让 AI 决定“该调用哪个工具”，通常不需要它写一篇长文，只要迅速选对即可。Mica v0.5正是为此设计的4B决策模型——读取问题和候选项后，直接给出选择、排序或分数。作者称，它在单张 RTX 6000 Ada 上处理256个 token（模型读取文本的基本单位）时，每次决策耗时19.8毫秒；输入增至32k token，耗时约1.2秒。
这个方向值得关注，因为路由请求、筛选工具和评价候选答案都是高频环节，几十毫秒的差距会不断累积。Mica还能充当 Judge model，也就是给其他模型答案打分的“自动裁判”。作者报告，它在 JevBench Hard 获得84/111，并称这是其找到的4B模型中最好成绩；打乱选项后，97.3%的情况下仍会选择同一答案。不过，这些速度和准确率目前都来自作者自测，且延迟会受显卡、输入长度和软件栈影响，仍需独立复测。