最近流行ってる
Decisionモデルってなーに？
Microsoft-Decision-1を動かして、
JevとOpenAIと日本語で比べてみた
JevとOpenAIと日本語で比べてみた
プロフィール
しろくま
Microsoft MVP for Microsoft Foundry
愛知県在住。技術ブログを書いたりしています。
所属：AzPoC部 #AzPoC ／ なごあず #75azu
愛知県在住。技術ブログを書いたりしています。
所属：AzPoC部 #AzPoC ／ なごあず #75azu
今日お話しすること
- Decisionモデルって何？ 特徴と仕組み
- Microsoft-Decision-1をFoundryで動かす（デプロイと呼び出し）
- JevとOpenAIとの違い
- 日本語の業務文書での比較と、使いどころ
分類のたびに、LLMに文章を作らせていませんか？
遅い
1件ごとに数秒かかると、数千件の仕分けが終わりません
高い
出力トークンにも、お金がかかります
ブレる
同じ入力でも、答え方が毎回少し変わります
Microsoftの発表にある例：Xbox Researchのフィードバック分類
GPT-6 Sol 2.6〜2.8秒/件 → 0.14〜0.19秒/件
※Microsoftの発表にある自社測定です
PART 1
Decisionモデルとは
考えるLLMと、すぐ決めるDecisionモデル
LLM（じっくり考える）
文章で答えます
理由も説明できます
そのぶん、時間とお金がかかります
Decisionモデル（すぐ決める）
選択肢ごとの確率だけ返します
理由は言いません
速くて安いです
文書と質問を渡すと、答えの「確率」が返る
文書（state）
「請求書の金額が契約と違います。至急確認してください。」
質問（questions）
担当は？ 深刻度は？ 緊急？
1回で、まとめて聞けます
noul緊急を求めている？
はい
99.98%
choice担当は？
billing
99.99%
score深刻度は？（軽微〜致命的）
中程度
94.6%
重大5.3%
scoreは確率の加重平均です（この例は1.05）
noul・choice・score の使い分け
| 種類 | こんな問いに | 返ってくる値 | 今回の例 |
|---|---|---|---|
| noul | はい/いいえで答えられる | 「はい」の確率 | 対応が必要か |
| choice | 並びのない選択肢から1つ選ぶ | 選択肢ごとの確率 | 文書の種類、担当部署 |
| score | 低・中・高のように順序のある段階 | 段階ごとの確率と、その加重平均 | 緊急度、機密度 |
Jevから始まり、各ベンダーが追従
9/15
Jev
TypeSafe AI
「System One Model」という呼び方を広めた
「System One Model」という呼び方を広めた
10/6
OpenAI Decisions API
9/29 DevDayで発表
10/6 public beta
10/6 public beta
10/9
Microsoft-Decision-1
Microsoft Foundryで利用できます
Azureの中で使えます
Azureの中で使えます
OSS：H2O-LightningStrands-DeciderQuyet ほか
Microsoft-Decision-1の中身
ベース
Qwen3.5-9Bに、
判断用の追加学習
APIで使います
入出力
テキストのみ（32,768トークン）
理由は返しません
料金
$0.042
入力100万トークンあたりです。出力は無料です
PART 2
Foundryで動かす
Foundryのモデルカタログから、デプロイする
呼んでみる：HTTPで、3つの質問をまとめて
POST {endpoint}/providers/microsoft/v1/systemone
{
"model": "decision1",
"state": "請求書の金額が契約と違います。
至急確認してください。",
"questions": {
"team": { "type": "choice",
"instructions": "担当は？",
"criteria": { "billing": "請求・支払い",
"engineering": "不具合", "support": "使い方" } },
"severity": { "type": "score",
"criteria": ["軽微","中程度","重大","致命的"] },
"urgent": { "type": "noul",
"instructions": "緊急？" }
}
}
{
"answers": {
"team": {
"choice": "billing",
