O que é o Microsoft-Decision-1?

É um modelo de decisão lançado pela Microsoft em 9 de outubro de 2026. Ele recebe um texto e uma lista fixa de opções e devolve a probabilidade calibrada de cada uma, numa única passagem. Serve para roteamento, classificação, verificação e controle de agentes de IA.

Quanto custa o Microsoft-Decision-1?

US$ 0,042 por milhão de tokens de entrada, com tokens de saída grátis, no Microsoft Foundry e no OpenRouter. É o mesmo preço do Jev 1.13, da TypeSafe AI.

O Decision-1 foi feito com tecnologia da Microsoft?

A primeira versão é o Qwen3.5-9B, modelo de pesos abertos da Alibaba, com pós-treino da Microsoft. A empresa promete migrar para modelos próprios, da família MAI, e da OpenAI, sem data definida.

O Decision-1 é melhor que o Jev?

Nos testes da própria Microsoft, teve 83,5% de acurácia média contra 82,3% do Jev 1.13 e foi 2,8 vezes mais rápido. Em calibração ficou atrás do Jev. A medição de latência usou métodos diferentes para cada modelo, e não havia avaliação independente até 11 de outubro de 2026.

Microsoft Decision-1: modelo de decisão sobre o Qwen

Capa do Watcher com o título Microsoft Decision-1 iguala o preço do Jev — Watcher, a curadoria diária de notícias de tecnologia da Marcio.AI.

A Microsoft lançou na sexta, 9 de outubro, o Microsoft-Decision-1, um modelo pequeno que escolhe entre opções fixas e devolve a probabilidade de cada uma numa única passagem. A primeira versão é o Qwen3.5-9B, da Alibaba, com pós-treino da Microsoft. O preço é de US$ 0,042 por milhão de tokens de entrada, com saída grátis, o mesmo do Jev 1.13, da TypeSafe AI, que abriu essa categoria em setembro. O modelo já está no Microsoft Foundry e no OpenRouter.

Em resumo

O que é: modelo de decisão para roteamento, classificação, priorização, verificação e controle de agentes. Responde sim ou não, múltipla escolha e notas, com probabilidade calibrada.
Base: Qwen3.5-9B, de pesos abertos, com pós-treino. A Microsoft promete migrar para modelos próprios, da família MAI, e da OpenAI, sem data.
Números da Microsoft: 83,5% de acurácia média em 36 benchmarks com 147.137 perguntas, latência mediana de 85 ms e 2,8 vezes mais rápido que o Jev, segundo o The Register.
Ressalva: a comparação de latência mistura métodos de medição diferentes, e nenhum placar independente tinha avaliado o modelo até 11 de outubro.
Leitura: a Microsoft empatou o preço do Jev e vende o modelo na fatura do Azure. A disputa passa a ser por região de dados, versão fixa e teste independente.

O que o Decision-1 faz?

O modelo recebe um texto e uma lista fechada de respostas possíveis. Pode ser sim ou não, uma escolha entre opções ou uma nota numa escala. Também avalia respostas de IA e ações de agentes a partir de uma rubrica. Para cada opção, devolve uma probabilidade calibrada, em JSON. No post da Microsoft, calibração quer dizer que uma previsão de 90% deve acertar cerca de nove em cada dez vezes.

O anúncio é assinado por Achint Srivastava, vice-presidente de engenharia de software no escritório do CTO da Microsoft. No texto, citado pelo The Register, ele diz que modelos de decisão são “feitos para entregar saídas estruturadas sobre as quais o software pode agir na hora” e que, com a IA agêntica em uso, “o custo pesa muito em como as pessoas decidem usar IA” (tradução livre).

Os limites estão no cartão do modelo, segundo a MarkTechPost. Ele só aceita texto. Não explica a resposta. Não serve para chat, tradução nem resumo. O contexto é de 32.768 tokens. A Microsoft pede que ele não seja a única base para decisões sobre crédito, emprego, moradia, saúde ou direitos legais. Os pesos não são abertos, e o OpenRouter informa que eles são atualizados continuamente, com o mesmo formato de API.

A Microsoft cita testes internos. A Xbox Research classificou mais de 10 mil comentários de jogadores vindos de pesquisas, Steam e X, com qualidade comparável ao GPT-6 Sol, mais de 14 vezes mais rápido e 200 vezes mais barato. O time do Copilot usou o modelo para medir a qualidade de respostas e chegou a resultado comparável ao GPT-5.6 Luna, 100 vezes mais rápido. São números da própria empresa.

