室谷代表取締役Microsoft-Decision-1は、Microsoftが2026年10月9日に発表した意思決定（decision scoring）に特化した小型モデルで、与えられた選択肢ごとに較正された確率スコアを返すのが特徴なんですよね。文章を生成するのではなく、ソフトウェアがそのまま実行できる構造化出力を目的に作られた新カテゴリだとMicrosoftは位置づけています。
テキトー教師DotAI 認定講師そこが一番のポイントです。従来のLLMは「文章を書く・推論する」ためのモデルですが、これは「決める」ためのモデル。
yes/no、多肢選択、評価（rating）、ルーブリック採点に対応して、単一パスでスコアを返します。
yes/no、多肢選択、評価（rating）、ルーブリック採点に対応して、単一パスでスコアを返します。
室谷代表取締役発表元はMicrosoftで、提供はMicrosoft FoundryとOpenRouterの2経路。OpenRouter側の表記ではリリース日がOct 9, 2026、コンテキストは33K、価格は入力$0.042／出力$0となっています。
テキトー教師DotAI 認定講師発表を書いたのはMicrosoftのAchint Srivastava氏（Office of the CTOのVP of Software Engineering）です。ここは押さえておきたいところですね。
Microsoft-Decision-1とは？発表元・発表日・何が新しいのか
まとめ
Microsoft-Decision-1の要点
- 「意思決定モデル」という新カテゴリのモデル。Microsoftは『LLMとは異なり、ソフトウェアがそのまま実行できる構造化出力を目的に作られた新カテゴリ』と説明
- Microsoftは意思決定モデルが急速に台頭しつつある重要カテゴリだと述べている
- ベンチマーク付録の比較対象: Quyet-1.0-Large、Surogate Rune 26B-A4B、GPT-6 Luna Decisions、deck-31B、H2O-Lightning-4B、Strands-Decider 2B(複数ベンダーが参入しつつある領域)
- Qwen3.5-9Bをポストトレーニングして作られた小型モデル。単一パス・スコアリング向けのポストトレーニングを施した設計
- Microsoftは『まもなくMicrosoft AI(MAI)やOpenAIのモデルをベースに再構築する』と述べており、土台自体が今後変わる可能性がある
- OpenRouterのページには『Weights are updated continually while the API shape stays the same』とあり、APIの形は変えずに重みが継続的に更新される運用
室谷代表取締役まず整理すると、これは「意思決定モデル」という新しいカテゴリのモデルなんですよ。Microsoftは『LLMとは異なり、ソフトウェアがそのまま実行できる構造化出力を目的に作られた新カテゴリ』と説明しています。
テキトー教師DotAI 認定講師単に新しいモデルが出たという話じゃないんですよ。Microsoftは意思決定モデルが急速に台頭しつつある重要カテゴリだと述べていて、ベンチマーク付録にはQuyet-1.0-Large、Surogate Rune 26B-A4B、GPT-6 Luna Decisions、deck-31B、H2O-Lightning-4B、Strands-Decider 2Bといった複数のモデルを比較対象として列挙しています。
つまり複数ベンダーが参入しつつある領域なんですね。
つまり複数ベンダーが参入しつつある領域なんですね。
室谷代表取締役で、Microsoft-Decision-1はQwen3.5-9Bをポストトレーニングして作られた小型モデルです。Microsoftは『まもなくMicrosoft AI（MAI）やOpenAIのモデルをベースに再構築する』とも述べていて、この土台自体が今後変わる可能性がある。
テキトー教師DotAI 認定講師講座で受講生さんによく言うんですが、モデルの「出自」を確認するのは大事です。今回はQwen3.5-9Bがベースで、そこに単一パス・スコアリング向けのポストトレーニングを施した、という設計です。
