Microsoft-Decision-1 текст бичихгүй: 85 мс-ийн сонголт хараахан бие даан шалгагдаагүй

2026 оны 10 дугаар сарын 9-нд Microsoft Microsoft-Decision-1 загварыг Microsoft Foundry болон OpenRouter-д ашиглах боломжтой болгож, сая оролтын токены үнийг $0.042 гэж зарлав. Qwen3.5-9B суурьтай энэ загвар текстэн хариулт бичихийн оронд хөгжүүлэгчийн урьдчилан тогтоосон хувилбар бүрт магадлал онооно. Ингэснээр хүсэлтийг ангилах, тохирох зам руу чиглүүлэх зэрэг богино шийдвэрийг ерөнхий зориулалтын хэлний загвараар гүйцэтгүүлэх өөр хувилбар бий болов.

The Diary of AI-ийн харьцуулалтын хүснэгтэд нийлүүлэгчийн өөрийн 36 шалгалтын 147,137 асуултад дундаж зөв хариулт 83.5%, Foundry дахь медиан хугацаа 85 мс гарсныг харуулжээ. Магадлалын тохируулгын оноо 92.2 болж, загвар энэ үзүүлэлтээр гуравдугаарт орсон. Бие даасан API хэмжилт бий ч 85 мс-ийн үр дүнг Microsoft-ийн хэрэглэсэн даалгавар, үйлчилгээний зам, тохиргоогоор давтан батлаагүй.

Бэлэн хувилбарт оноо өгдөг нь гол ялгаа

Загварын оролтод үнэлэх нөхцөл, түүнтэй холбоотой асуулт, зөвшөөрөгдсөн хариултууд орно. Хариулт нь тийм эсвэл үгүй, хэд хэдэн ангиллын нэг, эсвэл тогтоосон үнэлгээний шатлал байж болно. Гаралт дахь магадлалыг программ сонголт хийх, үр дүнг хяналтад шилжүүлэх зэрэг дараагийн үйлдэлтэй холбох боломжтой.

Ерөнхий хэлний загвараас ангилал асуухад программ түүний бичсэн өгүүлбэрийг дахин задлан унших шаардлага гарч болно. Харин энд боломжит хариултын хүрээг программ эхлээд тогтооно; загвар тэр хүрээнд оноо өгнө. Хүсэлтийн утгад тохирох ангилал жагсаалтад байхгүй бол хамгийн өндөр магадлалтай сонголт гарсан ч зөв шийдвэр болсон гэсэн үг биш. Ийм нөхцөлд «тодорхойгүй» гэсэн хувилбар тусгах нь хэрэглээний загварчлалын нэг боломж юм.

Магадлалын оноо нь шийдвэрт хэр итгэлтэй байгааг илэрхийлнэ, харин оноо өндөр байх нь бодит зөв байх давтамжтай заавал таарна гэсэн баталгаа биш. Ямар онооноос дээш үйлдлийг автоматаар үргэлжлүүлэх, ямар тохиолдолд хүнд шилжүүлэхийг тухайн системийн шаардлага тогтооно. Шийдвэрийн учрыг хэрэглэгчид тайлбарлах эсвэл шинэ хариулт зохиох шаардлагатай бол текст үүсгэдэг загварын ажил хэвээр үлдэнэ.

Ерөнхий хэлний загварын ямар ажлыг орлож болох вэ

Чиглүүлэлтэд орж ирсэн хүсэлтийг аль загвар, хэрэгсэл эсвэл баг боловсруулахыг бэлэн жагсаалтаас сонгож болно. Энэ нь ерөнхий загвараар замын тухай тайлбар бичүүлээд түүнээс сонголт ялган авах алхмыг орлоно. Харин сонгосон замаар очсон хүсэлтэд утгатай хариу боловсруулах, хэрэгсэл ажиллуулах үүрэг тусдаа үлдэнэ. Чиглүүлэх боломжууд тодорхой байх тусам хаалттай сонголтын давуу тал илүү ойлгомжтой болно.

Ангилалд санал хүсэлт, хэрэглэгчийн зорилго эсвэл агуулгыг урьдчилан тогтоосон шошгонд хуваарилна. Xbox Research тоглоомын талаарх нээлттэй санал, тоймыг судлаачдын тогтоосон сэдвүүдэд ялгахдаа загварыг ашигласан нь бодит хэрэглээний жишээ юм. Энд гарах үр дүн нь саналын шинэ тайлбар биш, аль сэдэвт хамаарах тухай сонголт. Ангиллын жагсаалт судлаачдын хайж буй ялгааг тусгаагүй бол загварын хурд тэр дутагдлыг нөхөхгүй.

Хамгаалалтын шалгуурт хүсэлт, үүсгэсэн хариу эсвэл агентын санал болгосон үйлдлийг зөвшөөрөх, зогсоох, хяналтад шилжүүлэх хувилбараар үнэлж болно. Ийм оноо программын дараагийн үйлдэлд шууд хэрэгтэй. Гэхдээ ямар агуулгыг эрсдэлтэйд тооцох, буруу зөвшөөрөл болон буруу хоригийн аль нь илүү ноцтойг шийдэх бодлого загвараас гадуур тогтоогдоно. Оролтын сонголт болон шийдвэрийн босго нь тэр бодлогыг хэрэгжүүлэх хэсэг юм.

