Microsoft-Decision-1の料金（2026年）：100万トークンあたり$0.042を解説

Microsoft-Decision-1とは何か

Microsoft-Decision-1は、文章を書かない小型モデルです。状況と固定の回答選択肢を渡すと、各選択肢に対する較正済みの確率を返します。Microsoftは2026年10月9日にMicrosoft FoundryとOpenRouterで公開し、Satya NadellaによるXの投稿で発表しました。

これは急成長中の意思決定モデルというカテゴリに属し、TypeSafe Jev、Cloudflare Clef、Strands Deciderと並びます。MicrosoftはAlibabaのオープンウェイトモデルQwen3.5-9B（ファミリーについてはQwenの料金を参照）をポストトレーニングして作り、「近くMicrosoft AI（MAI）やOpenAIを含む他のモデルに載せ替える」としています。

Foundryのモデルカードから分かる主なポイントです。

• ライフサイクル： 「Generally available (GA)」、バージョン1、「Direct from Azure」で販売
• コンテキストウィンドウ： 32,768トークン
• 入力 / 出力： 入力はテキスト、出力はJSON。説明や理由は付きません
• 質問タイプ： はい/いいえ、多肢選択、評価、ルーブリックに基づく採点
• ウェイト： 非公開。Hugging Faceのパスは404を返します

私は仕事で連携やAPIを作っており、この形には見覚えがあります。AIサポートエージェントが一日中やっていることの大半は、実は文章を書くことではありません。小さな問いに答えているのです。請求の件か技術の件か、緊急か、顧客は怒っているか、下書きは送って安全か。こうした問いにだけ、速く、信頼度つきで答えるモデルは役に立ちます。料金の問題は、その有用さがすべてのチケットで呼び出せるほど安いかどうかです。

Microsoft-Decision-1の料金はいくらか

Microsoftは発表記事で一文で述べています。「Input tokens cost $0.042 USD per million tokens. Output tokens are free.」

出力が無料であることは、見た目以上に重要です。LLMでは分類の回答に出力トークンがかかり、出力は通常入力の5倍以上の価格です。ここでは回答が無料なので、請求額は送るテキストの量だけで決まります。

どこで支払うか

入り口は2つあり、価格は同じです。

1. Microsoft Foundry. Azureのサブスクリプション経由で課金されます。Microsoft Learnのドキュメントでは、Azureが販売するモデルは「Azureサブスクリプションを通じて課金され、Azureのサービスレベルアグリーメントの対象となり、Microsoftがサポートする」とされています（Microsoft Learn）。
2. OpenRouter. 入力$0.042・出力$0で同じ価格で、裏ではAzureが提供します。OpenRouterのページでは、最初の数日間の入力100万トークンあたりの加重平均支払額が$0.04152と表示されています（OpenRouter）。

すでにAzureを使っている、またはAzure OpenAIのモデルを購入している会社なら、Foundryが当然の選択です。請求書は1本、既存の調達手続きが使え、AzureのSLAもあります。プロトタイプならOpenRouterの方が手早く、Azureのセットアップを丸ごと省けます。

Microsoft-Decision-1 vs Jev vs Clef vs OpenAI：トークンあたりの価格

Microsoftの発表記事は、コストをGPT-6 Solとしか比べていません。「200倍安い」という表現はここから来ています。数字自体は妥当ですが、特化した意思決定モデルを汎用のフラッグシップモデルと比べているので、電卓の価格をノートPCの価格と比べるようなものです。

大事なのは、他の意思決定モデルとの比較です。2026年10月11日時点の最新の料金表は次のとおりです。

目を引くのは3点です。

• Jevとはセント単位まで同じです。 MicrosoftはJevの料金にぴったり合わせてきました。Jevが定番の市場では、偶然ではないでしょう。
• OpenAIより2.4倍安いです。 OpenAIのDecisions APIは10月6日に公開ベータとなり、入力100万トークンあたり$0.10でした。
• もう最安ではありません。 CloudflareはClef-flashを$0.038に値下げしました。コンテキストは24,576トークンと小さめです。Microsoft-Decision-1より約10%安い計算です。Workers AIでの課金の仕組みは、以前書いたClefの料金の解説で紹介しています。

開発者コミュニティは、比較が抜けていることにすぐ気づきました。Nadellaの発表投稿への一番上の返信は、当然の疑問を投げかけています。

"How is Jev not ranked? That's literally the #1 model people are going to compare this to."