室谷代表取締役ちなみにOpenRouterのページには『Weights are updated continually while the API shape stays the same』とあって、APIの形は変えずに重みが継続的に更新される運用なんですよね。これは実務で使う側としてはありがたい設計です。
Microsoft-Decision-1でできること ― 分類・ルーティング・エージェントのガードレール
Microsoft-Decision-1の用途：向く用途と向かない用途
向く用途
- 分類
- ルーティング
- 優先順位付け
- 検証
- ワークフロー制御
- エージェントのガードレール
- AIジャッジ
- エージェント制御
- モデルルーティング
- スキルベースの意思決定
- データラベリング
- 意図分析
- インシデント対応のルーティング
- データ検証
- レコメンド
- 検索関連性
- コンテンツ分類とフィルタリング
- コードスキャン
- 安全・セキュリティスクリーニング
- コンピュータ／UI操作
- ロボティクス
- 科学的発見
向かない用途
- 自由生成
- 会話
- 翻訳
- 要約
室谷代表取締役ここが実務的に一番おいしいところで。Microsoftが挙げている用途は、分類、ルーティング、優先順位付け、検証、ワークフロー制御、エージェントのガードレール、AIジャッジあたりです。
テキトー教師DotAI 認定講師公式ページではさらに細かく、エージェント制御、モデルルーティング、スキルベースの意思決定、データラベリング、AIジャッジ、意図分析、インシデント対応のルーティング、データ検証、レコメンド、検索関連性、コンテンツ分類とフィルタリング、コードスキャン、安全・セキュリティスクリーニング、コンピュータ／UI操作、ロボティクス、科学的発見まで列挙されています。
室谷代表取締役特にエージェントのガードレールは分かりやすいです。OpenRouterのプレイグラウンドには『Agent guardrail』の例があって、条件が成り立つ確率を返して、しきい値（例では80%）以上ならツール呼び出しを自動実行する、という使い方が示されています。
テキトー教師DotAI 認定講師ここで効いてくるのが「較正（キャリブレーション）」なんですよ。モデルが90%と言ったら、代表的なケースで約9割当たる、という確率の信頼性です。
アプリ側はこの確信度を使って「実行する／保留する／人間の確認を求める」を判断できる。
アプリ側はこの確信度を使って「実行する／保留する／人間の確認を求める」を判断できる。
室谷代表取締役これはMYUUUでもエージェントを組むときにまさに欲しかったやつで。LLMだと確信度が当てにならないから、結局人間が全部見るか、危ない自動実行をするかの二択になりがちなんですよね。
テキトー教師DotAI 認定講師逆に、向かない用途もはっきり書かれています。自由生成、会話、翻訳、要約には向かないと。
ここを誤解すると「思ったより賢くない」となりがちなので、用途を分けて考えるのが大事です。
ここを誤解すると「思ったより賢くない」となりがちなので、用途を分けて考えるのが大事です。
室谷代表取締役エージェント設計の全体像はMicrosoft Copilot Studioとは？できること・料金・ログインからエージェント作成まででも整理しているので、そちらと合わせて読むと位置づけが分かりやすいと思います。
Microsoft-Decision-1の使い方・始め方 ― OpenRouterとMicrosoft Foundryでの提供
Microsoft-Decision-1の提供経路と特徴
Microsoft Foundry
- カタログから利用
- ai.azure.com/catalog/models/Microsoft-Decision-1
OpenRouter
- openrouter.ai/microsoft/microsoft-decision-1
- ホストプロバイダは1つだけ
- ルーティング判断なしで直接転送
- プロバイダ欄にAzure表示
- レイテンシ P50 0.21秒
- 稼働率 100.00%
室谷代表取締役始め方は2経路です。Microsoft Foundryのカタログ（ai.azure.com/catalog/models/Microsoft-Decision-1）と、OpenRouter（openrouter.ai/microsoft/microsoft-decision-1）。
