// HEISE ONLINE — INTELLIGENZA ARTIFICIALE
Microsoft-Decision-1: KI-Modell für schnelle Entscheidungen
Microsoft stellt Decision-1 vor, ein KI-Modell, das für schnelle Entscheidungen optimiert ist. Es liefert numerische Werte statt Freitext als Ausgabe.
Microsoft hat das Modell Microsoft-Decision-1 herausgebracht, das für Anwendungsfälle optimiert wurde, in denen klare Entscheidungen getroffen werden müssen. Es basiert aktuell auf dem vortrainierten Modell „Qwen3.5-9B“, das beim Nachtrainieren für solche Aufgaben optimiert wurde. Microsoft gibt jedoch an, in Kürze auf andere Modelle umstellen zu wollen, darunter solche von Microsoft und OpenAI.
Der Output von Decision-1 kann in drei verschiedenen Formaten erfolgen: Ja/Nein-Antworten („Noul“), die Wahl einer Möglichkeit aus einem definierten Pool („Choice“) oder das Ranken von definierten Optionen („Score“). Als Output liefert es numerische Werte wie Wahrscheinlichkeiten, auf deren Grundlage eine andere Software dann weiterarbeiten kann. Erklärungen zu diesen Werten liefert Decision-1 nicht.
Mögliche Anwendungsszenarien sind das Routen von Anfragen zum passenden KI-Modell, das Validieren eines Inputs gegen ein Set aus Qualitätskriterien oder das Klassifizieren von Kundenfeedback in Kategorien. Auch das Steuern von Computern oder Robotern, indem immer zwischen einem Set von möglichen Aktionen die bestmögliche ausgewählt wird, nennt Microsoft als mögliche Anwendungsbeispiele.
In seinem Blogpost lässt Microsoft das Modell wiederholt gegen GPT-6 Sol antreten. Das ist nicht unbedingt ein sinnvoller Vergleich: das eine ist ein Frontiermodell, gemacht für komplexe Sprachaufgaben, das andere ein deutlich kleineres Modell, optimiert für ein sehr klar definiertes Set an Aufgaben. Doch es verdeutlicht den Mehrwert von solchen KIs: Sie sind für Entscheidungsaufgaben häufig schneller als gewöhnliche LLMs, und in Microsofts Fall auch günstiger. Decision-Modelle haben sich inzwischen zu einem eigenen Trend entwickelt: Neben Jev sind weitere Modelle wie Laya und Clef entstanden, wie eine Übersicht der neuen Decision-Modell-Klasse zeigt.
Auch wenn die Ausgabe von Microsoft-Decision-1 sehr nachvollziehbar und beständig wirkt, ist sie das nicht unbedingt. Bei klassischen LLMs ist es aktuell technisch nicht möglich, zu 100 Prozent zu garantieren, dass die Entscheidung des Modells gleich bleibt, auch wenn Menschen die Frage oder die Beschreibung des Inputs alle etwas unterschiedlich stellen. Decision-1 scheint jedoch im Posttraining zumindest dahingehend trainiert worden zu sein. Es ändert laut Microsoft wohl nur in 1,3 Prozent der Fälle seine Entscheidung und in 0 Prozent der Fälle, wenn die Reihenfolge der Optionen oder die Beschreibung sprachlich verändert wurde. Das ist besser als viele LLMs, aber nicht so hundertprozentig wie algorithmische Systeme oder Entscheidungsbäume.
Auch die Nachvollziehbarkeit ist eher wie bei LLMs. Es scheint zwar auf der Grundlage von nachvollziehbaren Regeln zu entscheiden. Wie bei allen LLMs hat man jedoch auch hier mutmaßlich nur den Chain of Thought als Begründung und weiß bei ihm nie, ob er den tatsächlichen „Denkprozess“ des Modells abbildet. Genaue Angaben hierzu macht Microsoft aber nicht.
Das Modell ist über Microsoft Foundry und OpenRouter verfügbar. Eingabe-Token kosten 0,042 US-Dollar pro Million Token, Ausgabe-Token sind kostenlos.
Keine News verpassen! Jeden Morgen der frische Nachrichtenüberblick von heise online
Ausführliche Informationen zum Versandverfahren und zu Ihren
Widerrufsmöglichkeiten erhalten Sie in unserer
Datenschutzerklärung.