ورود مایکروسافت به رقابت مدل‌های تصمیم‌گیری با رونمایی از Microsoft-Decision-1 بر پایه مدل وزن‌باز Qwen

در ادامه موج جدید نوآوری‌ها در صنعت هوش مصنوعی، مایکروسافت با معرفی مدل جدید Microsoft-Decision-1 رسماً وارد رقابت داغ «مدل‌های تصمیم‌گیری» (Decision Models) شد. این مدل که در حال حاضر بر پایه وزن‌های باز مدل Qwen3.5-9B توسعه داده شده، هدفش ارائه خروجی‌های کاملاً ساختاریافته، بسیار سریع و کم‌هزینه برای عامل‌های هوشمند و سامانه‌های نرم‌افزاری است تا جایگزینی بهینه برای مدل‌های زبانی بزرگ سنتی باشد.

ظهور جهت‌گیری جدید در AI: چرا مدل‌های تصمیم‌گیری اهمیت یافتند؟

طی سال‌های اخیر، مدل‌های زبانی بزرگ (LLM) برای تولید متن‌های طولانی و استدلال‌های پیچیده طراحی شده‌اند. اما در بسیاری از سناریوهای تجاری و توسعه نرم‌افزار، تولید متن‌های آزاد با ابهام و توهم همراه است. با معرفی مدل Jev توسط شرکت TypeSafe AI در اوایل مهر ۱۴۰۵، رده نوینی تحت عنوان «مدل‌های تصمیم‌گیری» توجه غول‌های فناوری را به خود جلب کرد.

مدل‌های تصمیم‌گیری به جای تولید متن آزاد، خروجی‌های محدود، طبقه‌بندی‌شده و مبتنی بر احتمالات ارائه می‌دهند که بلافاصله توسط نرم‌افزارها قابل اجراست. این مدل‌ها دچار توهمات رایج در مدل‌های زبانی نمی‌شوند و به‌دلیل سرعت بالا و هزینه ناچیز، گزینه‌ای ایده‌آل برای توسعه عامل‌های هوشمند (Agentic AI) محسوب می‌گردند.

جزئیات فنی Microsoft-Decision-1 و اتکا به وزن‌های باز Qwen

مایکروسافت برای توسعه مدل جدید خود، به سراغ سری مدل‌های وزن‌باز Qwen3.5-9B توسعه‌یافته توسط شرکت علی‌بابا (Alibaba Cloud) رفته است. اگرچه مایکروسافت اعلام کرده در آینده این مدل را بر پایه زیرساخت‌های اختصاصی خود و OpenAI بازسازی خواهد کرد، اما استفاده اولیه از یک مدل پایه چینی نشان‌دهنده قدرت بالای زیرساخت‌های وزن‌باز در بنچمارک‌های فعلی است.

بر طبق اظهارات آچینت سریواستوا (Achint Srivastava)، معاون ارشد مهندسی نرم‌افزار در دفتر مدیر فناوری مایکروسافت، توانایی اتخاذ تصمیمات دقیق و طبقه‌بندی داده‌ها با هزینه بسیار پایین، ظرفیت‌های جدیدی را در برنامه‌های کاربردی آزاد می‌کند.

رقابت فشرده در بازار مدل‌های طبقه‌بندی و تصمیم‌گیری

ورود مایکروسافت تنها بخشی از یک حرکت بزرگتر در بازار هوش مصنوعی است. در حال حاضر بیش از ۱۰۰ مدل مختلف در این حوزه به رقابت می‌پردازند. پیش از مایکروسافت، شرکت‌های بزرگ دیگر نیز ابزارهای مشابهی را ارائه کرده‌اند:

• OpenAI: معرفی پیش‌نمایش عمومی API جدید Decisions
• Cloudflare: رونمایی از مدل اختصاصی Clef
• Strands: عرضه مدل متن‌باز Strands Decider 2B
• H2O.ai: توسعه مدل H2O-Lightning-4B بر پایه Qwen3.5-4B
• سایر بازیگران: ارائه ابزارهای اختصاصی توسط Perplexity، Snowflake و Liquid AI (مدل d1)

تحلیل اقتصادی و نقش عامل‌های هوشمند (Agentic AI)

با همه‌گیر شدن عامل‌های هوشمند (AI Agents) که نیازمند فراخوانی متوالی APIها و تصمیم‌گیری‌های لحظه‌ای هستند، هزینه پردازش توکن‌ها به فاکتوری تعیین‌کننده برای شرکت‌ها تبدیل شده است. مایکروسافت با رایگان کردن توکن‌های خروجی و تعیین نرخ ناچیز برای توکن‌های ورودی، تلاش می‌کند سهم اصلی بازار پردازش‌های ساختاریافته را در پلتفرم ابری خود حفظ کند.

اگرچه پژوهشگران یادگیری ماشین هشدار می‌دهند که خطاهای احتمالی در مدل‌های تصمیم‌گیری نیز می‌توانند در سیستم‌های پیچیده بزرگنمایی شوند، اما بهره‌وری بالا و نرخ بالای اطمینان (Confidence Score)، این مدل‌ها را به گزینه‌ای بی‌بدیل برای زیرساخت‌های مدرن تبدیل کرده است.