Microsoft presenta Decision-1, un modelo de IA de alta velocidad para enrutamiento de agentes y decisiones rápidas

Microsoft ha entrado en la competencia de los modelos de decisión, un segmento en rápida evolución, con el lanzamiento de Decision-1: un modelo de IA diseñado específicamente para elecciones estructuradas y de alta velocidad. Concebido para gestionar tareas de clasificación, evaluación y enrutamiento, el modelo también ofrece la capacidad de guiar y controlar agentes autónomos de IA que operan en entornos digitales complejos.

Este lanzamiento sitúa a Microsoft junto a un creciente grupo de proveedores que desarrollan motores de decisión y enrutamiento de baja latencia, entre los que se encuentran OpenAI, Cloudflare y la startup Jev.

Arquitectura y rendimiento en benchmarks

Decision-1 está construido sobre la arquitectura de código abierto Qwen3.5-9B. Según Microsoft, el sistema lideró las evaluaciones de rendimiento en 36 benchmarks distintos que abarcan cerca de 150.000 preguntas.

En pruebas internas frente a motores ligeros de la competencia, Decision-1 alcanzó una tasa de precisión del 83.5 % con una latencia promedio de 85 milisegundos, superando a Jev 1.13.0. Microsoft también informó que Decision-1 es 2.5 veces más rápido que el segundo clasificado en velocidad, H2O-Lightning-4B. Notablemente, los modelos de código abierto Clef de Cloudflare —que también están basados en Qwen— no fueron incluidos en la comparativa de benchmarks de Microsoft.

Precios y acceso

Microsoft está poniendo Decision-1 a disposición de los desarrolladores a través de Microsoft Foundry y del agregador de modelos de terceros OpenRouter.

Para incentivar su adopción en pipelines de enrutamiento de alta frecuencia, el modelo cuenta con una agresiva estructura de precios:

• Tokens de entrada: $0.042 por millón

• Tokens de salida: Gratis

La rápida evolución en los modelos de decisión

El segmento de los modelos de decisión ha experimentado una acelerada transformación en muy poco tiempo. Jev impulsó inicialmente esta tendencia a mediados de septiembre al demostrar el valor de los sistemas de enrutamiento dedicados y ultrarrápidos frente a los modelos de lenguaje de gran tamaño y propósito general.

Sin embargo, los modelos de lenguaje pequeños y abiertos han permitido una rápida adaptación en toda la industria. A medida que los actores más grandes afinan modelos base compactos como Qwen para convertirlos en motores de decisión de alta precisión y con latencias inferiores a los 100 milisegundos, la capa de infraestructura destinada a orquestar sistemas multiagente se vuelve cada vez más competitiva y rentable.