Decision-1 de Microsoft cobra 0,042 dólares por millón de tokens de entrada. Lo que compra es calibración

¿Qué tan seguro está su enrutador?

La mayoría de los sistemas de agentes no puede responder. Un modelo generativo al que se le pide elegir una categoría devuelve una palabra, y esa palabra no trae ninguna noción fiable de lo ajustada que fue la elección. Microsoft-Decision-1, que Microsoft lanzó en versión preliminar pública en Foundry el 9 de octubre, está construido para responder primero a esa pregunta.

Dado un conjunto fijo de opciones, el modelo devuelve una probabilidad calibrada para cada una. Admite preguntas de sí o no, de opción múltiple y de valoración, además de la calificación por rúbrica de respuestas de IA y acciones de agentes, a través de una API estructurada. Microsoft enumera como usos el enrutamiento, la clasificación, la priorización, la verificación y el control de flujos de trabajo. Está construido sobre Qwen3.5-9B, con un postentrenamiento para puntuar decisiones en una sola pasada, y cuesta 0,042 dólares por millón de tokens de entrada en las Datazones de Estados Unidos y de la Unión Europea, con tokens de salida gratuitos. También está disponible a través de OpenRouter.

Tres proveedores, una capa

Es el tercer producto de la misma categoría que cubrimos desde el 5 de octubre. Cloudflare defendió los modelos de decisión en la ruta crítica del agente con Clef, y OpenAI puso precio aparte a esta capa con su Decisions API. Ya no hace falta argumentar por qué separar las decisiones pequeñas y frecuentes del razonamiento generativo costoso. Lo que cambia ahora es cómo se comporta cada producto.

Los rasgos distintivos de Decision-1, todos según Microsoft:

• Probabilidades, no etiquetas. Una puntuación por opción permite fijar umbrales en un flujo de trabajo: actuar por encima de un valor, escalar por debajo de otro.
• Velocidad y robustez. Microsoft informa la mayor precisión en una comparación de 36 benchmarks con casi 150.000 preguntas, una latencia P50 unas 35 veces menor que la de GPT-6 Sol y cambios de decisión en el 1,3% de las perturbaciones de entrada, sin ninguno con opciones reordenadas o reformuladas.
• Una base de pesos abiertos, algo relevante para quien quiera ejecutar el mismo comportamiento en otro lugar más adelante, y un precio publicado en el que solo se factura la entrada.

Lo que realmente está comprando

El precio es tan bajo que rara vez decidirá nada. Lo que compra es calibración: la promesa de que, cuando el modelo dice 0,9, acierta unas nueve de cada diez veces. Microsoft describe la calibración como válida “en casos representativos”. Los suyos pueden no serlo.

Comprobar la calibración es barato; darla por hecha es caro. Tome unos cientos de ejemplos etiquetados de su propio flujo de trabajo, agrupe las predicciones del modelo por nivel de confianza y verifique la precisión de cada grupo. Si el grupo de 0,9 acierta el 70% de las veces, sus umbrales están mal, por bueno que sea el benchmark. Haga la misma comprobación por opción, porque un modelo puede estar bien calibrado en las clases frecuentes y mal calibrado en las raras, que suelen ser las que importan al escalar.

Pruebe la robustez de la misma manera. Reordene las opciones, reformule sus descripciones, añada una opción irrelevante. Una decisión que cambia es una decisión que no se puede auditar.

Un modelo que cambiará por debajo

Microsoft afirma que pronto cambiará la base de Decision-1 por otros modelos, incluidos sus propios modelos MAI y los de OpenAI. Es una hoja de ruta de producto y también una advertencia: el comportamiento que calibre en octubre puede no ser el que obtenga después del cambio. Fije la versión que validó y trate cada cambio de base como un cambio de modelo, que vuelve a ejecutar la comprobación de calibración antes de llegar a producción.

También hay una ganancia de gobernanza. Un modelo de decisión produce un registro compacto: las opciones ofrecidas, la probabilidad de cada una, el umbral aplicado y el camino seguido. Registrado por decisión, es mucho más fácil de auditar que un párrafo de razonamiento generado. En el portafolio de modelos que esperamos ver en las empresas, el modelo de decisión puede convertirse en el componente más revisado, porque es el que decide adónde va todo lo demás.

Decision-1 está en versión preliminar y sus cifras son de Microsoft. La arquitectura que representa no está en duda. Si su confianza merece la suya es una pregunta que solo sus datos pueden responder, y la prueba lleva una tarde.