O Microsoft-Decision-1 foi concebido para decisões sobre conteúdo fornecido: selecionar uma etiqueta, verificar uma condição ou atribuir uma classificação. A Microsoft aplicou pós-treino ao Qwen3.5-9B para esta tarefa de pontuação específica. O resultado é um juízo numérico que uma aplicação pode utilizar diretamente, em vez de uma conversa, um documento ou uma explicação escrita.
O fabricante descreve três tipos de perguntas. Uma pergunta binária devolve uma probabilidade entre 0 e 1 para uma condição definida. Uma pergunta de escolha seleciona uma opção e devolve uma probabilidade para cada candidata. Uma pergunta de pontuação coloca um item numa escala ordenada e devolve um valor ponderado por probabilidades, que pode ficar entre os níveis da escala.
Utilize uma pergunta binária quando um fluxo de trabalho precisa de verificar uma condição, por exemplo, se uma resposta contém uma ação prometida. Utilize uma pergunta de escolha para atribuir um pedido a uma categoria conhecida. Utilize uma pontuação para ordenar uma fila de revisão ou classificar uma resposta face a uma rubrica definida. Estas tarefas diferem no resultado de que a sua aplicação precisa, por isso selecione o tipo de pergunta antes de preparar a entrada.
O modelo lê um estado fornecido, expresso em texto ou JSON, juntamente com perguntas e instruções delimitadas. Inclua o material que determina a decisão e defina os critérios com clareza. Para um classificador de pedidos de suporte, forneça a mensagem e descrições com significado dos destinos permitidos. Para uma verificação de qualidade, forneça a resposta candidata, a tarefa original e a rubrica, em vez de pedir uma classificação geral de qualidade sem explicação.
Várias perguntas podem partilhar a mesma evidência. Um único pedido de suporte pode precisar de um destino, de um nível de urgência e de uma verificação de contacto repetido. Manter essas decisões ligadas ao mesmo material fornecido torna o resultado mais fácil de interpretar. A formulação da pergunta e a distinção entre opções continuam a ser importantes: etiquetas sobrepostas ou falta de evidência podem produzir uma pontuação aparentemente precisa para uma tarefa mal definida.
A Microsoft trata as probabilidades como sinais de confiança úteis para decidir se se deve agir, adiar ou pedir revisão. Defina limiares com base em casos etiquetados representativos da sua própria carga de trabalho. O limiar para aceitar a atribuição inofensiva de uma categoria pode ser diferente do limiar para uma ação em que um falso positivo é dispendioso. Uma opção explícita de incerteza permite a um classificador evitar forçar uma escolha sem fundamento.
Numa pontuação ordenada, utilize o resultado para comparar itens ou aplicar um limiar medido; não se trata de uma classificação absoluta de qualidade validada de forma independente. Verifique se parafrasear uma pergunta ou alterar a ordem das opções altera a decisão. Isto torna concreto o significado de uma pontuação devolvida para a aplicação que a consome.
Um agente pode utilizar uma decisão delimitada para escolher a sua próxima ação, um fluxo de documentos pode classificar o material recebido e um passo de avaliação pode aceitar, rever ou escalar um resultado gerado. A Microsoft descreve também a análise de intenções, o encaminhamento de incidentes, a relevância de pesquisa e a etiquetagem de dados como aplicações. Um modelo generativo continua a ser o componente adequado quando o artefacto pretendido é um resumo, uma explicação, um texto reescrito ou código; o modelo de decisão pode selecionar o passo de processamento seguinte.
Num projeto com a Ailoot API, comece por uma decisão específica e defina a evidência, as respostas permitidas e a ação associada a cada resultado. Tenha em conta a sensibilidade documentada do modelo à formulação e a ausência de uma justificação escrita. Avalie as decisões face às etiquetas reais da tarefa e inspecione os casos incertos antes de tratar a confiança como uma permissão automática para agir.
