Microsoft apresenta o Decision-1, modelo de IA de alta velocidade para roteamento de agentes e decisões rápidas

A Microsoft entrou na corrida dos modelos de decisão, um segmento em rápida evolução, com o lançamento do Decision-1 — um modelo de IA desenvolvido especificamente para escolhas estruturadas e de alta velocidade. Projetado para lidar com tarefas de classificação, avaliação e roteamento, o modelo também tem capacidade de guiar e controlar agentes autônomos de IA que operam em ambientes digitais complexos.

O lançamento coloca a Microsoft ao lado de um grupo crescente de provedores que desenvolvem motores de decisão e roteamento de baixa latência, incluindo OpenAI, Cloudflare e a startup Jev.

Arquitetura e desempenho em benchmarks

O Decision-1 foi construído com base na arquitetura de código aberto Qwen3.5-9B. Segundo a Microsoft, o sistema liderou as avaliações de desempenho em 36 benchmarks distintos, cobrindo quase 150.000 perguntas.

Em testes internos contra motores leves concorrentes, o Decision-1 alcançou uma taxa de precisão de 83,5% com latência média de 85 milissegundos, superando o Jev 1.13.0. A Microsoft também informou que o Decision-1 é 2,5 vezes mais rápido que o segundo colocado em velocidade, o H2O-Lightning-4B. Vale destacar que os modelos de código aberto Clef, da Cloudflare — que também são baseados no Qwen —, não foram incluídos na comparação de benchmarks da Microsoft.

Preços e disponibilidade

A Microsoft está disponibilizando o Decision-1 para desenvolvedores por meio do Microsoft Foundry e do agregador de modelos de terceiros OpenRouter.

Para incentivar a adoção em pipelines de roteamento de alta frequência, o modelo traz uma estrutura agressiva de preços:

• Tokens de entrada: US$ 0,042 por milhão

• Tokens de saída: Gratuitos

A rápida transformação nos modelos de decisão

O segmento de modelos de decisão tem passado por uma disrupção acelerada em um curto período. A Jev iniciou essa tendência em meados de setembro ao demonstrar as vantagens de sistemas de roteamento dedicados e ultrarrápidos em comparação com grandes modelos de linguagem de uso geral.

No entanto, pequenos modelos de linguagem abertos possibilitaram uma rápida adaptação em todo o setor. Com empresas de maior porte ajustando modelos-base compactos como o Qwen para transformá-los em motores de decisão de alta precisão e latência inferior a 100 milissegundos, a camada de infraestrutura voltada para a orquestração de sistemas multiagente está se tornando cada vez mais competitiva e com melhor custo-benefício.