"probabilities": {
"billing": 0.9999, … } },
"severity": {
"score": 1.05,
"probabilities": {
"1": 0.946, "2": 0.053, … } },
"urgent": { "noul": 0.9998 }
},
"usage": {
"input_tokens": 115,
"output_tokens": 3 }
}
JevとOpenAIとの違いは、APIの形・画像・料金
| Microsoft | Jev | OpenAI | |
|---|---|---|---|
| リクエスト | state＋questions | state＋questions | input＋questions |
| questionsの形 | 辞書 | 辞書 | 配列 |
| はい/いいえ | noul | noul | predicate |
| 画像入力 | × | △ 実験的 | ○ |
| box（領域を返す） | ― | 1.14.0のみ | ― |
| 入力料金／100万トークン | $0.042 | $0.042 | $0.10 |
| 公開 | 10/9 | 9/15 | 10/6（beta） |
PART 3
日本語の業務文書で比較
お題：届いたメールや文書を仕分ける
例：件名は【至急】なのに…
件名：【至急】ご請求書送付の件
…11月分保守料のご請求書をお送りします。
お支払期日：2026年12月31日
社内システムの都合で「至急」の件名で
送信されております。お支払いは通常どおり
期日までで問題ございません。
…11月分保守料のご請求書をお送りします。
お支払期日：2026年12月31日
社内システムの都合で「至急」の件名で
送信されております。お支払いは通常どおり
期日までで問題ございません。
| 文書の種類 | 請求・見積 |
| 部署 | 経理 |
| 機密 | 機密 |
| 要対応 | はい（支払いは必要） |
| 緊急度 | 低 |
精度：1問ずつは横並び。差が出たのは緊急度
| 種類 | 部署 | 機密 | 要対応 | 緊急度 | 5問すべて | |
|---|---|---|---|---|---|---|
| Jev | 97.1 | 95.4 | 92.1 | 95.8 | 92.1 | 75.0% |
| OpenAI | 95.8 | 94.2 | 89.2 | 93.3 | 92.9 | 70.8% |
| Microsoft | 95.8 | 92.9 | 88.3 | 93.3 | 85.8 | 63.3% |
選択肢のキーは、意味のある名前に
✕ "criteria": { "opt_00": "経理…", "opt_01": "法務…" }
〇 "criteria": { "finance": "経理…", "legal": "法務…" }
✕にすると、12件中2件で答えが変わりました
はい/いいえの条件は、criteriaに
✕ "instructions": "対応が必要か？返信や支払いが…"
〇 "criteria": { "true": "返信・支払いなどが必要",
"false": "共有・通知のみ" }
要対応の正解率 ✕ 63.7% ○ 93.3%
速さとコスト：Microsoftは安いが、少し遅い
| p50 米国・小さい入力 | p50 日本・大きい入力 | 240件を全件 | 1万件のコスト | |
|---|---|---|---|---|
| Jev | 122ms | 172ms | 6.2秒 | $0.84 |
| OpenAI | 130ms | 199ms | 6.6秒 | $1.79 |
| Microsoft | 140ms | 361ms | 7.8秒 | $0.42 |
Microsoftは入力が長いほど遅くなります。デプロイごとに1分あたりの上限があり、今回は合計274件/分でした。単価が同じでも、トークン数はMicrosoftとJevで約2倍違います
PART 4
使いどころ
使いどころ：確信度が低いものだけ、人に回す
業務文書
Decisionモデル
5問を1回で
確信度が高く、答えが一致 → 自動で振り分け
低い・割れた → 人が確認、またはLLMへ
ほかにも、こんな使い方が合いそう
- 文書・問い合わせの仕分け
- エージェントの次の行動の判断
- AIの回答の合否判定
- モデルのルーティング
まとめ
- Decisionモデルは、判断だけを速く安く返します。Qwen3.5-9Bがベースです
- Microsoftの今後のDecisionモデルリリースの方針：MAIやOpenAIのモデルなどにも、リベースしていきます
Thank you!
