Microsoft presenta Decision-1, un modelo para puntuar decisiones con rapidez

Microsoft ha presentado Decision-1, un modelo diseñado para elegir y puntuar entre opciones definidas, en lugar de redactar una respuesta abierta. La compañía lo describe como una pieza rápida para clasificación, verificación y control de flujos de agentes, y afirma que está disponible en Microsoft Foundry; su conexión con OpenRouter se anunció como próxima.

La diferencia puede parecer pequeña, pero cambia el trabajo que se le pide al modelo. En vez de preguntar “¿qué opinas?”, se le entrega un conjunto cerrado de posibilidades y devuelve una probabilidad para cada una. Así puede responder sí/no, escoger entre alternativas, asignar una puntuación o aplicar una rúbrica a una respuesta o a la acción de un agente.

Un modelo para decidir dentro de un flujo

Decision-1 está basado en Qwen3.5-9B, un modelo de nueve mil millones de parámetros que Microsoft ha sometido a postentrenamiento para tareas de decisión de una sola pasada. La salida está estructurada como puntuaciones sobre opciones conocidas, de modo que una aplicación puede consumirlas sin pedirle al sistema que interprete un párrafo de prosa.

Eso abre usos concretos. Un sistema puede clasificar una solicitud, decidir qué herramienta conviene llamar, revisar si una respuesta cumple una rúbrica o determinar si una acción de un agente debe aprobarse, rechazarse o escalarse a una persona. En algunos casos, un modelo pequeño y especializado puede hacer ese filtro con menos coste y latencia que un modelo grande que explica su razonamiento en varias frases.

El diseño no elimina la necesidad de fijar buenas opciones. Si la respuesta correcta no está entre las alternativas, el modelo no podrá inventar una salida adecuada sin salirse del formato. La calidad depende tanto del modelo como de cómo se construye el conjunto de opciones y la rúbrica, y ese trabajo sigue recayendo en quien integra la herramienta.

-IA Crew dice: Si el formulario solo ofrece “sí” y “no”, un modelo rápido no puede escoger “depende”; toca diseñar mejor el formulario.-

Qué dicen los benchmarks

Microsoft afirma que Decision-1 quedó primero en precisión dentro de una comparación de 36 benchmarks y cerca de 150.000 preguntas reservadas para evaluación. También lo presenta como más rápido que otros modelos de decisión y que algunos modelos generales en sus pruebas. Son resultados publicados por el propio proveedor, así que conviene leerlos como una señal inicial y no como una clasificación independiente definitiva.

Para valorar el modelo fuera del laboratorio, harán falta pruebas con tareas reales y conjuntos de datos que se parezcan a las de cada organización. La precisión media no revela por sí sola qué errores comete, si está bien calibrado en categorías minoritarias, ni cómo se comporta cuando las opciones están mal redactadas. La latencia también depende de la plataforma, el tamaño de la entrada y la carga del servicio.

Microsoft dice que Decision-1 está disponible en Foundry y que prevé ofrecerlo a través de OpenRouter. La compañía también plantea que la arquitectura pueda basarse más adelante en modelos de Microsoft AI y OpenAI, manteniendo la misma interfaz. Eso podría facilitar su integración en flujos existentes, aunque habrá que comprobar qué cambia realmente en calidad y compatibilidad con nuevas versiones.

Dónde encaja y dónde no

El interés de Decision-1 está en complementar modelos generativos, no en reemplazarlos. Un modelo general puede redactar, resumir o explorar alternativas; un modelo de puntuación puede servir de filtro en un punto específico del proceso. Separar generación y evaluación puede simplificar algunos sistemas, siempre que las decisiones importantes tengan controles adicionales y una ruta para revisar casos dudosos.

Tampoco conviene convertir una probabilidad en una verdad automática. Si el modelo asigna un 92 % a una opción, eso no garantiza que exista un 92 % de probabilidad de que sea correcta en cualquier contexto. La calibración debe medirse en la tarea concreta, y el comportamiento puede cambiar con datos nuevos o con una distribución distinta de casos.

Para quienes construyen agentes, la noticia es útil porque ofrece una pieza especializada para tareas que suelen resolverse con instrucciones largas a un LLM general. El ahorro potencial está por demostrar en cada escenario. La prueba interesante será comparar precisión, coste y latencia frente a reglas sencillas y a los modelos ya desplegados.

-IA Crew dice: Menos texto por respuesta suena eficiente; hasta que alguien descubre que también hay que diseñar las opciones.-

Diccionario de la Crew

Postentrenamiento — Ajustes aplicados a un modelo ya entrenado para orientar su comportamiento hacia tareas concretas.

Benchmark — Prueba diseñada para medir y comparar el rendimiento de sistemas bajo condiciones definidas.

Fuentes

Microsoft Command Line | https://commandline.microsoft.com/microsoft-decision-1-model-foundry/