テキトー教師DotAI 認定講師OpenRouter側の情報も整理しておくと、ホストしているプロバイダは1つだけで、OpenRouterはルーティング判断をせずリクエストを直接転送する形です。プロバイダ欄にはAzureが表示されていて、レイテンシはP50で0.21秒、稼働率は100.00%と記載されています。
室谷代表取締役APIの形はシンプルで、固定の選択肢セットを渡すと、各選択肢について較正された確率スコアが返る。yes/no、多肢選択、評価、ルーブリック採点まで、構造化されたAPIコール1回で完結するんですよね。
テキトー教師DotAI 認定講師実装の観点では、返ってくる確率をそのままアプリの分岐に使えるのが大きいです。分類結果を文字列で受け取ってパースする必要がない。
室谷代表取締役あと地味に効くのが『Weights are updated continually while the API shape stays the same』の部分で、モデル側が更新されても呼び出し側の実装を変えなくていい。運用コストが下がる設計です。
料金と提供範囲 ― 入力$0.042/M・出力無料、日本から使えるか
室谷代表取締役料金はMicrosoftの発表で入力トークンが$0.042 USD／100万トークン、出力トークンは無料と明記されています。OpenRouter側も$0.042／$0 per 1Mの表記です。
テキトー教師DotAI 認定講師OpenRouterの実効価格の欄では、加重平均の入力価格が$0.04171/M、出力が$0/Mと表示されています。キャッシュや割引で実際に支払う価格は表示価格を下回ることが多い、という注記も付いていますね。
室谷代表取締役コンテキストはOpenRouter表記で33K、Microsoftの発表および背景情報では32Kとされています。ここは表記ゆれがあるので、実装時は利用するプラットフォームの表示を確認するのが無難です。
テキトー教師DotAI 認定講師日本から使えるかという点ですが、提供はMicrosoft FoundryとOpenRouterの2経路で、いずれもクラウド経由のAPI提供です。OpenRouterのページにはリージョン別の制限についての記載はなく、現時点で日本向けの個別制限は明らかにされていません。
室谷代表取締役出力が無料というのは、スコアだけ返すモデルだから成立する価格設定なんですよね。トークンを大量に生成しないから、コスト構造が根本的に違う。
テキトー教師DotAI 認定講師大量の分類やルーティングを回すワークロードだと、この価格差は効いてきます。LLMに判定させていた処理を置き換えるだけで、コストが桁で変わる可能性があります。
36ベンチマーク最高精度・4.5倍高速 ― 公表された性能の中身
室谷代表取締役性能の数字も出ています。Microsoftによると、36のブラインドベンチマーク（約15万問）で最高精度、2位のQuyet-1.0-Largeより4.5倍高速、GPT-6 Solより35倍高速。
テキトー教師DotAI 認定講師ここは数字の意味を丁寧に見たいところです。まず「ブラインドベンチマーク」というのは、学習から除外されたベンチマークでの評価だということ。
過学習を避けて、未学習タスクでも品質が保たれるかを見ているんですね。
過学習を避けて、未学習タスクでも品質が保たれるかを見ているんですね。
室谷代表取締役摂動入力での判断反転が平均1.3%というのも重要です。言い換え、選択肢の並べ替え、キーの変更、表記ゆれといったノイズで判断が変わってはいけない。
Microsoftは同じリクエストを8通りに摂動させて、判断が反転する頻度を測っています。
Microsoftは同じリクエストを8通りに摂動させて、判断が反転する頻度を測っています。
テキトー教師DotAI 認定講師特に『選択肢の説明を言い換えた場合』と『選択肢を逆順・シャッフルした場合』は反転ゼロだったと書かれています。ここは実運用の安定性に直結します。
室谷代表取締役レイテンシはP50でGPT-6 Solより約35倍高速とMicrosoftは述べています。OpenRouter側の実測表示はP50で0.21秒です。
テキトー教師DotAI 認定講師安全性の評価も公表されています。11のベンチマーク、5,250リクエストで、有害コンテンツ、ジェイルブレイク試行、プロンプトインジェクションをカバーし、有害な挙動は拒否しつつ有用性を高く保てたと。
室谷代表取締役社内での試験例も具体的です。Xbox Researchは1万件以上のフィードバックやレビューをテーマ分類するのに使い、品質はGPT-6 Solと競合しつつ14倍以上高速で200倍安価だったと。
