Preços do Microsoft-Decision-1 (2026): $0.042 por milhão de tokens, explicados

O que o Microsoft-Decision-1 realmente é

O Microsoft-Decision-1 é um modelo pequeno que não escreve texto. Você dá a ele uma situação e um conjunto fixo de opções de resposta, e ele devolve uma probabilidade calibrada para cada opção. A Microsoft o lançou em 9 de outubro de 2026 no Microsoft Foundry e pelo OpenRouter, com uma publicação de lançamento de Satya Nadella no X.

Ele pertence a uma categoria em rápido crescimento de modelos de decisão, ao lado do TypeSafe Jev, do Cloudflare Clef e do Strands Decider. A Microsoft o construiu fazendo pós-treinamento do Qwen3.5-9B, o modelo de pesos abertos da Alibaba (veja os preços do Qwen para conhecer a família), e diz que "em breve o reconstruirá sobre outros modelos, incluindo Microsoft AI (MAI) e OpenAI".

Os fatos rápidos da ficha do modelo no Foundry:

• Ciclo de vida: "Generally available (GA)", versão 1, vendido "Direct from Azure"
• Janela de contexto: 32.768 tokens
• Entrada / saída: texto na entrada, JSON na saída. Sem explicações ou justificativas
• Tipos de pergunta: sim/não, múltipla escolha, avaliação por nota e correção baseada em rubrica
• Pesos: não divulgados. O caminho no Hugging Face retorna 404

Eu construo integrações e APIs profissionalmente, e esse formato é familiar. Boa parte do que um agente de suporte com IA faz o dia todo não é escrever. É responder a perguntas pequenas: isso é cobrança ou técnico, é urgente, o cliente está irritado, o rascunho é seguro para enviar. Um modelo que só responde a essas perguntas, rápido e com uma pontuação de confiança, é útil. A questão do preço é se essa utilidade é barata o bastante para ser chamada em cada ticket.

Quanto custa o Microsoft-Decision-1?

A Microsoft diz isso em uma frase na publicação de lançamento: "Input tokens cost $0.042 USD per million tokens. Output tokens are free."

A saída grátis importa mais do que parece. Com um LLM, uma resposta de classificação custa tokens de saída, e a saída costuma custar 5 vezes a entrada ou mais. Aqui a resposta é grátis, então a fatura depende inteiramente de quanto texto você envia.

Onde você paga

Há duas formas de acesso, e elas custam o mesmo:

1. Microsoft Foundry. Cobrado pela sua assinatura do Azure. A documentação do Microsoft Learn diz que os modelos vendidos pelo Azure são "cobrados pela sua assinatura do Azure, cobertos pelos acordos de nível de serviço do Azure e suportados pela Microsoft" (Microsoft Learn).
2. OpenRouter. Os mesmos $0.042 de entrada e $0 de saída, servido pelo Azure nos bastidores. A página do OpenRouter mostra uma média ponderada paga de $0.04152 por milhão de tokens de entrada nos primeiros dias (OpenRouter).

Se a sua empresa já roda no Azure, ou já compra modelos do Azure OpenAI, o Foundry é o caminho óbvio: uma única fatura, processo de compras já existente e o SLA do Azure. O OpenRouter é o caminho mais rápido para um protótipo, já que você pula toda a configuração do Azure.

Microsoft-Decision-1 vs Jev vs Clef vs OpenAI: preço por token

A publicação de lançamento da Microsoft compara o custo apenas com o GPT-6 Sol. É daí que vem a frase "200 vezes menos caro". É um número justo, mas compara um modelo de decisão específico com um modelo geral topo de linha, como comparar o preço de uma calculadora com o de um notebook.

A comparação que importa é com os outros modelos de decisão. Aqui estão as tabelas de preços vigentes em 11 de outubro de 2026:

Três coisas chamam a atenção:

• Ele empata com o Jev até o centavo. A Microsoft igualou exatamente os preços do Jev, o que não é acaso em um mercado onde o Jev é o padrão.
• Ele fica 2,4 vezes abaixo da OpenAI. A Decisions API da OpenAI entrou em beta pública em 6 de outubro a $0.10 por milhão de tokens de entrada.
• Ele não é mais o mais barato. A Cloudflare reduziu o Clef-flash para $0.038, com um contexto menor de 24.576 tokens. Isso é cerca de 10% menos que o Microsoft-Decision-1. Meu detalhamento anterior dos preços do Clef explica como o Workers AI o cobra.

A comunidade de desenvolvedores notou logo a comparação ausente. A resposta mais votada abaixo da publicação de lançamento de Nadella fez a pergunta óbvia:

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

Shayan (@ImSh4yy), X

A Microsoft depois atualizou a publicação para incluir o Jev em suas tabelas de precisão e calibração, mas o gráfico de custos ainda mostra apenas o GPT-6 Sol. No Hacker News, um comentarista fez a crítica de preço sem rodeios:

"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

Esse comentário foi escrito antes de o preço ser amplamente notado. Na verdade, a Microsoft chegou perto do Jev em preço: igualou.

