Microsoft anunció esta semana el Microsoft-Decision-1, un modelo de IA construido específicamente para tomar decisiones estructuradas en lugar de generar texto libre. A diferencia de los grandes modelos de lenguaje (LLMs) que han dominado los titulares durante años, Decision-1 no escribe párrafos ni razona sobre temas complejos. Recibe un conjunto fijo de opciones y devuelve una probabilidad calibrada para cada una. El resultado es una categoría completamente nueva de IA, diseñada para tareas donde cada llamada representa una microdecisión que el software puede ejecutar inmediatamente.
El modelo fue construido sobre la base de Qwen3.5-9B, una arquitectura open-weight desarrollada por Alibaba Cloud, el brazo de computación en la nube del gigante tecnológico chino Alibaba. Microsoft realizó un post-entrenamiento sobre esa base para especializarlo en scoring de decisiones, y el resultado está disponible en vista pública a través de Microsoft Foundry y, pronto, vía OpenRouter. El precio anunciado es de $0,042 por millón de tokens de entrada — y los tokens de salida son gratuitos.
La propuesta es simple, pero ambiciosa. En las aplicaciones de IA modernas, muchos de los pasos más frecuentes no requieren generación de texto: clasificar una entrada, seleccionar una opción, asignar un puntaje, verificar una condición, priorizar un elemento o controlar el flujo de un workflow. Microsoft lo llama "decision models", y dice que se están convirtiendo en un componente esencial de sistemas de IA composicionales, donde diferentes etapas utilizan modelos especializados para diferentes tareas.
Decision-1 fue testeado en 36 benchmarks cubriendo casi 150 mil preguntas, según Microsoft. En las pruebas, alcanzó 83,5% de precisión y 85 milisegundos de latencia — la compañía afirma ser 2,5 veces más rápido que el H2O-Lightning-4B v1.1, el segundo colocado, y 35 veces más rápido que el GPT-6 Solution. La velocidad es el diferenciador: en sistemas agénticos que ejecutan cientos de decisiones por sesión, cada milisegundo se acumula.
Pero lo que hace este lanzamiento particularmente interesante no es solo el rendimiento — es el contexto. El modelo que Microsoft eligió como base es chino. Qwen es desarrollada por Alibaba Cloud, y la primera versión de Decision-1 se apoya enteramente en ella. La empresa promete que la próxima iteración será rebasada en sus propios modelos MAI (Microsoft AI) y en modelos de OpenAI, pero no explicó por qué comenzó con Qwen o por qué decidió mantener la base china en la versión inicial.
Este movimiento no ocurre aisladamente. La categoría de "decision models" está creciendo a una velocidad impresionante. Según The Register, existen más de 100 modelos de este tipo listados en el Hugging Face Decision Index. H2O.ai lanzó el Lightning-4B, construido sobre Qwen3.5-4B. Strands lanzó el Decider 2B. Liquid AI presentó el d1. Perplexity lanzó su propia API de decisiones. Snowflake anunció su modelo propietario. Surogate lanzó el Rune. Y está Jev, de TypeSafe AI, que fue el primero en llegar con fuerza y se convirtió en el modelo más rápidamente adoptado en Vercel este año.
Lo que diferencia al Decision-1 de un LLM convencional es que no alucina en el mismo sentido. Los modelos de decisión no inventan hechos — eligen entre opciones dadas. Esto los hace adecuados para tareas críticas como enrutamiento de incidentes de seguridad, clasificación de contenido, validación de datos y juicio de respuestas de agentes de IA. Un modelo de lenguaje puede redactar una respuesta mientras Decision-1 evalúa si esa respuesta cumple con los criterios definidos — una división de trabajo que se expande rápidamente por la industria.
Achint Srivastava, vicepresidente de ingeniería de software en la Oficina del CTO de Microsoft, enfatizó en un blog post que "los decision models están rápidamente emergiendo como una categoría importante en la IA". Observó que, con la IA agéntica becoming realidad, el costo juega un papel fundamental en las decisiones sobre cómo usar modelos de IA, y cada vez es más importante elegir el modelo correcto para la tarea correcta.
La ironía, sin embargo, es que la propia lógica que impulsa los decision models — elegir el modelo correcto para la tarea correcta — debería, en teoría, llevar a Microsoft a usar sus propios modelos MAI desde el inicio. En cambio, la empresa comenzó con la base china de Qwen y promete migrar a su propia tecnología después. La decisión puede ser pragmática: Qwen3.5-9B es competente, open-weight y ya está disponible. Pero revela algo sobre la realidad actual de la IA: incluso la OpenAI necesita modelos chinos para construir sus propias herramientas, y China domina una capa fundamental del ecosistema open-weight sobre el cual todas las grandes empresas dependen.
Lo que sigue será interesante. ¿Se cumplirá la promesa de Microsoft de rebasear en los MAI y los modelos de OpenAI? ¿Y qué significa esto para el ecosistema de decision models, donde la competencia aún se está formando? Con más de 100 modelos en el mercado, el próximo año probablemente traiga consolidación — y los ganadores pueden no ser los que parecen más fuertes hoy. La pregunta es si Microsoft, al comenzar con Qwen, terminó reafirmando la posición del Alibaba como proveedor fundamental para la infraestructura de IA global — o si la migración futura a los MAI señala que la empresa ya está planeando la independencia.
Fuentes: Microsoft Foundry Blog, The Register, The Next Web
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
