أطلقت مايكروسوفت مؤخراً نموذج القرار Microsoft-Decision-1، حيث يستند إصداره الأول إلى نموذج Alibaba Cloud مفتوح المصدر Qwen3.5-9B، ويُستخدم بشكل رئيسي في مهام تصنيف النصوص واتخاذ القرارات المهيكلة. وقد أصبح النموذج متاحاً عبر Microsoft Foundry، وسيتم دمجه مستقبلاً مع OpenRouter. وأوضحت مايكروسوفت أن الإصدارات المستقبلية ستتجه نحو استخدام نماذج مطورة ذاتياً ونماذج OpenAI كأساس.
على عكس نماذج اللغة الكبيرة المخصصة بشكل رئيسي لتوليد النصوص أو معالجة مهام الاستدلال المعقدة، فإن نماذج القرار عادةً ما تُخرج نتائج ضمن نطاق محدود لمشكلة معينة، وتوفر تقييمات احتمالية للخيارات المختلفة. وتتميز هذه النماذج بسرعة توليد أعلى وتكلفة استخدام أقل نسبياً، كما أن مخرجاتها أسهل في استدعائها مباشرة من قبل أنظمة البرمجيات، مما يجعلها مناسبة للسيناريوهات المؤسسية التي لا تتطلب نصوصاً مفتوحة. ومع ذلك، لا تزال نماذج القرار قد تنتج أخطاء في التصنيف أو الحكم.
Microsoft-Decision-1 يؤدي أداءً متميزاً في اختبارات المعايير
أظهرت نتائج الاختبارات التي نشرتها مايكروسوفت أن سرعة Microsoft-Decision-1 في اختبارات التأخير تبلغ حوالي 2.5 مرة سرعة H2O-Lightning-4B، و2.8 مرة سرعة Jev. وفي 36 اختبار معيار، حقق النموذج دقة بلغت 83.5%، ودرجة ثقة بلغت 92.2%، ليحتل المرتبة الثانية بعد Quyet-1.0-Large. وأضافت مايكروسوفت أن تكلفة النموذج في مهام تصنيف النصوص تقل بأكثر من 20 مرة عن تكلفة GPT-6 Sol من OpenAI.
حالياً، يتم فرض رسوم قدرها US$0.04 (حوالي HK$0) لكل مليون رمز مميز (Token) على جانب الإدخال، بينما يكون جانب الإخراج مجانياً.
في الآونة الأخيرة، حظيت نماذج القرار باهتمام العديد من شركات الذكاء الاصطناعي. وبعد إطلاق TypeSafe AI لنموذج Jev، أطلقت شركات مثل OpenAI وCloudflare وLiquid AI وPerplexity وSnowflake وH2O.ai نماذج أو واجهات برمجة تطبيقات ذات صلة. ويوجد حالياً أكثر من 100 نموذج من هذا النوع في السوق، ومن بينها H2O-Lightning-4B الذي تم تطويره أيضاً استناداً إلى سلسلة نماذج Qwen3.5.