", "aboutText": "O Microsoft-Decision-1 foi concebido para decisões sobre conteúdo fornecido: selecionar uma etiqueta, verificar uma condição ou atribuir uma classificação. A Microsoft aplicou pós-treino ao Qwen3.5-9B para esta tarefa de pontuação específica. O resultado é um juízo numérico que uma aplicação pode utilizar diretamente, em vez de uma conversa, um documento ou uma explicação escrita.\n\n### Escolhas fixas e tipos de pergunta claros\n\nO fabricante descreve três tipos de perguntas. Uma pergunta binária devolve uma probabilidade entre 0 e 1 para uma condição definida. Uma pergunta de escolha seleciona uma opção e devolve uma probabilidade para cada candidata. Uma pergunta de pontuação coloca um item numa escala ordenada e devolve um valor ponderado por probabilidades, que pode ficar entre os níveis da escala.\n\nUtilize uma pergunta binária quando um fluxo de trabalho precisa de verificar uma condição, por exemplo, se uma resposta contém uma ação prometida. Utilize uma pergunta de escolha para atribuir um pedido a uma categoria conhecida. Utilize uma pontuação para ordenar uma fila de revisão ou classificar uma resposta face a uma rubrica definida. Estas tarefas diferem no resultado de que a sua aplicação precisa, por isso selecione o tipo de pergunta antes de preparar a entrada.\n\n### Preparar a evidência e as opções\n\nO modelo lê um estado fornecido, expresso em texto ou JSON, juntamente com perguntas e instruções delimitadas. Inclua o material que determina a decisão e defina os critérios com clareza. Para um classificador de pedidos de suporte, forneça a mensagem e descrições com significado dos destinos permitidos. Para uma verificação de qualidade, forneça a resposta candidata, a tarefa original e a rubrica, em vez de pedir uma classificação geral de qualidade sem explicação.\n\nVárias perguntas podem partilhar a mesma evidência. Um único pedido de suporte pode precisar de um destino, de um nível de urgência e de uma verificação de contacto repetido. Manter essas decisões ligadas ao mesmo material fornecido torna o resultado mais fácil de interpretar. A formulação da pergunta e a distinção entre opções continuam a ser importantes: etiquetas sobrepostas ou falta de evidência podem produzir uma pontuação aparentemente precisa para uma tarefa mal definida.\n\n### Confiança e controlo do fluxo de trabalho\n\nA Microsoft trata as probabilidades como sinais de confiança úteis para decidir se se deve agir, adiar ou pedir revisão. Defina limiares com base em casos etiquetados representativos da sua própria carga de trabalho. O limiar para aceitar a atribuição inofensiva de uma categoria pode ser diferente do limiar para uma ação em que um falso positivo é dispendioso. Uma opção explícita de incerteza permite a um classificador evitar forçar uma escolha sem fundamento.\n\nNuma pontuação ordenada, utilize o resultado para comparar itens ou aplicar um limiar medido; não se trata de uma classificação absoluta de qualidade validada de forma independente. Verifique se parafrasear uma pergunta ou alterar a ordem das opções altera a decisão. Isto torna concreto o significado de uma pontuação devolvida para a aplicação que a consome.\n\n### Onde utilizar um modelo de decisão na prática\n\nUm agente pode utilizar uma decisão delimitada para escolher a sua próxima ação, um fluxo de documentos pode classificar o material recebido e um passo de avaliação pode aceitar, rever ou escalar um resultado gerado. A Microsoft descreve também a análise de intenções, o encaminhamento de incidentes, a relevância de pesquisa e a etiquetagem de dados como aplicações. Um modelo generativo continua a ser o componente adequado quando o artefacto pretendido é um resumo, uma explicação, um texto reescrito ou código; o modelo de decisão pode selecionar o passo de processamento seguinte.\n\nNum projeto com a Ailoot API, comece por uma decisão específica e defina a evidência, as respostas permitidas e a ação associada a cada resultado. Tenha em conta a sensibilidade documentada do modelo à formulação e a ausência de uma justificação escrita. Avalie as decisões face às etiquetas reais da tarefa e inspecione os casos incertos antes de tratar a confiança como uma permissão automática para agir.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "7a6affde2dcb88248060080995575987ffa425f7c9c0dcee7b1e97f02d3d0cbe", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "microsoft/microsoft-decision-1O Microsoft-Decision-1 é o modelo de pontuação de decisões da Microsoft para classificação, encaminhamento, priorização e avaliação. Lê texto ou JSON fornecido e devolve probabilidades, uma opção selecionada ou uma pontuação ordenada, dando à lógica da aplicação um resultado estruturado em vez de texto gerado.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
O Microsoft-Decision-1 foi concebido para decisões sobre conteúdo fornecido: selecionar uma etiqueta, verificar uma condição ou atribuir uma classificação. A Microsoft aplicou pós-treino ao Qwen3.5-9B para esta tarefa de pontuação específica. O resultado é um juízo numérico que uma aplicação pode utilizar diretamente, em vez de uma conversa, um documento ou uma explicação escrita.
