『理由は言わない、確率だけ返す』──Microsoft-Decision-1が、エージェントの"関所"をLLMから9Bの判定器に付け替えた
Microsoftが判定専用モデル Decision-1 を公開。文章は書かず、選択肢ごとの較正済み確率だけをJSONで返す。入力100万トークン$0.042・出力無料。エージェントの続行/停止判断やモデルルーティング、AI採点の"関所"を安価に切り出す。
コーディングエージェントを組んだことがある人なら、必ずどこかでこの作業にぶつかります。「このエージェントの次の一手を、続行させるか・止めるか・人に回すか」「このリクエストはどのモデルに投げるのが妥当か」「このレビュー結果は合格か不合格か」。こうした細かな"判定"を、これまでは高価な大規模言語モデル（LLM）に兼業させてきました。Microsoftが2026年10月9日に公開した Microsoft-Decision-1 は、この判定だけを専用に切り出した小さなモデルです。文章は書かず、与えた選択肢ごとの確率だけを返します。
文章を書かせるのをやめ、確率を返させる
一般的なLLMは、質問に対して自由な文章を生成します。Decision-1 はそれをしません。あらかじめ決めた選択肢（はい/いいえ、複数択一、評価スコア、ルーブリックに基づく採点など）を渡すと、各選択肢について較正済みの確率を計算し、JSONで返して黙ります。理由文も、言い訳も付きません。アプリ側はその数値を見て、「自動で実行する」「判断を保留する」「人間のレビューに回す」をそのまま分岐できる、という設計です。
土台には Alibaba のオープンモデル Qwen3.5 の9Bパラメータ版を使い、Microsoftが単発スコアリング向けに追加学習しています。入力はテキストで、最大32,768トークンまで受け取れるとされます。ベンチマークでは約15万問・36種のテストで首位、入力に細かな揺らぎ（言い回しの変化など）を加えても判断が変わるのは平均1.3％だけ、という安定性も示されました。
値札は"桁違いに安い"側へ
この分離がもたらす最大の変化は、コストとスピードです。判定役としてLLMを呼ぶたびに発生していた料金と待ち時間が、専用モデルに置き換わると大きく下がります。Microsoftが公開した数字は次のとおりです。
| 項目 | Microsoft-Decision-1 |
|---|---|
| 入力料金 | 100万トークンあたり $0.042 |
| 出力料金 | 無料 |
| 速度（P50遅延） | GPT-6 Sol 比で約35倍速 |
| モデル規模 | 9Bパラメータ（Qwen3.5-9B を追加学習） |
開発を主導した Microsoft の Achint Srivastava 氏（Pi Labs 共同創業者）は、これを「エージェント型システムのための低コストな制御レイヤー」と位置づけています。確信度のスコアによって、ソフトウェアが「動く・保留する・やり直す・エスカレーションする・人や別の道具に渡す」のどれを選ぶかを決める、という考え方です。
コーディングエージェントのどこに効くか
Claude Code や Codex のようなエージェントを無人で回す構成では、判定モデルは次のような"関所"として差し込めます。用途は公式に列挙されており、開発ワークフローに関わりの深いものを抜き出すと以下になります。
エージェントの次手ゲート
エージェントが提案した次のアクションを評価し、続行・停止・リトライ・人への受け渡しを確率で判断する。暴走や無限ループの手前に、安価な"歯止め"を置けます。
モデルルーティング
届いたリクエストを見て、品質・コスト・遅延の条件に合う最適なモデルを選ぶ。簡単な処理は小さく安いモデルへ、難しい処理だけ高価なモデルへ、という振り分けを前段で行えます。
AI判定・検証（LLM-as-a-judge の置き換え）
生成物やレビュー結果の合否を、ルーブリックに沿って採点する。これまでLLMに「審査員」を兼ねさせていた工程を、専用の採点器に移せます。
いずれも、判定のたびに大型モデルを呼んでいた部分を切り離す発想です。先ごろ話題になった「AIでコード生成は増えたのに、レビュー工程が渋滞した」という調査結果を踏まえると、確認・検証の自動化を安価に積み増せる選択肢が増える意味は小さくありません。
便利さの裏で、気に留めておきたいこと
一方で、判定を数値に丸める設計には固有の懸念も指摘できます。Decision-1 は理由を返さないため、「なぜその確率になったのか」を後から追う監査性は、文章で説明するLLMより弱くなりがちです。重要な分岐を確率スコアだけに委ねると、判断の根拠がブラックボックス化しやすい点には注意が要ります。また「較正済み」とはいえ確率は確率であり、閾値の置き方しだいで見逃しや過剰な保留が起き得ます。安全に関わる関所ほど、スコアを鵜呑みにせず、人間のレビューやログの突き合わせと併用するのが無難でしょう。判定役を安く速くできるのは確かな前進ですが、「速く安く決められる」ことと「正しく決められる」ことは別物だ、という温度で扱うのが実態に合いそうです。
なお本モデルは Microsoft Foundry で提供が始まり、OpenRouter への展開も案内されています。OpenAI や Cloudflare なども、同様の"選択肢を採点する"専用モデルを手がけ始めており、判定だけを切り出す流れは業界全体に広がりつつあります。
参照: Introducing Microsoft-Decision-1, our model for fast decision-making（Microsoft） ／ Microsoft launches Decision-1 model in Foundry（TestingCatalog） ／ Microsoft AI Releases Microsoft-Decision-1: A Qwen3.5-9B Decision-Scoring Model（MarkTechPost） ／ Microsoft puts a 9B decision model in Foundry for agent workflows（Runtimewire） ／ Microsoft-Decision-1 — API Pricing & Providers（OpenRouter）
