微软发布 Decision-1：一次前向传播给出校准概率，输出不计费
- 方法定位：在固定选项集合上一次性给出校准概率，面向分类、路由与 Agent 门控，而非开放式文本生成。
- 计费结构：输入每百万 token 0.042 美元，输出免费——计费只按输入长度计，与生成式模型的输入输出双向计费不同。
- 横向比较：DeepLearning.AI 建议用独立基准将它与 Jev 等其他决策模型对比，说明「决策模型」已形成一个可相互比较的品类。
- 行业观察：Agent 编排里的路由与放行判断原本靠提示词约束通用模型完成，现在被拆成独立、低单价、可校准的推理调用。这类模型的门控质量（漏放与误拦）将直接决定 Agent 工作流能否在无人复核下运行。