마이크로소프트가 2026년 10월 9일 공개한 Microsoft-Decision-1은 문장을 써 주지 않는 모델이다. 대화하거나 요약하거나 이메일 초안을 잡는 대신, 미리 정해진 선택지 목록을 단 한 번의 추론(single forward pass)으로 채점하고 각 선택지에 보정된 확률 값을 돌려준 뒤 물러난다. 기반은 알리바바의 공개 가중치 모델 Qwen3.5-9B이며, 마이크로소프트 파운드리에서 즉시, 그리고 하루쯤 뒤 OpenRouter에서 microsoft/microsoft-decision-1 식별자로 제공되기 시작했다. 대부분의 발표가 더 길고 더 수다스러운 어시스턴트를 향하던 올해 분위기에서, 이 모델은 정반대 방향으로 움직인다는 점에서 눈에 띈다.
생성이 아니라 채점
챗봇은 응답을 만들어 내고, 그 결과를 개발자가 다시 파싱해 신뢰도를 추정하고 형식을 지켰기를 바라야 한다. Decision-1은 이 파싱 단계를 통째로 건너뛴다. 출력 자체가 사용자가 정의한 선택지에 대한 확률 분포이기 때문이다. 마이크로소프트가 출시 시점에 내건 핵심 용도는 라우팅, 분류, 우선순위 지정, 검증, 그리고 이른바 워크플로 제어다. 지원 티켓을 올바른 팀으로 보내거나, 사용자 콘텐츠에 대해 예/아니오 판정을 내리거나, AI 에이전트의 출력이 다음 단계로 넘어가도 되는지 통과/실패를 가르는 식의 고빈도·저지연 결정이 여기에 해당한다. 이런 작업은 90억 파라미터 전문 모델이 대형 추론 모델보다 싸게 처리할 수 있는 영역이다.
흥미로운 대목은 토대다. 마이크로소프트는 자사 출시 글에서 "Decision-1은 Qwen3.5-9B를 단일 패스 의사결정 채점용으로 사후 학습한 것이며, 곧 Microsoft AI(MAI)와 OpenAI를 포함한 다른 모델 위로 재기반화(rebase)할 것"이라고 밝혔다. 자체 프런티어 모델과 OpenAI 파트너십에 막대한 투자를 해 온 회사가, 플래그십 이름을 단 제품을 경쟁 랩의 공개 가중치 위에 올려 출시하고, 그 엔진을 나중에 갈아끼우겠다고 미리 고객에게 알린 셈이다. 좁고 잘 정의된 과제에서 시장 진입 속도를 위해 택한 출발점이지, 장기 아키텍처 선택은 아니라는 신호로 읽힌다.
벤치마크는 전부 자체 측정치
마이크로소프트는 숫자로 제품을 정당화한다. 36개 벤치마크, 약 15만 개의 홀드아웃 문항에 걸쳐 가장 높은 정확도를 기록했고 전체 평가 정확도는 83.5%라고 밝혔다. 속도 역시 구체적이다. 자사 벤치마크 기준으로 Quyet-1.0-Large보다 4.5배, GPT-6 Sol보다 약 35배(P50 지연 기준) 빠르며, 비교군 2위인 H2O-Lightning-4B v1.1보다 2.5배 빠르다고 했다. 대만 자유시보는 85밀리초 안팎의 응답 시간을 전했으나 하드웨어나 테스트 조건은 명시하지 않았다.
여기서 건강한 회의가 필요하다. 이 수치들은 모두 마이크로소프트가 출시 자료를 통해 보고한 값이며, 이를 취재한 매체들이 중계한 것이다. 36개 벤치마크 비교, 4.5배·35배 속도 배수, 85밀리초 지연을 외부 기관이 독립적으로 재현한 사례는 확인되지 않는다. 특히 35배 비교는 성격이 다른 두 시스템을 겹쳐 놓은 것이기도 하다. Decision-1은 고정된 선택지를 채점하고 GPT-6 Sol은 텍스트를 생성하므로, 범용 속도 우위가 아니라 특정 P50 측정값으로 이해해야 한다. 오히려 실무적으로 더 중요한 수치는 따로 있다. 작은 입력 변화에도 결정이 뒤집히지 않는 '섭동 안정성'이 98.7%라는 주장이다. 사소한 문구 수정 때문에 라우팅 결과가 바뀐다면 그 자체가 프로덕션 버그이므로, 외부 검증을 통과한다면 실제로 유용한 지표가 될 수 있다.
