمله مدل‌های اختصاصی مایکروسافت با نام MAI و مدل‌های اوپن‌ای‌آی توسعه خواهند یافت. مایکروسافت در مطلب خود دلیلی برای این تغییر اعلام نکرده است.

مدل Microsoft Decision-1 چگونه تصمیم می‌گیرد؟

مدل Microsoft-Decision-1 برخلاف مدل‌های زبانی بزرگ که متن تولید می‌کنند، برای انتخاب میان گزینه‌های ازپیش تعیین‌شده طراحی شده است. این مدل برای هر گزینه امتیاز احتمال ارائه می‌دهد و از پرسش‌های بله یا خیر، سؤالات چندگزینه‌ای و امتیازدهی پشتیبانی می‌کند. همچنین می‌تواند پاسخ‌های مدل‌های هوش مصنوعی و اقدامات ایجنت‌های هوش مصنوعی را براساس معیارهای مشخص ارزیابی کند.

این مدل برای کاربردهایی مانند انتخاب مدل مناسب برای پردازش هر درخواست، دسته‌بندی اطلاعات، اولویت‌بندی کارها، اعتبارسنجی داده‌ها و کنترل گردش کار در نظر گرفته شده است. مدل می‌تواند پاسخ‌ها و اقدامات پیشنهادی ایجنت‌‌های هوش مصنوعی را نیز بررسی کند و به تصمیم‌گیری درباره ادامه کار، تکرار عملیات یا ارجاع آن به ابزار یا مدل‌های دیگر کمک کند.

Microsoft-Decision-1 فقط ورودی متنی می‌پذیرد و پنجره زمینه آن ۳۲ هزار توکن است. مایکروسافت همچنین هشدار داده است که نباید از این مدل به‌عنوان تنها مبنای تصمیم‌های مهم درباره افراد، مانند استخدام یا اعطای اعتبار، استفاده کرد.

مایکروسافت می‌گوید Microsoft-Decision-1 در مقایسه‌ای شامل ۳۶ بنچمارک، بالاترین دقت را به دست آورده است. این ارزیابی نزدیک به ۱۵۰ هزار پرسش را دربر می‌گرفت که در زمان آموزش مدل در اختیار آن قرار نگرفته بودند.

بر اساس آزمایش‌های این شرکت، مدل جدید ۲٫۵ برابر سریع‌تر از H2O-Lightning-4B v1.1، مدل رقیب در رتبه دوم این مقایسه، عمل می‌کند. مایکروسافت همچنین می‌گوید سرعت آن در آزمایش‌های خود ۳۵ برابر بیشتر از GPT-6 Sol بوده است.

این مدل اکنون از طریق پلتفرمMicrosoft Foundryو سرویس OpenRouter در دسترس توسعه‌دهندگان قرار دارد. هزینه ورودی آن ۰٫۰۴۲ دلار به‌ازای هر یک میلیون توکن است و پردازش توکن‌های خروجی هزینه‌ای ندارد.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.