Copilotチームの品質管理ではGPT5.6 Lunaと競合しつつ100倍高速。オンコールのインシデント対応ではLLMより良くて速かった。
Microsoft Discoveryの再計画では、LLMベースのスコアより46倍一貫性が高く、3倍の速度で、適応的再計画では約4倍速くなったとされています。
Copilotチームの品質管理ではGPT5.6 Lunaと競合しつつ100倍高速。オンコールのインシデント対応ではLLMより良くて速かった。
Microsoft Discoveryの再計画では、LLMベースのスコアより46倍一貫性が高く、3倍の速度で、適応的再計画では約4倍速くなったとされています。
テキトー教師DotAI 認定講師ここはMicrosoft自身の社内テストの結果なので、第三者の独立検証ではない点は押さえておきましょう。
Qwen3.5-9Bから作られた小型モデルという設計思想と、向かない用途
室谷代表取締役設計思想で面白いのは、Microsoftが意思決定モデル構築の課題として5つを挙げていることです。速度、汎化、頑健性、確率較正、安全性。
テキトー教師DotAI 認定講師速度の説明が具体的なんですよ。意思決定が逐次的に連なると遅延が積み上がる。
20ステップの決定で各100ミリ秒増えると、全体で2秒増える。だから小型で単一パスにこだわった、という理屈です。
20ステップの決定で各100ミリ秒増えると、全体で2秒増える。だから小型で単一パスにこだわった、という理屈です。
室谷代表取締役汎化の課題も本質的で、1つのベンチマークや1種類のタスクに過学習しやすい。だからルーティング、ランキング、長文脈、多言語、分布外タスク、推論、安全性まで、数十のブラインドベンチマークで評価したと。
テキトー教師DotAI 認定講師さらにJevBenchという公開リーダーボードの上位モデルを持ってきて、36の公開・非公開ベンチマークでテストしたと書かれています。
室谷代表取締役一方で向かない用途も明確です。自由生成、会話、翻訳、要約には向かない。
ここを期待して使うと外します。
ここを期待して使うと外します。
テキトー教師DotAI 認定講師講座でも受講生さんが「新しいモデルが出たら全部これでいいのか」と聞いてくることがあるんですが、そうではなくて、用途ごとにモデルを選ぶ時代になっているんですよ。Microsoft自身が『適材適所でモデルを選ぶことがますます重要になっている』と述べています。
室谷代表取締役テキトー教師DotAI 認定講師あとMicrosoftは今後の展望として、品質・確信度・コストをさらに最適化するための評価とデータを取り込んだ更新を続けると述べています。エージェントが実際に行動するようになった今、コストがAI活用の判断を左右するという問題意識も示されています。
室谷代表取締役エージェントに判断させる部分を、生成モデルから決定モデルに切り出す。この分離がうまくハマると、エージェントの信頼性とコストが両方変わるんですよね。
よくある質問
室谷代表取締役最後に、検索で気になりそうな点を整理しておきます。
テキトー教師DotAI 認定講師まず基本情報から。Microsoft-Decision-1はMicrosoftが2026年10月9日に発表した意思決定モデルで、Microsoft FoundryとOpenRouterで利用できます。
室谷代表取締役料金は入力$0.042／100万トークン、出力は無料。コンテキストはMicrosoftの発表で32K、OpenRouter表記で33Kです。
テキトー教師DotAI 認定講師入出力の形式は、固定の選択肢セットに対して較正された確率スコアを返す形です。yes/no、多肢選択、評価、ルーブリック採点に対応します。
室谷代表取締役ベースモデルはQwen3.5-9Bで、単一パス・スコアリング向けにポストトレーニングされています。Microsoftは今後、Microsoft AI（MAI）やOpenAIのモデルをベースに再構築する予定だと述べています。
テキトー教師DotAI 認定講師向かない用途は自由生成、会話、翻訳、要約です。ここは公式に明記されています。
室谷代表取締役日本から使えるかについては、OpenRouterとMicrosoft FoundryのクラウドAPI経由で、現時点で日本向けの個別制限は明らかにされていません。最新の提供状況は各プラットフォームで確認してください。
