2026年10月10日

Microsoft-Decision-1とは?OpenRouterで使える決定特化モデル

室谷室谷代表取締役
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。
室谷室谷代表取締役
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。
室谷室谷代表取締役
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。
室谷室谷代表取締役
このうち実装イメージが湧きにくい3つを補足しておくと、まず「エージェント制御」は、エージェントが次にやろうとしているステップを評価して、続行・停止・再試行・モデルやツール、人間への引き継ぎのどれにするかを決める使い方です。
テキトー教師テキトー教師DotAI 認定講師
「モデルルーティング」は、入ってきたリクエストを見て、品質・コスト・レイテンシの要件に照らして最適なモデルを選ぶ判断ですね。そして「スキルベースの意思決定」は、エージェントスキルに書かれたルールを適用する場面で使う、という整理です。
室谷室谷代表取締役
どれも「文章を作る」のではなく「分岐を決める」仕事なので、生成モデルにやらせていた部分をそのまま置き換えられるわけです。
室谷室谷代表取締役
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。
室谷室谷代表取締役
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。
室谷室谷代表取締役
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0.24秒、稼働率は100.00%と記載されています。
室谷室谷代表取締役
レイテンシはP50だけ見ても実運用の判断には足りなくて、OpenRouterの表示ではP75が0.29秒、P90が0.37秒、P95が0.45秒、P99が0.72秒なんですよね。中央値は速くても裾は伸びるので、逐次判断を重ねるワークフローではこの分布を見ておく必要があります。
テキトー教師テキトー教師DotAI 認定講師
あと稼働率と可用性は別物として表示されています。稼働率(Uptime)は「モデルに到達できてプロバイダにルーティングされた割合」で100.00%、可用性(Availability)は「実際に推論が返ってきた割合」で99.99%です。

エラーや空応答は可用性側にカウントされるので、SLAを考えるときは可用性の方を見るのが正確です。
室谷室谷代表取締役
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。
テキトー教師テキトー教師DotAI 認定講師
実際に本番で使われ始めている証拠も出ています。OpenRouterのページにはこのモデルへトラフィックを送っている公開アプリが並んでいて、上位はSimplyHQ LLM-gateway(約123Mトークン)、LiveStat(約105Mトークン)、Saras AI Agent(約88.2Mトークン)、Stylome(約75.2Mトークン)、zerobait-jev-url-classifier(約63.8Mトークン)です。
室谷室谷代表取締役
LLMゲートウェイ、統計系、AIエージェント、URL分類と、まさにルーティングや分類のワークロードが並んでいるんですよね。発表直後のモデルでこれだけ実トラフィックが付いているのは、用途の当てはめやすさの表れだと思います。

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。
室谷室谷代表取締役
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。
テキトー教師テキトー教師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。
テキトー教師テキトー教師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。

導入時の注意点 ― 較正・しきい値・ベースモデル変更のリスク

室谷室谷代表取締役
実際に組み込む前に押さえておきたい注意点も整理しておきます。まず一番大事なのが、返ってくる確率をどう扱うかです。
テキトー教師テキトー教師DotAI 認定講師
較正された確率は「90%と言ったら代表的なケースで約9割当たる」という意味であって、個別の1件が必ず当たるという意味ではありません。だからアプリ側では確率そのものを分岐に使い、しきい値を自分で決める設計になります。

OpenRouterのプレイグラウンドの例でも80%というしきい値が使われていました。
室谷室谷代表取締役
しきい値の決め方は、誤って実行したときのコストと、実行しなかったときのコストを比べて決めることになります。エージェントのガードレールなら、危険なツール呼び出しは高めのしきい値にして、超えなければ人間の確認に回す、という設計が素直です。
テキトー教師テキトー教師DotAI 認定講師
もう一つが、ベースモデルが今後変わる前提でいることです。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』と述べています。

APIの形は変わらないとされていますが、判断の傾向は変わり得るので、しきい値やプロンプトは固定せず見直せるようにしておくのが安全です。
室谷室谷代表取締役
加えて、公表されている性能はMicrosoft自身のベンチマークと社内テストの結果で、第三者の独立検証ではない点も前提として持っておくべきです。導入前に自分のタスクの代表例で評価して、判断の反転率と確率の当たり具合を確認するのが結局は一番早いと思います。
テキトー教師テキトー教師DotAI 認定講師
講座でも「発表の数字をそのまま信じるな、自分のデータで測れ」と繰り返し伝えているところです。特に判断タスクは、業務の言い回しや選択肢の作り方で結果が変わるので、そこを飛ばすと後で痛い目を見ますよ。

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。
室谷室谷代表取締役
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。
テキトー教師テキトー教師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。
室谷室谷代表取締役
モデル選びの比較の考え方はChatGPTとClaudeを徹底比較【2026年最新】:料金・性能・プログラミング・使い分けを完全解説でも扱っているので、判断軸として参考にしてもらえると。
テキトー教師テキトー教師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。
室谷室谷代表取締役
あわせて、Microsoftはテキスト系のモデルをこれだけではないことも押さえておきましょう。OpenRouter上ではMAI-Voice-2.1系の音声モデルやMAI-Image-2.6系の画像モデルも同じMicrosoftから提供されていて、Decision-1はその中の「判断」担当という位置づけです。
テキトー教師テキトー教師DotAI 認定講師
つまり「Microsoftのモデルを1つ選ぶ」のではなく、判断はDecision-1、生成は別のモデル、という組み合わせが前提なんですね。
室谷室谷代表取締役
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。

Related

関連記事

New Articles

新着記事

ガイド

GoogleのAIモードとAIによる概要の消し方|公式オフ機能の有無とPC・スマホの回避策

2026年11月18日
室谷テキトー教師
ガイド

Azure OpenAI Serviceとは?料金・モデル一覧・データの扱いを最新情報で整理

2026年11月18日
室谷テキトー教師
ニュース

Perplexityの「Orchestrator API」とは?45以上のモデルを1つのAPIキーに統合

2026年11月18日
室谷テキトー教師
ニュース

Microsoftの「Copilot Workspaces」とは?人とエージェントが協働する新体験

2026年11月18日
室谷テキトー教師
ガイド

Geminiのファミリープランは何人まで?Google AI Proを家族で割る料金と設定の手順

2026年11月18日
室谷テキトー教師
ニュース

Microsoft MAIとは?Ignite 2026で発表の7モデルと料金

2026年11月18日
室谷テキトー教師
ニュース

Replit Missionsとは?エージェントスウォームで目標達成型の自律実行

2026年11月18日
室谷テキトー教師
ニュース

Copilot Fusion Maxとは?Terminal-Bench 4.1首位の自動モデル選択

2026年11月18日
室谷テキトー教師
ニュース

Googleの「Gemini Tasks」とは?日本でも無料開始、Gemini 4 Hydrogen搭載

2026年11月18日
室谷テキトー教師
ニュース

HeyGenの「Avatar 6」とは?実映像と見分け84.4%の最新アバター

2026年11月18日
室谷テキトー教師

Join

AIプレナーになる。

入会は審査制です。いまの事業と、AIで何を動かしたいのかを聞かせてください。

参加を申請する