AI-ийн хариултыг үнэлэхэд өөр загварын бичсэн текст эсвэл агентын хийсэн алхмыг тогтоосон шалгуураар хүлээн авах, засуулах, татгалзах эсэхийг оноож болно. Энэ нь хариулт бүрийг ерөнхий хэлний загвараар дахин урт тайлбарлуулж шалгах зарим дуудлагыг орлох боломжтой. Харин алдааны учрыг дэлгэрэнгүй тайлбарлаж, зассан хувилбар бичих ажил хаалттай сонголтын гаралтаас илүү зүйл шаарддаг. Иймээс шийдвэр оноох болон хариулт бүтээх үүргийг нэг урсгалд тус тусад нь байрлуулж болно.

Нийлүүлэгчийн тоо юуг хэмжсэн бэ

Нийтэлсэн зөв хариултын дундаж нь нэг төрлийн ангиллын даалгаврын оноо биш. Харьцуулалтад чиглүүлэлт, эрэмбэлэлт, урт оролт, олон хэл, аюулгүй байдал зэрэг өөр өөр ажлыг нэгтгэсэн. Нийлмэл дундаж олон хэрэглээг хамарч буйг харуулах боловч Монгол хэл дээрх байгууллагын хүсэлт, өөрийн шошго, дотоод хамгаалалтын дүрэмд ижил үр дүн гарна гэсэн амлалт болохгүй. Тухайн байгууллагын ангиллын бүтэц нийтэлсэн шалгалтын даалгавраас өөр байж болно.

Хугацааны харьцуулалтад загварын тооцооллоос гадна хэмжсэн зам ордог. Нийлүүлэгч өөрийн загварыг Foundry-гаар хэмжсэн бол хүснэгтэд орсон бусад загварын зарим хугацаа өөр шалгалтын системээс авсан. Ийм ялгаатай замын тоог нэг тоног төхөөрөмж, нэг сүлжээ, нэг хүсэлт дээр зэрэг ажиллуулсан хурдны уралдаан мэт уншиж болохгүй. Хүсэлтийн хэмжээ, үйлчилгээний байршил, хэмжигчээс үйлчилгээ хүртэлх сүлжээ эцсийн хүлээлтэд нөлөөлнө.

Зөв ангиллыг олох чадвар, магадлалын тохируулга хоёр өөр шинж юм. Загвар олон асуултад зөв хариулсан ч өндөр итгэлтэй өгсөн хариулт нь бодит байдал дээр түүнтэй дүйх давтамжтай зөв байх шаардлагатай. Автоматаар зөвшөөрөх эсвэл хүний хяналтад шилжүүлэх босго хэрэглэдэг системд энэ зөрүү шууд нөлөөлнө. Иймээс зөв хариултын дундаж ганцаараа шийдвэрийг ямар итгэлийн оноонд хэрэгжүүлэхийг тогтоохгүй.

Бие даасан API хэмжилт ямар зөрүү үзүүлэв

10 дугаар сарын 10-ны JevBench-ийн Azure Foundry API хэмжилтэд хурдны 124 хүсэлтийн медиан хугацаа 459 мс гарсан; 10 дугаар сарын 12-ны урьдчилсан дахин хэмжилтийн хүснэгтэд 0.34 секунд гэж бичигджээ. Энэ нь загварт хийсэн бие даасан шалгалт боловч нийлүүлэгчийн өөрийн хугацааны туршилтыг ижил нөхцөлөөр давтсан шалгалт биш. Шинэ урьдчилсан мөр нь ч анхны бүрэн багцтай адил хэмжээний даалгавар ашиглаагүй.

Өөр багц даалгавар, өөр хэмжигч, үйлчилгээ рүү очих өөр зам хэрэглэсэн тул гарсан хугацааны зөрүүг зөвхөн загвар удаан ажилласны нотолгоо гэж үзэх үндэсгүй. Түүнчлэн бие даасан шалгалтын чадварын оноог нийлүүлэгчийн зөв хариултын хувьтай зэрэгцүүлэн эрэмбэлж болохгүй: асуулт, онооны арга нь өөр. Харин үйлчилгээний замыг багтаасан хугацаа зарласан медианаас өөр гарч болохыг энэ хэмжилт бодитоор харуулж байна.

Монголын автоматжуулалтын багийн хувьд энэ загварын тодорхой санал нь бэлэн сонголттой шийдвэрийг бичвэр үүсгэх ажлаас салгах явдал. Үйлчилгээнд мэдрэгдэх хугацаа, монгол оролтын ангилал, магадлалд суурилсан хяналтын босго нь ашиглах даалгавар болон үйлчилгээний замаас хамаарна. Нийлүүлэгчийн зарласан хурдны яг ижил нөхцөлтэй бие даасан давтан хэмжилт гарах хүртэл түүнийг бүх хэрэглээний хүлээлтийн хугацаа гэж тооцох боломжгүй.

Мөн уншаарай:

• Shopify эсвэл WooCommerce: Монголын төлбөрийн хязгаар сонголтыг эргүүлнэ
• Монгол яриаг текст болгох нь: Whisper-ийн үнэгүй үнэ алдаанд унадаг
• AWS-ийн хөнгөлөлтөд шууд бүү түгж: ашиглаагүй цаг буцаад ирэхгүй