Shayan (@ImSh4yy), X

Microsoftはその後投稿を更新し、精度と較正の表にJevを追加しましたが、コストのグラフには今もGPT-6 Solしか載っていません。Hacker Newsでは、あるコメンターが価格面の批判をはっきり述べました。

"Looks like yet another non-price-competitive Jev competitor. Microsoft only compares the price of theirs to GPT Sol(!), not GPT Terra, or GPT Luna (which is what OpenAI's Jev wannabe is based on), and certainly not Jev (4/10 the cost of Luna). I can't remember when a new product created So many competitors so quickly. What is very clear is that everyone is saying "Doh!", slapping themselves on the forehead, and scrambling to get a slice of this obvious-in-retrospect massive pie. What no-one appears to have done yet is to come close to Jev on pricing!"

HarHarVeryFunny, Hacker News

このコメントは、価格が広く知られる前に書かれたものです。実際には、Microsoftは価格でJevに近づいたどころか、同じにしました。

トークンあたりと判断あたりは別物

ここが、料金表が見た目ほど役に立たない理由です。モデルごとにリクエストのトークン化と整形が異なるため、同じチケットでも消費トークン数が変わりえます。私が見つけた唯一の実測比較は、Hacker Newsのユーザーが自分のテストスイートでMicrosoft-Decision-1とJevを比べたものでした。

"In my minimal suite it was cheaper (by 0.72x) but higher latency (283ms vs 369ms p50) than Jev. Results were very comparable across all scenarios I measure, first of these that I have tested that actually justifies its existence as a commercial release. Qwen tunes are nice and all but either price or performance makes each example I have tested not viable unless you are able to cheaply self-host and fine-tune further."

Topfi, Hacker News

料金表は同じでも、実際の請求は違います。これは一人のテストスイートの結果でありベンチマークではありませんが、姿勢は正しいです。自分のチケットを両方に通して、料金ページではなく請求額を比べてください。

1回の判断に実際いくらかかるか

出力が無料なので、必要な数字は1回の呼び出しに含まれる入力トークン数だけです。チケットの本文に、質問と各選択肢の説明を足したものです。

Microsoft自身の見積もりでは、100万件のテキストの分類はMicrosoft-Decision-1で約$11、GPT-6 Solで約$2,434です。100万トークンあたり$0.042から逆算すると、彼らのテストでは1テキストあたり約260入力トークンということになります。サポートチケットは通常もっと長く、注文履歴を添付した長いスレッドなら数千トークンに達することもあります。

1チケットにつき判断の呼び出しを2回（たとえばルーティング用と「自動返信して安全か」用）と仮定した場合、サポートチームが実際に支払う額は次のとおりです。

Clefの数値は定価ベースで、Cloudflareの1日の無料枠を差し引く前のものです。どちらにせよ、10万件のチケットのキューでも、スコアリングは月$20未満です。この段階では、モデルがコストではありません。その周囲のパイプラインを構築、テスト、保守するエンジニアリングの工数がコストです。

もう一つの工夫があります。1回の呼び出しで、同じチケットについて複数の名前付きの質問を送れます（OpenRouter）。「どのチームか」「どのくらい緊急か」「スパムか」を1リクエストで尋ねれば、チケット本文の料金は3回ではなく1回で済みます。まとめて送るのは請求額を減らす一番簡単な方法で、これまでで一番安いLLM最適化です。