#75azu で感想をお待ちしています
デモ動画：youtu.be/Dso6P64SLdg
詳しくはZennの記事に書きました
zenn.dev/nomhiro/articles/microsoft-decision-1-vs-jev-openai
詳しくはZennの記事に書きました
zenn.dev/nomhiro/articles/microsoft-decision-1-vs-jev-openai
付録：3社の答えが割れた文書
請求書が届いたので総務部から法務部に相談するメールです。正解は「申請・稟議」で、OpenAIだけ「その他」でした
付録：設問の例（緊急度とnoul）
"urgency": { "type": "score", "instructions": "対応の緊急度は？（実際の期限と影響を優先）",
"criteria": [
"低：対応不要、期限なし、社内の申請で期限が1週間より先",
"中：数日〜1週間以内。社外からの問い合わせで期限の明示がないもの",
"高：当日〜翌日の期限",
"緊急：業務や顧客への深刻な影響が進行中で、直ちに対応が必要" ] }
"action_required": { "type": "noul", "instructions": "受信者が何らかの対応をする必要があるか？",
"criteria": {
"true": "返信・承認・作業・支払いなどが求められている。議事録ならタスクが明示的に割り当てられている",
"false": "情報共有・通知・報告のみで対応は不要。対応不要と明記されている" } }
付録：確信度のずれ・日英
| ECE（確信度のずれ） | 日本語／英語 | |
|---|---|---|
| Microsoft | 0.047 | 86.7／90.0 |
| Jev | 0.046 | 85.8／87.5 |
| OpenAI | 0.065 | 80.0／83.3 |
日英：MASSIVE意図の正解率（%）。英語のほうが2〜3ポイント高いだけです
付録：測定条件と限界
- 業務文書は合成した240件です。正解はLLMが付け、別のLLMが見直しました
- 速さは、日本の自宅回線とCentral USのAzureコンテナから、60件を1件ずつ測りました
- 全件の時間は、3社を同じ並列数で同時に流しました（Microsoftは3デプロイに分散）
- Microsoftは今後ベースを載せ替える予定です。OpenAIもbetaです。数字は変わる可能性があります
- Jevは測定時、jev-latestがjev-1.13.0でした。1.14.0（多言語が改善の見込み）に切り替わる予定です
- 検定は補正していません。240件なので、1〜2ポイントの差は誤差の範囲です
付録：参考リンク
Microsoft-Decision-1 発表ブログ：commandline.microsoft.com/microsoft-decision-1-model-foundry/
Microsoft Learn：learn.microsoft.com/azure/foundry/foundry-models/how-to/use-foundry-models-microsoft-decision
JPさんのZenn記事（Portalからのデプロイ）：zenn.dev/microsoft/articles/ms-decision-1
今回の比較（しろくまのZenn記事）：zenn.dev/nomhiro/articles/microsoft-decision-1-vs-jev-openai
OpenAI Decisions API：developers.openai.com/api/docs/guides/decisions
Jev：typesafe.ai/blog/introducing-system-one-models-and-jev
JevBench：benchmarkheaven.com/jev-models
MASSIVE：huggingface.co/datasets/AmazonScience/massive
Qwen3.5-9B：huggingface.co/Qwen/Qwen3.5-9B
Microsoft Learn：learn.microsoft.com/azure/foundry/foundry-models/how-to/use-foundry-models-microsoft-decision
JPさんのZenn記事（Portalからのデプロイ）：zenn.dev/microsoft/articles/ms-decision-1
今回の比較（しろくまのZenn記事）：zenn.dev/nomhiro/articles/microsoft-decision-1-vs-jev-openai
OpenAI Decisions API：developers.openai.com/api/docs/guides/decisions
Jev：typesafe.ai/blog/introducing-system-one-models-and-jev
JevBench：benchmarkheaven.com/jev-models
MASSIVE：huggingface.co/datasets/AmazonScience/massive
Qwen3.5-9B：huggingface.co/Qwen/Qwen3.5-9B