AI & computing › Agentic AI & autonome agents

Microsoft lanceert AI-model dat niet schrijft, maar alleen kiest

· Bijgewerkt 26 oktober 2026, 06:09 · 2 min leestijd

Agentic AI & autonome agents
Beeld: Hacker News frontpage

Microsoft introduceerde op 9 oktober 2026 een nieuw AI-model dat geen teksten schrijft, maar razendsnel kiest uit vooraf vastgestelde antwoordopties. Microsoft Decision-1 is gebouwd op het Chinese Qwen3.5-9B-model en moet volgens Microsoft tot 35 keer sneller zijn dan grote chatbots. De cijfers komen vooralsnog alleen van Microsoft zelf.

De meeste nieuwe AI-modellen moeten steeds meer: langere teksten schrijven, creatiever zijn, meer context onthouden. Microsoft doet met Decision-1 het tegenovergestelde. Het model krijgt een tekst en een lijstje mogelijke antwoorden, en geeft voor elke optie een kans aan. Geen zin die begint met "Zeker, hier is...", maar gewoon een getal per keuze. Dat maakt het volgens Microsoft razendsnel en goedkoop, en daarom geschikt voor taken als het doorsturen van klantvragen naar de juiste afdeling, het beoordelen van content op ongepaste inhoud, of het controleren of een ander AI-systeem wel goed werk heeft geleverd. Dat laatste wordt steeds belangrijker nu bedrijven AI-agenten laten samenwerken in geautomatiseerde workflows: die agenten moeten continu kleine ja/nee- of multiple-choice-beslissingen nemen, en daarvoor is een zwaar, duur taalmodel vaak overkill.

Chinese techniek onder de motorkap

Opvallend is de keuze voor de basis van het model. Decision-1 is niet door Microsoft zelf vanaf nul getraind, maar voortgebouwd op Qwen3.5-9B, een open-source model van het Chinese Alibaba met 9 miljard parameters (instelbare rekenwaarden die bepalen hoe een AI-model reageert). Microsoft paste dit model verder aan, een proces dat ontwikkelaars 'post-training' noemen, specifiek om snel losse beslissingen te kunnen scoren. Het bedrijf laat in de aankondiging weten dat dit een tussenstap is: op termijn wil Microsoft het model verbouwen op basis van eigen technologie en op modellen van partner OpenAI. Dat is opmerkelijk voor een bedrijf dat miljarden investeert in eigen AI-ontwikkeling via het platform Microsoft Foundry en de samenwerking met OpenAI. Het laat zien dat tijdwinst soms zwaarder weegt dan merkeigendom: snel een werkend product op de markt zetten, en de techniek onder de motorkap later vervangen.

Snel en goedkoop, maar nog niet onafhankelijk getest

Microsoft claimt dat Decision-1 een nauwkeurigheid haalt van 83,5 procent over 36 verschillende testsets met in totaal ongeveer 150.000 vragen. Op snelheid zou het model tot 35 keer sneller reageren dan het grote taalmodel GPT-6 Sol en 4,5 keer sneller dan een model dat Microsoft 'Quyet-1.0-Large' noemt. Sommige berichtgeving noemt reactietijden van rond de 85 milliseconden. Belangrijk is wel dat al deze cijfers uit Microsofts eigen testmateriaal komen; onafhankelijke bevestiging door buitenstaanders ontbreekt nog. Eén cijfer valt daarbij extra op: Microsoft zegt dat de beslissingen van het model in 98,7 procent van de gevallen stabiel blijven, ook als de invoertekst licht verandert. Dat is relevant omdat een systeem dat automatisch beslissingen doorvoert, niet mag omklappen door een kleine woordwijziging.

Prijs en beschikbaarheid

Decision-1 is direct beschikbaar via Microsoft Foundry, het platform waarmee bedrijven AI-modellen inzetten, en kort daarna ook via het onafhankelijke platform OpenRouter. Volgens prijsinformatie van OpenRouter kost het gebruik van het model 0,042 dollar per miljoen invoertokens (de tekststukjes die een AI-model verwerkt), terwijl de uitvoer gratis is. Dat is logisch, omdat de uitvoer slechts uit een paar kansgetallen bestaat. De broncode en modelgewichten worden niet vrijgegeven: ontwikkelaars kunnen het model alleen via Microsofts eigen diensten gebruiken, niet downloaden om het zelf te draaien.

Achtergrond & begrippen

Wat betekent dit voor de toekomst? Nu bedrijven steeds meer AI-agenten laten samenwerken in geautomatiseerde ketens, groeit de behoefte aan snelle, goedkope modellen die alleen beslissingen nemen in plaats van teksten te schrijven. Decision-1 laat zien dat grote techbedrijven naast chatbots ook gespecialiseerde 'beslismodellen' gaan bouwen, wat AI-toepassingen op grote schaal betaalbaarder kan maken. Het voorbeeld toont ook dat techbedrijven steeds vaker elkaars open-source modellen als bouwsteen gebruiken, ongeacht land van herkomst.

Taalmodel (large language model)
Een AI-systeem dat getraind is op grote hoeveelheden tekst en op basis daarvan taal kan begrijpen en genereren.
Open-weight model
Een AI-model waarvan de onderliggende instelwaarden openbaar zijn, zodat anderen het vrij kunnen gebruiken of aanpassen.
Parameters
De instelbare rekenwaarden binnen een AI-model die samen bepalen hoe het reageert op invoer; meer parameters betekent meestal een krachtiger maar ook zwaarder model.
Post-training
Het verder trainen en aanpassen van een al bestaand AI-model voor een specifieke taak, in plaats van het model helemaal opnieuw te bouwen.
Forward pass
Een enkele verwerkingsronde waarin een AI-model invoer omzet in een uitkomst, zonder tussenstappen of heen-en-weer-redeneren.
Latency (P50)
De reactietijd van een systeem; P50 betekent dat de helft van alle verzoeken binnen die tijd wordt afgehandeld.
Benchmark
Een gestandaardiseerde test waarmee de prestaties van verschillende AI-modellen met elkaar worden vergeleken.
Perturbation-stable
De mate waarin de uitkomst van een model gelijk blijft, ook als de invoertekst licht wordt gewijzigd.
Token
Een klein stukje tekst, zoals een woord of woorddeel, dat een AI-model als eenheid verwerkt.
API
Een technische interface waarmee ontwikkelaars een online dienst, zoals een AI-model, vanuit hun eigen software kunnen aanroepen.

Bronnen

Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.

Meer over Agentic AI & autonome agents