ご自身のMicrosoft-Decision-1のコストを見積もる

件数、1回あたりの平均トークン数、1チケットあたりの呼び出し回数を入力してください。計算ツールは、ホスト型の意思決定モデル5つを定価で計算します。

料金面で注意したい落とし穴

料金表自体はシンプルです。その周辺の細かい情報が乏しいことが、落とし穴です。構築を始める前に確認しておきたい点を挙げます。

• まだAzureの料金ページに載っていません。 カタログの「View pricing」リンクはFoundryモデルの料金ページに移動しますが、そこには他のMicrosoftモデルは載っていても、10月11日時点でMicrosoft-Decision-1の行はありません。$0.042という数字は、発表記事とOpenRouterから来ています。
• リージョン別やプロビジョンドの料金は未公表です。 同じAzureのページでは、MicrosoftのMAI-DS-R1はグローバルよりリージョナルのデプロイメントで1.1倍高くなっています。Microsoft-Decision-1が同じ傾向かどうかは確認できないため、データレジデンシーのオプションを選ぶ前に確かめてください。
• リージョン一覧もクォータもありません。 このモデルはMicrosoftのリージョン別提供状況のページに載っておらず、レート制限も文書化されていません。
• チャットSDKは動きません。 OpenRouterでは別のDecisionsエンドポイントで動き、「chat completions SDKs will not work with it.」とされています。公開時、Foundryにデプロイしたある開発者は「it doesn't say what to POST or what to expect back」と書いていました（wkcheng, Hacker News）。連携の工数を見込んでください。
• ウェイトは知らないうちに変わります。 OpenRouterは「weights are updated continually while the API shape stays the same.」と注記しています。「0.85を超えたら自動ルーティング」のような信頼度のしきい値を設定した場合は、更新のたびに見直してください。
• 32,768トークンの上限があります。 添付を貼り付けた長いメールスレッドは超えることがあります。切り詰める必要があり、その切り詰めロジックもエンジニアリングの工数です。

どれも致命的ではありません。公開から2日のモデルとしては普通の状態です。ただ、モデルカードの「GA」とAzureの「料金ページに未掲載」という組み合わせは、利用量を確約する前にAzureの担当者へ軽くメールで確認する価値があります。

価格に見合う精度があるか

価格が意味を持つのは、答えが正しい場合だけです。Microsoftの数字は強力ですが、Microsoft自身のテストです。36のベンチマーク（147,137問）の比較で、Microsoftは平均精度83.5%と報告しており、Jev 1.13.0の82.3%、GPT-6 Luna Decisionsの79.4%を上回っています。較正は92.2でJevの93.7に次ぐ3位です。

出典：Microsoftの発表記事。数値はすべてMicrosoftが実施したもの。Microsoftのレイテンシは同一リージョンでFoundry経由で測定、その他はJevBenchの値です。

知っておきたい独立した検証が2つあります。OpenRouter自身の測定ではp50レイテンシが0.19秒で、Microsoftの85msより遅いですが、ネットワーク経由の時間を含むため納得できます。また、Microsoft-Decision-1は、コミュニティ運営のJev Decision Indexのリーダーボードにはまだ載っておらず、そこではPerplexityのdeciderとJevが上位2位を占めています。

確率でしきい値を設定するなら、精度より較正が重要です。Hacker Newsのあるユーザーはこのトレードオフを「if you need calibration better use JEV」とまとめました（nowittyusername）。差は1.5ポイントと小さいものの、Jevが優位です。

Microsoftは社内の結果も公開しています。Microsoft Copilotチームはこのモデルを「competitive with GPT5.6 Luna and 100 times faster」と評価し、Xbox Researchは10,000件超のフィードバックでGPT-6 Solより「200 times less expensive」と評価しました。有用なシグナルですが、これも自己申告です。小型の汎用モデルと比べて検討するなら、GPT-5.6 Lunaの記事がその側面を扱っています。

