Microsoft Decision-1 发布:价格与模型详情
Microsoft 于 10 月 11 日发布了 Decision-1,输入价格为每百万个 token 0.042 美元。该决策模型基于 Qwen3.5-9B 训练,未来计划重新基于 MAI 或 OpenAI 构建。其公布的价格比较没有指明具体的 OpenAI 对比对象,且此次发布并不能证明其具备图像或视频生成能力。
文章目录
Microsoft Decision-1 发布:价格与模型详情
Microsoft 的新模型 Decision-1 将一类特定的 AI 工作置于焦点之下:在定义好的选项中进行选择,而不是生成完整的创意资产。
10 月 11 日,Microsoft 发布了 Decision-1,这是一款决策模型,价格为每百万个输入 token 0.042 美元。据报道,其价格比 OpenAI 低约 58%,但现有信息并未指出用于比较的具体 OpenAI 产品或定价依据。Decision-1 基于 Alibaba 的Qwen3.5-9B训练,Microsoft 表示未来计划将该模型重新基于 MAI 或 OpenAI 构建。
这些细节既描述了当前的发布内容,也涉及一项计划中的变更。Qwen3.5-9B 是公告中与 Decision-1 相关的训练基础;重新基于 MAI 或 OpenAI 构建则是未来意向,并非已发布模型的功能。所引用的价格是输入 token价格,并不能完整估算运行任何特定应用的成本。
对于制作 AI 图像和视频的人来说,眼下的问题并不是 Decision-1 是否能够渲染视频素材,而是价格更低的决策模型能否帮助组织创意工作流中的选择,以及哪些环节必须继续由人类判断来主导。
Decision-1 改变了什么——又没有改变什么
Decision-1 的消息涉及的是一款决策模型,而不是一款已宣布的 AI 视频模型。现有发布细节并不能证明它具备文生视频、图生视频、图像生成或编辑能力。因此,把它的 token 价格当作制作视频的成本,会混淆两种不同的工作。
对于需要频繁做出可重复决策的团队来说,它的价格可能具有意义。内容团队可能需要根据营销活动 brief 对提议的概念进行排序、将草稿提交审核,或决定哪个候选方案值得继续制作。这些都是团队可以定义的决策示例;但它们并不代表 Decision-1 已经过相关性能测试或支持这些集成。
Microsoft 表示计划重新构建 Decision-1 的基础,这也是将模型的角色与生产流程中的固定规则区分开来的另一个原因。如果团队要评估一款决策模型,就应记录模型提供的选项、使用的标准以及最终接受的结果。这样的记录有助于判断后续模型变更是否影响了关键选择。
价格比较需要结合背景来看
Decision-1 的输入价格为每百万个输入 token 0.042 美元,这是一个明确公布的输入费率。随附的“比 OpenAI 低约 58%”这一数字是据报道得出的比较结果,但它并不是一个普遍结论,不能说明 Decision-1 的成本低于每一种 OpenAI 模型或服务。在没有明确比较对象及其他计费条款的情况下,这一百分比无法确定完整工作流的预算。
| 发布细节 | 它对生产团队意味着什么 | 仍待明确的问题 |
|---|---|---|
| 每百万个输入 token 0.042 美元 | Decision-1 输入所采用的公布费率 | 特定工作流的总成本 |
| 比 OpenAI 低约 58% | 据报道的价格比较 | 具体比较对象,以及这一比较是否适用于团队的使用场景 |
| 基于 Qwen3.5-9B 训练 | 已公布的训练基础 | 它在团队自身决策中的表现 |
| 计划重新基于 MAI 或 OpenAI 构建 | Microsoft 计划稍后更换模型基础 | 变更的时间及其影响 |
这种区分在视觉制作中尤其重要。决定推进哪个概念、生成图像、将图像转换为视频,以及批准最终剪辑,都是相互独立的活动。其中一项活动的低输入 token 费率,并不能说明其他活动的成本或质量。
决策模型在 AI 内容创作中的定位
创意选择可以进行结构化处理,但不应假装它完全是机械性的。一场营销活动可能有多个候选场景,每个场景都有不同优势:一个能清晰传达产品信息,另一个符合预期氛围,第三个则更容易适配不同格式。可以根据明确的标准,评估决策模型是否能帮助团队对这些选项进行排序。创意负责人仍应检查实际资产,并作出具有重要影响的决定。
同样的区分也有助于避免误导性的模型比较。决策模型应根据它帮助做出的选择来评判。AI 视频模型则应根据团队能够审核的视觉结果来评判。任何一方都不应继承另一方的能力或质量声明。
只有当更便宜的决策能引导团队制作出仍然符合 brief 的资产时,它才真正有用。
对于使用文生视频或图生视频的团队来说,这意味着一种务实的分工:明确选择标准,比较最终的视觉作品,并在发布前保留人工审核。如果决策层发生变化——正如 Microsoft 所说,Decision-1 的模型基础最终会发生变化——团队就可以重新评估其建议,同时不会丢失自身的创意标准。
为什么模型灵活性仍然重要
Decision-1 展示了 AI 模型领域正变得越来越专业化。一款模型可能针对决策并强调输入价格;另一款工具则可能用于探索视觉方向。生产环境从中受益的方式,是保持这些角色彼此区分,而不是期待一则模型发布消息就能回答所有创意需求。
MagicBoat 为视觉团队提供了一个探索AI 图像和视频创作的平台,帮助他们评估哪些工具适合自己的工作。这并不意味着 MagicBoat 提供 Decision-1,而是意味着团队可以将视觉实验建立在实际输出的基础上,而不是仅凭决策模型的价格公告来选择生成工作流。
始终关注创意成果。 在 MagicBoat 上探索图像和视频创作,将作品与 brief 进行比较,并把最终决定留给负责这项工作的人。