Por token não é por decisão

Aqui está a reviravolta que torna as tabelas de preços menos úteis do que parecem. Cada modelo tokeniza e formata a sua requisição de um jeito, então o mesmo ticket pode custar um número diferente de tokens em cada um. A única comparação prática que encontrei veio de um usuário do Hacker News que executou o Microsoft-Decision-1 contra o Jev na sua própria bateria de testes:

"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

Mesma tabela de preços, fatura real diferente. É a bateria de testes de uma pessoa, não um benchmark, mas o instinto está certo: passe os seus próprios tickets pelos dois e compare a fatura, não a página de preços.

Quanto uma decisão realmente custa

Como a saída é grátis, o único número de que você precisa é quantos tokens de entrada cada chamada carrega. Isso é o texto do ticket mais as suas perguntas e as descrições das opções.

A estimativa da própria Microsoft é que classificar um milhão de textos custa cerca de $11 no Microsoft-Decision-1 contra cerca de $2,434 no GPT-6 Sol. Fazendo a conta a $0.042 por milhão de tokens, isso implica cerca de 260 tokens de entrada por texto no teste deles. Tickets de suporte costumam ser mais longos, e uma conversa extensa com histórico de pedidos anexado pode chegar a vários milhares de tokens.

Veja o que uma equipe de suporte realmente paga, supondo duas chamadas de decisão por ticket (digamos, uma para roteamento e outra para "seguro responder automaticamente?"):

Os valores do Clef estão a preço de tabela, antes da franquia diária gratuita da Cloudflare. De qualquer forma, uma fila de 100.000 tickets custa menos de $20 por mês para pontuar. Nesse ponto, o modelo não é o seu custo. O tempo de engenharia para construir, testar e manter o pipeline em torno dele é.

Mais uma alavanca: uma única chamada pode levar várias perguntas nomeadas sobre o mesmo ticket (OpenRouter). Se você perguntar "qual equipe", "quão urgente" e "é spam" em uma só requisição, paga o texto do ticket uma vez em vez de três. Agrupar é a maneira mais fácil de reduzir a fatura, e a otimização de LLM mais barata que você fará.

Estime os seus próprios custos do Microsoft-Decision-1

Informe o seu volume, a média de tokens por chamada e quantas chamadas você faz por ticket. A calculadora precifica os cinco modelos de decisão hospedados pelas tabelas de preços.

Armadilhas de preço para ficar de olho

A tabela de preços é simples. As letras miúdas ao redor dela são escassas, e essa é a armadilha. Vale conferir algumas coisas antes de construir em cima dela:

• Ainda não está na página de preços do Azure. O link "View pricing" do catálogo leva à página de preços do Foundry Models, que lista outros modelos da Microsoft mas nenhuma linha do Microsoft-Decision-1 em 11 de outubro. O valor de $0.042 vem da publicação de lançamento e do OpenRouter.
• Sem preços regionais ou provisionados divulgados. Na mesma página do Azure, o MAI-DS-R1 da Microsoft custa 1,1 vez mais em implantações regionais do que nas globais. Nada confirma se o Microsoft-Decision-1 segue o mesmo padrão, então confira antes de escolher uma opção de residência de dados.
• Sem lista de regiões nem cotas. O modelo não consta na página de disponibilidade por região da Microsoft, e os limites de taxa não estão documentados.
• O seu SDK de chat não vai funcionar. No OpenRouter ele roda em um endpoint de Decisions separado, e "chat completions SDKs will not work with it." No lançamento, um desenvolvedor que o implantou no Foundry escreveu que "it doesn't say what to POST or what to expect back" (wkcheng, Hacker News). Reserve tempo de integração.
• Os pesos mudam por baixo dos panos. O OpenRouter observa que "weights are updated continually while the API shape stays the same." Se você definir um limite de confiança como "rotear automaticamente acima de 0.85", reveja-o após as atualizações.
• O limite de 32.768 tokens. Longas conversas de e-mail com anexos colados podem excedê-lo. Você precisará cortar, e a lógica de corte também é tempo de engenharia.

Nenhuma delas é um impedimento. São o estado normal de um modelo com dois dias de vida. Mas "GA" na ficha do modelo e "não está na página de preços" no Azure é uma combinação que merece um e-mail rápido ao seu representante do Azure antes de você se comprometer com volume.

Ele é preciso o bastante para justificar o preço?

O preço só importa se as respostas estiverem certas. Os números da Microsoft são fortes, mas são testes da própria Microsoft. Na sua comparação de 36 benchmarks (147.137 perguntas), a Microsoft reporta 83,5% de precisão média, à frente do Jev 1.13.0 com 82,3% e do GPT-6 Luna Decisions com 79,4%. Ele fica em terceiro em calibração, com 92,2 contra 93,7 do Jev.

Fonte: publicação de lançamento da Microsoft, todos os números executados pela Microsoft. A latência da Microsoft foi medida pelo Foundry na mesma região; as demais vêm do JevBench.

