Principais destaques
- Decisões sem rodeios: o Microsoft-Decision-1 escolhe entre opções predefinidas e atribui probabilidades a cada resultado, em vez de gerar textos livres.
- Velocidade muito superior: segundo testes da Microsoft, o modelo foi até 35 vezes mais rápido que o GPT-6 Sol em latência mediana.
- Agentes de IA mais baratos: a proposta é reduzir o custo e o tempo gastos em pequenas decisões que se acumulam nos fluxos de trabalho automatizados.
A próxima evolução dos agentes de inteligência artificial pode depender menos de modelos que conversam bem e mais de sistemas que sabem escolher rapidamente o próximo passo.
É essa a aposta da Microsoft com o Decision-1, modelo apresentado em 9 de outubro de 2026. A tecnologia foi projetada para resolver um problema específico: fazer com que agentes de IA tomem decisões estruturadas sem precisar acionar modelos de linguagem maiores e mais caros a cada etapa.
A novidade já está disponível no Microsoft Foundry, plataforma de desenvolvimento e operação de aplicações de IA. A chegada ao OpenRouter está prevista para mais adiante.
🤖 Uma IA que não precisa escrever para ser útil
O Decision-1 funciona de maneira diferente de um chatbot convencional. Em vez de produzir uma resposta aberta, ele avalia alternativas e calcula a probabilidade associada a cada uma delas.
Isso permite trabalhar com perguntas de sim ou não, escolhas de múltipla opção e avaliações por pontuação. O modelo também pode julgar respostas de outras IAs ou ações de agentes com base em critérios previamente definidos.
Na prática: um agente pode precisar decidir se deve tentar executar uma tarefa novamente, encaminhar um caso para um atendente humano ou utilizar outro modelo de IA. Em vez de pedir a um LLM que explique o raciocínio em texto, o sistema pode recorrer ao Decision-1 para obter uma decisão estruturada.
A diferença parece pequena, mas ganha importância quando esse processo se repete dezenas ou centenas de vezes.
⏱️ Milissegundos também custam dinheiro
Achint Srivastava, vice-presidente do Escritório do CTO da Microsoft, destacou que o atraso se acumula quando cada decisão depende da anterior.
💡 Vinte decisões com apenas 100 milissegundos adicionais cada podem acrescentar dois segundos a um fluxo de trabalho.
Em aplicações que executam tarefas complexas, essa demora pode afetar a experiência do usuário e elevar os custos operacionais. Um modelo especializado em decisões rápidas pode funcionar como uma camada de controle entre as diferentes etapas de um agente.
A Microsoft também considera o custo de inferência. O Decision-1 foi anunciado com os seguintes preços:
O modelo foi concebido para executar uma função específica com baixo custo, em vez de substituir os sistemas mais avançados em todas as tarefas.
📊 Os benchmarks favorecem a Microsoft
A empresa afirma que o Decision-1 alcançou a maior precisão em uma avaliação que reuniu 36 benchmarks e quase 150 mil perguntas que não fizeram parte do treinamento.
Nos testes divulgados, o modelo também apresentou vantagens expressivas de velocidade:
| Comparação | Resultado alegado |
|---|---|
| Velocidade frente ao Quyet-1.0-Large | 4,5 vezes maior |
| Velocidade frente ao GPT-6 Sol | Cerca de 35 vezes maior |
| Mudança de resposta em reformulações da mesma solicitação | 1,3%, em média |
A Microsoft também informa ter submetido o modelo a 5.250 solicitações distribuídas por 11 benchmarks de segurança.
⚠️ Há uma ressalva importante: esses números foram divulgados pela própria Microsoft e ainda não foram verificados de forma independente. O desempenho real pode variar conforme a tarefa, a infraestrutura e as condições de avaliação.
🧪 Onde a empresa já está usando o modelo
Os primeiros exemplos divulgados vêm de equipes internas da própria Microsoft.
- Xbox Research: classificou mais de 10 mil comentários de jogadores por tema. Segundo a equipe, a qualidade foi comparável à do GPT-6 Sol, com velocidade mais de 14 vezes maior e custo 200 vezes menor.
- Copilot: avaliou a qualidade das respostas e, segundo a Microsoft, apresentou resultados competitivos com o GPT-5.6 Luna, com velocidade 100 vezes maior.
- Microsoft Discovery: a pontuação do Decision-1 foi 46 vezes mais consistente do que a de uma abordagem baseada em um LLM.
Esses resultados sugerem que o modelo pode ser particularmente útil em tarefas de classificação, avaliação e seleção, nas quais uma resposta objetiva vale mais do que uma explicação extensa.
🔧 Um modelo aberto como ponto de partida
O Decision-1 foi desenvolvido a partir de um treinamento adicional do Qwen3.5-9B, modelo de pesos abertos da Alibaba.
A Microsoft também planeja desenvolver versões baseadas em outros modelos, incluindo seus próprios modelos MAI e sistemas da OpenAI.
Essa estratégia permite separar duas funções que normalmente ficam concentradas no mesmo modelo: a geração de conteúdo e a tomada de decisões operacionais.
Um agente poderia usar um modelo avançado para compreender uma solicitação complexa e gerar uma resposta, mas recorrer ao Decision-1 para escolher a próxima ferramenta, verificar critérios ou determinar se uma nova tentativa é necessária.
🚀 O futuro dos agentes pode ser híbrido
A novidade chega em um momento em que empresas de tecnologia buscam tornar os agentes de IA mais eficientes e economicamente viáveis.
Nem toda etapa de um processo automatizado exige um modelo gigantesco. Muitas decisões são repetitivas, possuem critérios definidos e podem ser resolvidas com uma saída estruturada.
A abordagem da Microsoft aponta para uma arquitetura híbrida: modelos generativos cuidam das tarefas que exigem linguagem e raciocínio amplo, enquanto modelos especializados assumem decisões frequentes e bem delimitadas.
O desafio será demonstrar que essa combinação mantém a qualidade em cenários reais, fora dos testes controlados.
Se a promessa se confirmar, o próximo salto dos agentes de IA talvez não venha apenas de modelos maiores, mas de sistemas que sabem quando não precisam usar um.
