El modelo Decision 1 ofrece una velocidad extrema en la toma de decisiones lógicas calculadas para respaldar a los agentes de inteligencia artificial y reducir la latencia en operaciones de programación complejas.
- Filosofía del modelo y su mecanismo de funcionamiento en la resolución de opciones específicas
- Entrenamiento personalizado y desarrollo de una capa de control de bajo costo
- Resultados de pruebas comparativas y superioridad en el tiempo de respuesta
- Aplicaciones prácticas exitosas dentro del ecosistema de Microsoft
- Preguntas frecuentes
Filosofía del modelo y su mecanismo de funcionamiento en la resolución de opciones específicas
Microsoft anunció el viernes 9 de octubre el lanzamiento de un modelo de inteligencia artificial revolucionario llamado «Decision 1». Este nuevo sistema se diferencia radicalmente de los modelos lingüísticos tradicionales, ya que no redacta textos abiertos ni formula párrafos conversacionales extensos; su papel fundamental se centra en la selección precisa entre un conjunto de opciones predeterminadas, asignando un valor de probabilidad calibrado a cada alternativa, lo que permite al software informático y a los sistemas automatizados tomar medidas directas y ejecutarlas de inmediato sin demora.
El modelo ya está disponible para su uso inmediato a través de la plataforma Microsoft Foundry y próximamente estará accesible mediante el portal OpenRouter. La compañía afirmó que Decision 1 supera con creces tanto a los grandes modelos lingüísticos como a los modelos especializados en la toma de decisiones en términos de velocidad y precisión simultáneas. Microsoft lanzó este modelo a un precio altamente competitivo de 0.042 dólares por millón de tokens de entrada, mientras que los tokens de salida son completamente gratuitos, en una medida dirigida a alentar a los desarrolladores a integrarlo en sistemas complejos.
Entrenamiento personalizado y desarrollo de una capa de control de bajo costo
Microsoft introdujo el modelo para que actúe como una capa de control y enrutamiento confiable y de bajo costo para agentes de inteligencia artificial automatizados. Estos agentes requieren tomar decenas de decisiones instantáneas entre cada paso, como determinar el modelo adecuado para realizar una llamada, decidir reintentar una operación en caso de fallo o establecer el momento oportuno para transferir una transacción a un operador humano. Cada uno de estos pasos suele generar una acumulación de retrasos y un aumento en los costos financieros.
Satya Nadella, presidente y director ejecutivo de Microsoft, reveló a través de una publicación en la plataforma X que el modelo alcanza los niveles más altos de rendimiento en tareas de toma de decisiones estructuradas. Señaló que la compañía ya ha comenzado a probarlo y aplicarlo internamente en múltiples áreas que van desde la respuesta rápida a fallas e incidentes técnicos y el control de calidad hasta descubrimientos científicos complejos. La compañía desarrolló este modelo mediante un entrenamiento adicional e intensivo del modelo de pesos abiertos Qwen 3.5-9B de Alibaba Group, con el fin de evaluar alternativas y calcular probabilidades en un solo paso de cómputo, y planea reconstruirlo en el futuro sobre sus propios modelos fundacionales y los de OpenAI.
Resultados de pruebas comparativas y superioridad en el tiempo de respuesta
Achyant Srivastava, vicepresidente en la oficina del director de tecnología de Microsoft, explicó el profundo impacto de la velocidad en los flujos de trabajo automatizados, indicando que añadir 100 milisegundos a cada decisión en una secuencia de 20 pasos consecutivos desperdicia dos segundos completos en el tiempo de procesamiento de una sola transacción.
Los resultados de las evaluaciones integrales realizadas por la compañía en 36 pruebas comparativas que incluyeron cerca de 150,000 problemas omitidos de las fases de entrenamiento mostraron que Decision 1 logró la mayor tasa de precisión en comparación con todos sus competidores. Asimismo, se situó a la cabeza de los modelos en términos de velocidad de respuesta, superando por 4.5 veces a su competidor más cercano, el modelo Qwen 1.0 Large, y por unas 35 veces al modelo GPT-6 Soul de OpenAI en el tiempo de respuesta promedio. Las pruebas de estabilidad, que incluyeron la reformulación y reordenamiento de las preguntas de ocho maneras diferentes, demostraron que la respuesta del modelo varió apenas un 1.3 por ciento en promedio.
Aplicaciones prácticas exitosas dentro del ecosistema de Microsoft
Las experiencias reales dentro de los sectores de la compañía demostraron la viabilidad de depender de esta innovación: el equipo de investigación de la plataforma de juegos Xbox empleó el modelo para clasificar y analizar más de 10,000 comentarios de jugadores y agruparlos en ejes específicos, logrando una calidad paralela a la del modelo GPT-6 Soul con una velocidad 14 veces mayor y un costo 200 veces menor.
En el mismo contexto, el equipo del asistente Copilot probó el rendimiento del modelo y descubrió que ofrece un desempeño competitivo comparable al del modelo GPT-5.6 Luna, pero con una velocidad 100 veces superior al evaluar la calidad de las respuestas y los resultados. Dentro de la plataforma Microsoft Discovery, el modelo superó a los modelos lingüísticos generales en la consistencia de los resultados por un factor de 46, lo que impulsó al alza las acciones de la compañía en las operaciones bursátiles tras este anuncio.
Preguntas frecuentes
Pregunta: ¿Qué distingue al modelo Decision 1 de los modelos lingüísticos tradicionales?
Respuesta: El modelo no genera textos narrativos, sino que selecciona con precisión entre opciones predeterminadas y les asigna probabilidades numéricas para ejecutar decisiones de programación de forma inmediata y con el menor tiempo posible.
Pregunta: ¿Cuál es el costo financiero establecido para el uso de este modelo?
Respuesta: El precio de uso es de 0.042 dólares por millón de tokens de entrada, mientras que los tokens de salida se ofrecen de forma completamente gratuita.
Pregunta: ¿En qué modelo base se apoyó Microsoft para desarrollar este sistema?
Respuesta: La compañía se basó en el modelo de pesos abiertos Qwen 3.5-9B de Alibaba, realizando entrenamientos especializados para ejecutar tareas en un solo paso.
Pregunta: ¿Cuál es la utilidad práctica del modelo en el soporte a agentes de inteligencia artificial?
Respuesta: Funciona como una capa de control rápida y de bajo costo para resolver decisiones repetitivas, tales como el enrutamiento de comandos, los reintentos y la evaluación precisa de la calidad de los resultados.