Vale conhecer duas verificações independentes. A medição própria do OpenRouter mostra uma latência p50 de 0,19 segundo, mais lenta que os 85 ms da Microsoft, o que faz sentido, já que inclui saltos de rede. E o Microsoft-Decision-1 ainda não aparece no ranking mantido pela comunidade Jev Decision Index, onde o decider da Perplexity e o Jev ocupam as duas primeiras posições.

Se você define limites sobre probabilidades, a calibração importa mais que a precisão. Um usuário do Hacker News resumiu essa troca: "if you need calibration better use JEV" (nowittyusername). A diferença é de 1,5 ponto, o que é pouco, mas favorece o Jev.

A Microsoft também compartilhou resultados internos: a equipe do Microsoft Copilot achou o modelo "competitive with GPT5.6 Luna and 100 times faster", e a Xbox Research o achou "200 times less expensive" que o GPT-6 Sol em mais de 10.000 itens de feedback. Sinais úteis, mas, de novo, autodeclarados. Se você está comparando com um modelo geral pequeno, meu texto sobre o GPT-5.6 Luna cobre esse lado.

O Microsoft-Decision-1 vale a pena para equipes de suporte?

A $0.042 por milhão de tokens, o preço do modelo deixa de ser um fator. A pergunta real é se você quer construir o sistema em torno dele.

O que ele entrega é a etapa de classificação da triagem de tickets: qual fila, quão urgente, se é spam, se este rascunho de IA é seguro para enviar.

O que você ainda precisa construir é tudo em volta: buscar o ticket pela sua API de helpdesk, escrever as perguntas (estes modelos de prompt de triagem são um bom começo), definir os limites, rotear com base na resposta e, por fim, resolver de fato o ticket.

Esse último passo é o caro, e é onde vi os erros de verdade. Em um teste com tráfego real em uma caixa de entrada de Zendesk de e-commerce, a triagem da eesel alcançou 93% de precisão e pegou 100% do spam, enquanto apenas 12% dos rascunhos de IA foram enviados sem edição. Classificar é a metade fácil. Responder bem é a metade difícil.

A pontuação de probabilidade continua sendo o mais útil nesses modelos. Um líder de CX com 7.000 tickets por mês colocou o requisito com clareza em uma ligação de vendas com a eesel:

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

Uma probabilidade calibrada é exatamente a ferramenta para isso. Então meu veredito:

• Use o Microsoft-Decision-1 se você tem engenheiros, já roda no Azure e quer triagem, roteamento ou verificações de segurança dentro do seu próprio produto ou pipeline.
• Use o Jev ou o Clef-flash se você está otimizando custo em volume enorme e não está preso ao Azure. A diferença de preço é pequena, então teste a precisão primeiro com os seus próprios dados.
• Pule a construção se o que você realmente quer é ter tickets classificados e respondidos dentro do seu helpdesk. Isso é um produto, não uma chamada de modelo, e você pode automatizar a triagem de tickets sem escrever código. Veja o meu resumo das melhores IAs para triagem de tickets.

eesel para a decisão e para o que vem depois

Se você está avaliando o preço do Microsoft-Decision-1 porque quer tickets roteados, etiquetados e priorizados, considere pular a construção. A eesel é um colega de IA para o seu helpdesk. Ela se conecta ao Zendesk, Freshdesk, Gorgias e outros em poucos minutos, aprende com os seus tickets anteriores e a sua central de ajuda, e toma as mesmas decisões de triagem no Zendesk e de escalonamento que um modelo de decisão tomaria. Depois escreve a resposta, atualiza o pedido ou passa para uma pessoa quando não está confiante.

O preço é por ticket, não por token. Os planos da eesel começam em $299 por mês por 500 créditos, em que um ticket ou um chat equivale a um crédito, não importa quantos passos o agente dê dentro dele. Com 5.000 créditos são $1,749 por mês, ou cerca de 35 centavos por ticket. É muito mais do que uma chamada de decisão, porque inclui o trabalho, não só a classificação. Comparado ao custo por ticket de um agente humano, a história é outra; meu detalhamento de custo de IA vs agente humano faz essas contas, e os preços do Zendesk AI mostram quanto custa o caminho do complemento nativo. Antes de entrar no ar, você pode simular o agente contra os seus tickets históricos para ver o que ele teria feito, que é como eu testaria qualquer um desses modelos de qualquer maneira.

Se você é desenvolvedor, a CLI da eesel dá o mesmo colega a partir de um terminal. npx @eesel/cli init chat-bubble --site <url> configura um workspace, eesel integrations conecta o seu helpdesk, eesel automations monta as regras de roteamento e eesel approvals permite aprovar ou negar ações que o agente reteve para revisão. É o mesmo agente do painel, e todo comando imprime JSON, então o Claude Code, o Cursor ou um script de CI podem controlá-lo. O eesel mcp token também expõe o workspace como um servidor MCP. Essa é a diferença prática em relação a um modelo de decisão: o modelo dá ao seu código uma probabilidade, enquanto a CLI dá ao seu código um agente de IA que age com base nela.

Você pode experimentar a eesel de graça com 100 créditos, sem cartão. Conecte o seu helpdesk, aponte-o para uma semana de tickets e compare o roteamento dele com o que o seu próprio pipeline de decisão faria.