Houve ruído sobre a disponibilidade. As primeiras notícias, como TestingCatalog, Windows Report e DigitalToday, diziam que o OpenRouter viria depois. A página do modelo no OpenRouter mostra lançamento em 9 de outubro, com o Azure como único provedor. No Foundry, o catálogo lista o modelo como disponível de forma geral, segundo a MarkTechPost e a eesel. O Tech Insider fala em prévia pública. O post da Microsoft não diz.

Quanto ele acerta, e o que os números escondem?

Na comparação da Microsoft, com nove sistemas, 36 benchmarks e 147.137 perguntas fora do treino, o Decision-1 teve 83,5% de acurácia média, segundo a MarkTechPost e o The Register. O Quyet-1.0-Large ficou com 81,9%, o GPT-6 Luna Decisions com 79,4% e o H2O-Lightning-4B com 77,2%. O Jev entrou depois, numa atualização do post da Microsoft. A eesel, que leu o gráfico atualizado, registra 82,3% para o Jev 1.13.

Em calibração o quadro muda. O Decision-1 marcou 92,2. O The Register, que escreveu com a tabela original, o pôs em segundo lugar, atrás do Quyet, com 93,1. Com o Jev incluído, a eesel registra 93,7 para ele, e o modelo da Microsoft cai para o terceiro lugar.

A latência mediana informada é de 85 ms, com 125 ms no percentil 95. Dela saem as razões que circulam: 2,8 vezes mais rápido que o Jev, que marca 240 ms segundo a eesel, 4,5 vezes mais que o Quyet e 2,5 vezes mais que o H2O-Lightning-4B. As primeiras notícias, como TestingCatalog e Windows Report, usaram o 4,5. O texto atual da Microsoft usa o 2,5. As duas contas saem da mesma tabela.

O ponto fraco está na medição. Segundo a MarkTechPost, a Microsoft mediu o próprio modelo dentro do Foundry e usou, para os rivais, a mediana ajustada do JevBench v1.6.1. A H2O diz no cartão do seu modelo que esse ajuste dobra o tempo medido e soma 0,15 segundo, e que a mediana real do H2O-Lightning-4B é de 29 ms. No OpenRouter, que mede a chamada inteira, o Decision-1 roda com mediana de cerca de 0,23 segundo. Até 11 de outubro, ele não aparecia no placar do JevBench.

A Microsoft também testou robustez. Em oito tipos de variação da mesma pergunta, o modelo mudou de resposta em 1,3% dos casos, e em nenhum quando as opções foram reescritas ou embaralhadas. Um artigo publicado no arXiv em 24 de setembro mede outra coisa: contexto natural escrito para enganar. Nele, trechos curtos levaram o Jev a errar 312 de 508 decisões que ele acertava, ou 61,4%. Três outros sistemas de decisão erraram de 64,9% a 73,2%. O Decision-1 ainda não passou por esse teste.

Por que a Microsoft começou com um modelo da Alibaba?

A Microsoft já tem modelos próprios. Em agosto de 2025 lançou o MAI-Voice-1 e o MAI-1-preview, este treinado em cerca de 15 mil GPUs H100, segundo o Gigazine. Em setembro e outubro de 2026, a divisão Microsoft AI lançou o MAI-Transcribe-2 e a versão de transcrição em tempo real, como a Marcio.AI mostrou. O Decision-1 é o primeiro modelo de decisão da empresa.

Mesmo assim, a base veio de fora. O The Register destacou que a Microsoft se apoia num modelo de pesos abertos de um laboratório chinês para enfrentar o Jev. A empresa promete trocar a base por modelos MAI e da OpenAI “em breve”, sem data e sem dizer o motivo. O Qwen virou base comum da categoria: o Clef, da Cloudflare, o Strands Decider, da AWS, e o H2O-Lightning-4B também partem dele.

Quem é o Jev e como fica a disputa?

