生成AIの活用が広がるなか、すべての処理に大規模言語モデル（LLM）を使う必要はありません。
Microsoftが発表した「Microsoft-Decision-1」は、文章を作るのではなく、あらかじめ決められた選択肢から適切なものを選ぶことに特化したAIモデルです。
分類や処理の振り分けなど、素早い判断が求められる場面で、LLMより低い遅延とコストを目指します。
選択肢ごとの確率を返す「判断特化型」モデル
Microsoft-Decision-1は、入力された文章に対して自由な回答文を生成するのではなく、提示された選択肢ごとに判断のスコア（確率）を返します。
たとえば、問い合わせを「返品」「配送」「支払い」に分類したり、入力内容をどのモデルやツールへ送るか決めたりする用途が想定されています。
回答の生成そのものよりも、決められた枠組みのなかで候補を選ぶ処理に特化している点が、一般的なLLMとの大きな違いです。
想定される用途と導入時のポイント
| 用途 | 判断する内容の例 |
|---|---|
| 分類 | 顧客の意図やフィードバックをカテゴリに振り分ける |
| ルーティング | 処理を担当するモデル、ツール、ワークフローを選ぶ |
| 評価・検証 | 入力や回答が指定した基準を満たすか判定する |
| ワークフロー制御 | 処理の継続、再試行、停止、人による確認への移行を選ぶ |
こうした判断を既存の業務フローに組み込めば、問い合わせの一次振り分けや、回答内容の確認などを効率化できる可能性があります。
一方で、モデルが選べるのは設計時に用意された候補です。
選択肢が不十分だったり、複雑な事情を単純なカテゴリに押し込めたりすると、適切な判断につながらない場合があります。
判断結果をどの条件で自動処理に使うか、どのケースを人間の確認に回すかを、業務に合わせて設計することが重要です。
性能・料金と利用方法
Microsoftによると、同社が学習に使用していない36種類のベンチマーク、約15万問で評価した結果、比較対象のなかで最も高い精度を記録しました。
応答速度も測定対象のなかで最速で、2位の「H2O-Lightning-4B v1.1」の2.5倍、「GPT-6 Sol」の35倍だったとしています。
これらはMicrosoftが示した評価結果であり、実際の精度や速度は、入力内容や選択肢、利用環境によって変わる可能性があります。
料金は入力100万トークンあたり0.042米ドルで、出力トークンは無料です。
現在は「Microsoft Foundry」のモデルカタログでパブリックプレビューとして提供されているほか、「OpenRouter」からも利用できます。
モデルの基盤には「Qwen3.5-9B」を採用し、1回の処理で判断スコアを出せるようポストトレーニングを施したと説明されています。
Microsoftは今後、自社の「MAI」モデルやOpenAIのモデルを基盤とする構成へ移行する予定です。
まとめ
Microsoft-Decision-1は、文章生成ではなく、定義済みの候補から素早く選ぶ処理に焦点を当てた判断特化型モデルです。
低遅延・低コストを生かせる可能性がある一方、選択肢の設計や人による確認を含めた運用が導入の鍵になります。