O fabricante descreve três tipos de perguntas. Uma pergunta binária devolve uma probabilidade entre 0 e 1 para uma condição definida. Uma pergunta de escolha seleciona uma opção e devolve uma probabilidade para cada candidata. Uma pergunta de pontuação coloca um item numa escala ordenada e devolve um valor ponderado por probabilidades, que pode ficar entre os níveis da escala.
Utilize uma pergunta binária quando um fluxo de trabalho precisa de verificar uma condição, por exemplo, se uma resposta contém uma ação prometida. Utilize uma pergunta de escolha para atribuir um pedido a uma categoria conhecida. Utilize uma pontuação para ordenar uma fila de revisão ou classificar uma resposta face a uma rubrica definida. Estas tarefas diferem no resultado de que a sua aplicação precisa, por isso selecione o tipo de pergunta antes de preparar a entrada.
O modelo lê um estado fornecido, expresso em texto ou JSON, juntamente com perguntas e instruções delimitadas. Inclua o material que determina a decisão e defina os critérios com clareza. Para um classificador de pedidos de suporte, forneça a mensagem e descrições com significado dos destinos permitidos. Para uma verificação de qualidade, forneça a resposta candidata, a tarefa original e a rubrica, em vez de pedir uma classificação geral de qualidade sem explicação.
Várias perguntas podem partilhar a mesma evidência. Um único pedido de suporte pode precisar de um destino, de um nível de urgência e de uma verificação de contacto repetido. Manter essas decisões ligadas ao mesmo material fornecido torna o resultado mais fácil de interpretar. A formulação da pergunta e a distinção entre opções continuam a ser importantes: etiquetas sobrepostas ou falta de evidência podem produzir uma pontuação aparentemente precisa para uma tarefa mal definida.
A Microsoft trata as probabilidades como sinais de confiança úteis para decidir se se deve agir, adiar ou pedir revisão. Defina limiares com base em casos etiquetados representativos da sua própria carga de trabalho. O limiar para aceitar a atribuição inofensiva de uma categoria pode ser diferente do limiar para uma ação em que um falso positivo é dispendioso. Uma opção explícita de incerteza permite a um classificador evitar forçar uma escolha sem fundamento.
Numa pontuação ordenada, utilize o resultado para comparar itens ou aplicar um limiar medido; não se trata de uma classificação absoluta de qualidade validada de forma independente. Verifique se parafrasear uma pergunta ou alterar a ordem das opções altera a decisão. Isto torna concreto o significado de uma pontuação devolvida para a aplicação que a consome.