O Jev é da TypeSafe AI, de São Francisco, fundada em 2024 por Diogo Almeida, ex-pesquisador da OpenAI, com Erik Gafni e Sasha Sheng. A empresa saiu do modo discreto em 15 de setembro com US$ 40 milhões de rodada semente liderada pela DCVC. Segundo a Forbes, citada pelo SiliconANGLE, a avaliação foi de US$ 200 milhões. A TypeSafe chama o Jev de modelo “System One” e diz que ele responde entre 70 e 500 ms, segundo o Let’s Data Science.

O preço é o dado mais direto. O Jev 1.13 aparece no ZenMux a US$ 0,042 por milhão de tokens de entrada. A Microsoft cobra o mesmo valor, com saída grátis. A API de decisões da OpenAI cobra US$ 0,10, segundo a MarkTechPost. O gráfico de custo da Microsoft compara o Decision-1 só com o GPT-6 Sol.

A fila de concorrentes cresce. O The Register lista OpenAI, Cloudflare, Strands, Liquid AI, Perplexity, Snowflake, Surogate e H2O.ai, e conta mais de 100 modelos desse tipo.

Como chegamos até aqui?

Em 15 de setembro, a TypeSafe lançou o Jev. Em 24 de setembro saiu o artigo JevOut, sobre a fragilidade desses modelos. Entre 30 de setembro e 1º de outubro, Cloudflare e AWS abriram o Clef e o Strands Decider. Em 2 de outubro, o llama.cpp passou a rodar modelos de decisão no computador local. No mesmo período, a OpenAI apresentou sua API de decisões, hoje em beta pública, segundo o The Register. Em 9 de outubro, a Microsoft entrou. Em menos de um mês, a categoria saiu de uma startup e chegou a AWS, Cloudflare, OpenAI e Microsoft.

O que muda para empresas no Brasil?

Para quem já tem contrato com o Azure, o Decision-1 é vendido direto pela Microsoft e entra na fatura da assinatura, segundo a eesel. Quem já usa a nuvem da Microsoft compra sem cadastrar fornecedor novo.

Há três pontos a checar antes de usar. A Microsoft não publicou as regiões do Azure onde o modelo roda. Sem isso, não dá para confirmar se o processamento fica no Brasil, o que pesa para dados pessoais sob a LGPD. A empresa também não publicou resultado por idioma, e o português precisa de teste com amostra própria. E os pesos mudam continuamente, o que pode deslocar os limites de confiança que a equipe calibrou. Quem fixa versão de modelo em produção deve pedir à Microsoft a política de versões do Foundry antes de pôr o modelo num fluxo crítico.

O cartão do modelo veta usá-lo como única base para decisões de crédito, emprego, moradia, saúde ou direitos. No Brasil, o artigo 20 da LGPD já garante ao titular o direito de pedir revisão de decisões tomadas só por tratamento automatizado. Banco, seguradora ou varejista que pensa em usar modelo de decisão em triagem de crédito ou de fraude precisa desenhar o caminho para revisão humana desde o início.

O que observar nas próximas semanas

A tese da Marcio.AI: o preço de modelo de decisão em nuvem encostou em US$ 0,042 por milhão de tokens, e até o fim de 2026 a disputa passa a ser por canal de venda, versão fixa e teste independente. A Microsoft ganha pelo canal, porque vende dentro do Azure. A TypeSafe perde a vantagem de preço e precisa provar acurácia e calibração em placar aberto.

Sinais para conferir até dezembro: se o Decision-1 entra no JevBench e com que latência medida, quando sai a versão sobre modelos MAI ou da OpenAI e se o preço se mantém, se a Microsoft publica as regiões do Azure, com ou sem o Brasil, e se alguém repete o teste do JevOut no modelo da Microsoft.

Fontes

Rating Marcio.AI: 5/5 (Global, Totalmente relevante, No centro do hype). Seção DeepTech do Watcher.

#MarcioAI #Microsoft #ModelosDeDecisao #AgentesDeIA #Qwen #MicrosoftFoundry

Como este texto foi produzido

Este texto é assinado pelo Marcio.AI, o Gêmeo Digital do portal, que produz a partir de fontes públicas, dentro do recorte editorial definido por Marcio Sampaio N. SANTANA. Ele faz parte do Watcher, a curadoria diária de notícias de tecnologia da Marcio.AI. As fontes estão listadas acima, com veículo e data. A política editorial explica o processo inteiro e como pedir correção de qualquer informação.

Microsoft lança o Decision-1, modelo de decisão feito sobre o Qwen, e iguala o preço do Jev