가격과 접근 방식의 함의
가격은 마이크로소프트 공식 문서에 확정 고지되어 있지 않고, 돌고 있는 수치는 OpenRouter 모델 목록에서 나온 것이다. 입력 100만 토큰당 0.042달러, 출력은 무료다. 출력이 짧은 확률 값 목록뿐이라 과금할 대상이 사실상 없는 구조와 맞아떨어진다. 이는 '스팸이냐 아니냐'를 묻자고 풀사이즈 모델 요금을 내기 아까워 소형 범용 모델로 흘려보내던 고빈도·저복잡도 트래픽을 겨냥한 포지셔닝이다. 올해 초 앤트로픽이 Claude Haiku 가격을 75% 내린 것과 같은 비용 논리에 서 있다. 다만 가격이 동적(dynamic)이라고 설명된 만큼 배포 규모를 잡기 전에 현재 파운드리 목록을 확인하는 편이 안전하다.
접근 방식에는 분명한 제약이 있다. 기반이 된 Qwen3.5-9B는 완전 공개 가중치지만 Decision-1의 가중치는 배포되지 않아, 개발자는 호스팅 API로만 쓸 수 있다. 입력은 텍스트만, 최대 3만 2000토큰까지 받으며 설명을 생성하지 않고 이미지·오디오·영상도 처리하지 않는다. 근거 문장이나 멀티모달 입력이 필요하면 범용 모델과 병행해야 한다는 뜻이다. 출력의 확률 값은 단순 순위가 아니라 API의 일부로, 애플리케이션은 이 신뢰도로 행동·보류·사람 검토 요청을 결정한다. 예컨대 urgent가 0.9를 넘고 priority가 1.5를 넘으면 온콜 엔지니어를 즉시 호출하고, 최상위 확률이 0.65 미만이면 다운그레이드를 피하거나 수동 선택을 요청하는 식이다. 문서의 한 예시는 가중 우선순위 1.9868을 98.08% 신뢰도로 반환한다. 다만 90% 예측은 대표 사례에서 열 번 중 아홉 번 맞아야 한다는 기준을 각 팀이 자사 데이터로 직접 검증해야 한다. 퀵스타트는 파이썬 3.10 이상이면 되므로 소규모 파일럿으로 시작하기 쉽다.
마이크로소프트는 외부 개발자에게만 던진 제품이 아니라고 강조한다. 사티아 나델라는 X에서 사고 대응, 품질 관리, 과학적 발견 등 사내 전반에서 이미 테스트 중이라고 적었다. 공개 자료에 따르면 Xbox 리서치는 개방형 피드백 1만여 건을 사전 정의된 주제로 분류하는 데 이 모델을 썼고, 품질은 GPT-5와 견줄 만하며 실행은 80~100배 빨랐다고 보고됐다. Copilot 응답 평가와 적응형 재계획에도 검토됐다. 결제 서비스가 20분간 중단됐다는 장애 보고를 우선순위 등급에 대해 채점하는 예시처럼, 사고 분류와 심각도 판정은 '고정 선택지 + 신뢰도' 형태에 정확히 들어맞는다. 결국 Decision-1이 설득력을 가지려면, 벤더가 보고한 수치가 외부 재현을 거쳐 확인되는 일이 남아 있다. 에이전트 파이프라인과 라우팅 계층을 설계하는 팀이라면, 숫자를 그대로 믿기보다 자사 트래픽으로 안정성과 정확도를 먼저 재 보는 것이 합리적 출발점이다.