Microsoftは2026年10月9日、文章を書かずに判断だけを返す新しいモデル「Microsoft-Decision-1」を発表しました。Microsoft Decision-1とは何かというと、はい/いいえや選択肢・点数といった決まった形の答えだけを返す判断特化のモデルで、Microsoft FoundryとOpenRouterから利用できます。ChatGPTやClaudeのような文章を書くAIと役割を分け、仕分けや自動化の分岐だけを安く速く回したい人に関係する発表です。
要点
- Microsoft-Decision-1はルーティング・分類・優先度付け・検証・ワークフロー制御のために設計された判断スコアリングのモデルで、Microsoft FoundryとOpenRouterで提供される
- 中身はQwen3.5-9Bを事後学習したもので、今後はMicrosoft AI（MAI）やOpenAIを含む他のモデルへの載せ替えも予定されている
- 料金は入力が100万トークンあたり0.042米ドルで、出力トークンは無料
- 36本のベンチマーク比較で最高の正解率。計測では最速で、2位のH2O-Lightning-4B v1.1より2.5倍、GPT-6 Solより35倍速かった
- 自由な文章や理由の説明は返さず、型の決まった数値の判断を返す
何が発表されたか
Microsoftは、判断モデル（decision model）をAIの新しいカテゴリーと位置づけています。文章を生成したり複雑な問題を推論したりするために作られたLLM（大規模言語モデル）と違い、判断モデルはソフトウェアがそのまま実行できる構造化された出力を返すことを目的に作られている、という説明です。Microsoft-Decision-1はルーティング・分類・優先度付け・検証・ワークフロー制御のために設計され、既存のアプリやエージェント、ワークフローに判断の仕組みを組み込みやすくするとされています。
作り方としては、Qwen3.5-9Bを高速な単一パスの判断スコアリング向けに事後学習（post train、学習済みモデルに追加で学習させること）しており、今後はMicrosoft AI（MAI）やOpenAIを含む他のモデルへ載せ替える予定も示されています。答えの選択肢をあらかじめ固定して渡すと、各選択肢に対して較正された確率スコアを返します。はい/いいえ、複数選択、評点に加え、AIの応答やエージェントの行動をルーブリック（採点基準）で採点する使い方にも対応し、いずれもシンプルな構造化APIの呼び出しで使えます。
性能については、学習から隠した約15万問にわたる36本のベンチマーク比較で最高の正解率を達成したとしています。速度は計測で最速で、2位のH2O-Lightning-4B v1.1より2.5倍、GPT-6 Solより35倍速いという結果です。公開リーダーボードJevBenchの上位モデルを追加の36本の公開・非公開ベンチマークで試した比較も行われ、元記事には「Jevの正解率と較正のベンチマークを追加して更新した」という編集注記が付いています。
同じリクエストを8通りに揺さぶる試験では、判断が変わったのは平均1.3%でした。安全性は11本のベンチマークにまたがる5,250件のリクエストで検証されています。社内での試用例として、XBOX Researchが1万件を超える自由記述の意見やレビューをテーマ別に分類し、品質はGPT-6 Solと競りながら14倍以上速く200倍安かったと報告されています。Copilotチームの検証では、GPT5.6 Lunaと競る品質で100倍速いという結果でした。
返ってくるのは三つの型の判断
公式ドキュメントによると、Microsoft-Decision-1は状態（state）と型付きの質問を受け取ります。noulは「これは正しいか」に0から1の確率で答え、choiceは決まった選択肢から一つだけを選び、scoreは順序のある尺度に当てはめます。同じstateを使う質問は一つのリクエストにまとめられます。自由な文章や書かれた理由は返さず、テキストやJSONについて型付きの数値の判断を返す点が、生成系のLLMとの違いです。
個人の仕事や学びにどう使えるか
一つ目は、問い合わせメールの一次仕分けです。ドキュメントには、サポートチケットのトリアージ（優先度を見て振り分けること）や障害の優先度付け、コンテンツのフィルタ、モデル出力の評価といった用途が挙げられています。カスタマーサポートや営業事務の人なら、1通の文面に対してchoiceで担当チーム、scoreで深刻度、noulで再度の問い合わせかどうかを一度にまとめて尋ねる形が作れます。
二つ目は、自動化の分岐です。個人開発者やフリーランスが組む処理では、文章の作成や要約はChatGPTやClaudeのような生成AIに任せ、進めるか止めるか人に回すかという判断だけを切り出せます。ドキュメントは、最上位の確率が低いときは人や別のモデルに判断を上げる合図として使うこと、Microsoft-Decision-1で振り分けや関門の判定をしてから通ったものを生成モデルに送ること、という組み合わせを示しています。
三つ目は、大量の声の分類です。マーケティングやリサーチの仕事でアンケートやレビューに一貫したラベルを付ける用途が例示されており、XBOX Researchの社内例もこの形でした。手で読み切れない量を分類してから、傾向の説明文だけを生成AIに書かせる進め方が考えられます。
会社・チームで使うときのポイント
Microsoft Foundryで使うには、有効な支払い方法のあるAzureサブスクリプション、Foundryプロジェクト、モデルのデプロイを作成・管理できる権限、Microsoft Entra IDまたはAPIキーによる認証が必要で、クイックスタートの実行にはPython 3.10以降が必要です。デプロイの種類は選択したリージョンでのDataZoneStandardとGlobalStandardが使えるとされており、ドキュメントは自分のワークロードで実測することを勧めています。自動の関門として使う前に、ラベル付きの例で確率のしきい値を検証するようにとも書かれているため、小さな検証セットを先に作るのが近道です。法人で導入や研修を考えるなら、導入社数No.1（東京商工リサーチ・2026年3月末時点）の法人向けAIリスキリングサービスである株式会社デジライズに相談できます。
使う前の注意点
ドキュメントには既知の制限が明記されています。公平性については、ベースモデルや学習データの偏りを反映する可能性があり、個人に関する判断の唯一の根拠にしてはいけないとされています。言い回しへの敏感さとして、質問や選択肢の書き方や並び順でスコアが変わることがあり、うまく組み立てられていない質問にもスコアは返ります。信頼性の面では説明を返さず、古い知識に基づく場合があるとされ、安全フィルタとして使う場合は巧妙な有害コンテンツを見落としたり、無害なものを弾いたりする可能性があります。使い始める前には自分の用途を代表するデータで検証することが推奨されています。料金や提供されるリージョン、デプロイの種類は変わりうるので、公式のヘルプで最新の提供範囲を確かめてから本番の処理に組み込むと安心です。
まとめ
Microsoft-Decision-1は、文章を書く仕事ではなく「決める」仕事だけを引き受けるモデルで、入力100万トークンあたり0.042米ドル・出力無料という料金と速度が持ち味です。生成AIと置き換えるものではなく、仕分けと関門を任せて残りをChatGPTやClaudeに渡す、という役割分担で効果が出ます。自動化の設計を体系的に学ぶなら、デジライズAIスクールのコース一覧にある「5.マルチエージェントと自動化 ~ Claude~」などから入るとつながりが見えやすくなります。
出典
- Microsoft-Decision-1: Our model for fast decision-making
- Deploy and use Microsoft-Decision-1 in Microsoft Foundry - Microsoft Foundry
この記事は、各社の公式の発表をもとに AI で下書きし、出典の本文との照合とGoogle 検索による事実確認（ファクトチェック）を通ったものだけを公開しています。
