11 月 17 日,微软在 Ignite 上给 Microsoft Foundry 加了持续改进闭环。每次运行留下 trace,专家在 trace 上标注对错,标注过的样本转成评测集,评测集再沉淀为黄金数据集,此后每个新版本都要拿这份答案跑一遍,上线版本自动成为下一轮基线。
找问题的一环叫 Insights,现已 GA,把反复出现的问题聚类、附上证据并指向可能原因。在 Foundry 之外用 LangGraph、LangChain、CrewAI 搭的智能体,也能接进同一套观测。
改的一环是 Agent Optimizer,调整指令、技能与模型选择,每个候选改动先过评测再交给人看,团队不点应用就不动生产。技能优化会从历史工作与专家反馈里总结可复用的做法,带版本、可回滚;成本优化则去找更小的模型而不掉质量。
规模与数字。Foundry 接 11,000 个以上模型,官方称模型路由最多省 65% 的调用开销。阿拉斯加航空用 MAI-Code-2-Flash 给维修报告按 ATA 章节分类,开箱 81.2%,调优后 91.1%,官方称超过 GPT-6 Astra 与 GPT-6.1 Sol 且成本更低;NTT DATA 把这套闭环用在项目管理智能体上,准备铺到 1,000 个以上内部项目。
同日还放出语音智能体 GA、智能体的 Microsoft 365 账户预览、托管智能体上 AKS 将进预览、Foundry 成本视图预览。闭环效果取决于专家标注的密度,这部分人力投入与提升幅度没有公开数据,65% 也是与全部调用都走前沿模型相比的自测值。