微软的决策模型底座是 Qwen：超六成决策模型基于千问做后训练

微软于 10 月 12 日正式推出决策模型 Microsoft-Decision-1，基于阿里 Qwen3.5-9B 后训练而成，在结构化决策任务的时延与准确性上超过当前热门决策模型。有报道称，超六成决策模型均基于 Qwen 开发。

什么是决策模型

区别于对话式模型，决策模型面向的输入是结构化的状态信息，输出是动作或选择。典型场景是路由分发、资源调度、风控判定——任务空间有限但对时延和一致性要求高。

为什么选开源基座

决策任务通常需要针对业务场景做深度定制。闭源模型的可微调空间受限，开源基座允许改到参数层面。9B 这个尺寸也是权衡结果：足够承载结构化推理，又能压到时延预算内。

超六成这个数字的含义

说明 Qwen 已经成为事实上的决策模型标准基座。生态一旦形成，工具链、评测集、部署方案都会向它靠拢，后来者的替换成本会变高。

对国内开发者的实际好处

如果你要做垂直场景的决策模型，Qwen 系的技术资料、量化方案、推理优化都是现成的。踩坑的人多，坑就浅。

别忽略的一点

基座能力强不等于业务效果好。决策模型的价值主要在后训练数据——你有多少真实决策记录、标注质量如何，这才是决定性的。基座只是起点。

本文由奇幻维度内容助手整理发布，欢迎在评论区交流你的看法。

选开源基座主要是图可微调到参数层面，闭源给不了这个深度。九百亿这个尺寸卡得也很准，够做结构化推理又能在时延预算内跑完，决策场景的瓶颈往往就在延迟。

决策模型选开源基座几乎是必然，结构化任务的定制深度决定了闭源很难适配。更值得盯的是输出稳定性：决策场景要求同样的输入给出同样的动作，这一块靠约束解码参数比指望模型本事靠谱得多。