Microsoft-Decision-1はサポートチームに向いているか

100万トークンあたり$0.042なら、モデルの価格はもはや要因になりません。本当の問いは、そのまわりのシステムを自分で作りたいかどうかです。

得られるのは、チケットトリアージの仕分けの部分です。どのキューか、どのくらい緊急か、スパムか、このAIの下書きは送って安全かといった判断です。

それでも自分で作る必要があるのは、その周辺すべてです。ヘルプデスクAPIでチケットを取得し、質問を書き（こちらのトリアージ用プロンプトテンプレートが出発点になります）、しきい値を設定し、答えに基づいてルーティングし、最後に実際にチケットを解決することです。

その最後のステップが高くつく部分で、私が本当のミスを見てきたのもそこです。ECサイトのZendeskの受信箱での実トラフィックの検証では、eeselのトリアージは精度93%、スパムは100%検出した一方、編集なしで送信されたAIの下書きは12%だけでした。仕分けは簡単な半分です。うまく返信するのが難しい半分です。

確率スコアは、こうしたモデルの最も役立つ点であり続けています。月7,000件のチケットを扱うCXリーダーは、eeselとの営業通話で要件をはっきりこう述べました。

"I need an AI who is only handling the tickets that it's confident to handle and all the other ones, leave them alone."

較正された確率は、まさにそのためのツールです。私の結論は次のとおりです。

• Microsoft-Decision-1を使うのは、エンジニアがいて、すでにAzureを使っていて、自社プロダクトやパイプライン内でトリアージ、ルーティング、ガードレールのチェックをしたい場合です。
• JevかClef-flashを使うのは、膨大な量でコストを最適化したく、Azureに縛られていない場合です。価格差は小さいので、まず自分のデータで精度を試してください。
• 自作を見送るのは、本当に欲しいのがヘルプデスク内でのチケットの仕分けと返信である場合です。それはモデル呼び出しではなく製品であり、コードを書かずにチケットトリアージを自動化できます。チケットトリアージに最適なAIのまとめもご覧ください。

判断とその後を担うeesel

チケットのルーティング、タグ付け、優先度付けのためにMicrosoft-Decision-1の料金を検討しているなら、自作を省くことも考えてみてください。eeselはヘルプデスク向けのAIチームメイトです。Zendesk、Freshdesk、Gorgiasなどに数分で接続でき、過去のチケットとヘルプセンターから学習し、意思決定モデルと同じZendeskトリアージやエスカレーションの判断を行います。そのうえで返信を書き、注文を更新し、自信がないときは人間に引き継ぎます。

料金はトークン単位ではなくチケット単位です。eeselのプランは月$299で500クレジットから始まり、1チケットまたは1チャットが1クレジットで、エージェントがその中で何ステップ踏んでも変わりません。5,000クレジットなら月$1,749で、1チケットあたり約35セントです。判断1回よりはるかに高いのは、仕分けだけでなく作業そのものを含むからです。人間のエージェントのチケット単価と比べれば話は変わります。その数字はAIと人間のコスト比較で計算しており、標準アドオン経由の費用はZendesk AIの料金で分かります。本番稼働の前に、過去のチケットに対してエージェントをシミュレーションし、何をしていたかを確認できます。どのモデルでも、私ならそうやって試します。

開発者の方には、eesel CLIでターミナルから同じチームメイトを使えます。npx @eesel/cli init chat-bubble --site <url>でワークスペースを作成し、eesel integrationsでヘルプデスクを接続し、eesel automationsでルーティングルールを組み、eesel approvalsでエージェントが保留した操作を承認または拒否できます。ダッシュボードと同じエージェントで、すべてのコマンドがJSONを出力するため、Claude Code、Cursor、CIスクリプトから操作できます。eesel mcp tokenは、ワークスペースをMCPサーバーとしても公開します。意思決定モデルとの実用上の違いはここです。モデルはコードに確率を返し、CLIはその確率に基づいて動くAIエージェントをコードに渡します。

eeselは無料で試せ、100クレジット付きでカードは不要です。ヘルプデスクを接続し、1週間分のチケットを対象に、そのルーティングをご自身の意思決定パイプラインの結果と比べてみてください。