Um agente pode utilizar uma decisão delimitada para escolher a sua próxima ação, um fluxo de documentos pode classificar o material recebido e um passo de avaliação pode aceitar, rever ou escalar um resultado gerado. A Microsoft descreve também a análise de intenções, o encaminhamento de incidentes, a relevância de pesquisa e a etiquetagem de dados como aplicações. Um modelo generativo continua a ser o componente adequado quando o artefacto pretendido é um resumo, uma explicação, um texto reescrito ou código; o modelo de decisão pode selecionar o passo de processamento seguinte.
Num projeto com a Ailoot API, comece por uma decisão específica e defina a evidência, as respostas permitidas e a ação associada a cada resultado. Tenha em conta a sensibilidade documentada do modelo à formulação e a ausência de uma justificação escrita. Avalie as decisões face às etiquetas reais da tarefa e inspecione os casos incertos antes de tratar a confiança como uma permissão automática para agir.
POST /v1/systemonetextdecisions| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites microsoft/microsoft-decision-1 | Predefinição— |
Campoprovider | Tiposchema | RequisitoOpcional | Valores e limites | Predefinição— |
Campoquestions | Tipoobject | RequisitoObrigatório | Valores e limites | Predefinição— |
Camposession_id | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campostate | Tiposchema | RequisitoObrigatório | Valores e limites | Predefinição— |
Campotrace | Tiposchema | RequisitoOpcional | Valores e limites | Predefinição— |
Campouser | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campoquestions.<id>.type | Tipostring | RequisitoObrigatório | Valores e limites noul, choice, score | Predefinição— |
Campoquestions.<id>.instructions | Tipostring|object|array | RequisitoObrigatório | Valores e limites | Predefinição— |
Campoquestions.<id>.criteria | Tipoobject|array | RequisitoOpcional | Valores e limites Condições: choice/score: obrigatório; noul: opcional. Os critérios de choice são um objeto; score é uma matriz com minItems1. | Predefinição— |
Campoquestions.<id>.criteria.true | Tipostring|object|array | RequisitoObrigatório | Valores e limites Aplica-se quando: Objeto de critérios noul fornecido | Predefinição— |
Campoquestions.<id>.criteria.false | Tipostring|object|array | RequisitoObrigatório | Valores e limites Aplica-se quando: Objeto de critérios noul fornecido | Predefinição— |
noul · Obrigatório: state, questions.<id>.type=noul, questions.<id>.instructions
choice · Obrigatório: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · Obrigatório: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, state, questions |
Parâmetromaterial_types | Contratotext |
Parâmetrooptional_controls | Contratoprovider, session_id, trace, user |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous
Envie o ID exato do modelo e conserve a resposta nativa completa.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.000084 / 1K tokens Saída · Tokens de saída $0 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.000084 / 1K tokens Saída · Tokens de saída $0 / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "microsoft/microsoft-decision-1",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='microsoft/microsoft-decision-1'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\njson
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
É conservada cada resposta fornecida a um ID de pergunta, com o respetivo tipo exato, valor noul/choice/score, confiança, probabilidades e legenda. O JSON original completo é armazenado e devolvido apenas após a liquidação.
Conserve a operação original e a resposta completa/parcial; não repita o POST.
| Campo | Tipo |
|---|---|
Campomodel | Tipostring |
Campoid | Tipostring |
Campoprovider | Tipostring |
Campoanswers.<id>.type | Tipostring |
Campoanswers.<id>.noul | Tiponumber |
Campoanswers.<id>.choice | Tipostring |
Campoanswers.<id>.score | Tiponumber |
Campoanswers.<id>.confidence | Tiponumber |
Campoanswers.<id>.probabilities | Tipoobject |
Campoanswers.<id>.legend | Tipoobject |
Campousage.input_tokens | Tipointeger |
Campousage.output_tokens | Tipointeger |
Campousage.cost | Tiponumber |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampo obrigatório, representação ou valor inválido | Passo seguinteCorrija o campo indicado no pedido. |
Ailoot Ultra microsoft/microsoft-decision-1
Use os caminhos dos métodos indicados acima.