一、技术背景：结构化输出的三条路线
让大模型做分类/审核/分流，目前有三条技术路线：
- Prompt 工程：提示词里要求输出 JSON。失败率最高，模型会输出代码块标记、注释、单引号、多余客套话
- Schema 约束解码：OpenAI Structured Outputs、各家 JSON mode。底层用 token 概率遮罩保证格式合法。OpenAI 官方数据：JSON mode 失败率 5-10%，Structured Outputs 压到 0.1% 以下。代价是依然要生成全部输出 token，延迟和成本照付
- 砍掉文本生成（本文主题）：百炼 2026-09-24 上架的 decision-model-preview，配套 TypeSafe System One 协议。最大输出长度为 0，不生成任何文本，一次前向直接返回概率、置信度、分类的结构化响应
第三条路线的工程意义：无文本可解析（解析失败率结构性归零）、输出 token 为 0（成本形态改变）、服务端 p50 实测 46.3ms（延迟进入实时链路可用的量级）。
二、协议要点
端点：POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/systemone
请求体三部分：
| 字段 | 类型 | 说明 |
|---|---|---|
| model | string | 模型名，本包用 decision-model-preview |
| state | String | Object | Array | 待判定内容 |
| questions | map | 问题集合，建议 ≤16 个 |
三种问型：
- choice：多选一。criteria 为 key→描述 映射。响应含 choice、confidence、probabilities（完整分布）
- noul：是非概率，响应含 noul（0-1）
- score：有序量表打分，criteria 为 2-255 级数组。响应含期望分和各级分布
参数边界：questions 官方建议不超过 16 个；state 上下文窗口 65536 token；最大输出长度 0 写死在模型配置，不是可调参数。响应还带 latency_ms 和 usage.input_tokens（无 output_tokens，印证零生成）。
三、一次前向多任务实测
工单分流场景：一次请求混排三问（choice 5 项 + noul + score 4 级），48.7ms 返回 157 input tok：
json
{"department": {"choice": "other", "confidence": 0.71,
"probabilities": {"billing": 0.21, "technical": 0.02,
"logistics": 0.0, "account": 0.01, "other": 0.77}},
"escalate": {"noul": 0.98},
"severity": {"score": 2.22, "probabilities": {"2": 0.75, "3": 0.24}}}escalate 与 severity 正确，department 错判：工单是「支付 24 小时未到账」，criteria 中 billing 明写「支付、退款和账单问题」，却给了 other（0.77 vs 0.21）。
机制分析：五个选项四个描述具体，other 是「以上都不是」兜底。语义横跨支付与账务的样本被兜底项吸收。结论：choice 判定受 criteria 措辞粒度直接影响，各选项描述需等粒度设计，兜底项会吸走模糊地带。
四、校准实测：阈值不能直接搬
5 组 × 4 条 = 20 条评论区样本（明确广告/明确辱骂/擦边/变体字/正常），每条独立调用，双问（violation noul + category choice）。按 0.9/0.6 教科书阈值分流：
| 分流档 | 条数 | 关键样本 |
|---|---|---|
| 自动处置 ≥0.9 | 0 | --- |
| 人工复核 0.6-0.9 | 3 | 0.87（加微信广告）/ 0.82（辱骂）/ 0.79（薇❤变体广告） |
| 放行 <0.6 | 17 | 擦边 4 条全对（0.03-0.18）；同组辱骂「滚回你的村里种地去吧」仅 0.32 |
延迟面补两个口径：服务端 p50 46.3ms（18/20 在 41.9-52.5ms 窄带，2 条毛刺 1835/2370ms）；客户端端到端 p50 237.9ms（含 HTTP+TLS）。对外承诺用客户端口径，别拿服务端数字直接写 SLA。
五组 violation noul 全分布：
| 组 | 4 条样本 noul |
|---|---|
| 明确广告 | 0.87 / 0.42 / 0.47 / 0.53 |
| 明确辱骂 | 0.82 / 0.50 / 0.50 / 0.32 |
| 擦边阴阳 | 4 条全在 0.03-0.18 |
| 变体字 | 0.79 / 0.38 / 0.05 / 0.34 |
| 正常讨论 | 0.01 / 0.24 / 0.52 / 0.02 |
两个读法：辱骂组两条正好卡在 0.50，模型对它们真的没把握；正常组那条 0.52 就是「请问支持流式输出吗」，无害提问拿了过半违规概率。
保守校准 是核心特征：确凿样本才给高分，带语义空间的样本概率整体下压。广告组内部分化明显：「加微信 xxx888888」0.87 vs「同行价格更低找我」0.42，文字越不像广告分越低。阈值必须用自有样本标定，文档示例阈值直接进生产等于自动化率为 0。
标定流程四步：拉 50-100 条自有真实样本（覆盖所有预期类型，别用公开数据集）；每条双问跑完记完整分布，不只记 top1；给错误定价，漏放一条违规和误杀一条正常各是什么代价，把切点放在可接受的位置；人工队列常设，阈值只调自动通道宽度，不决定人工存不存在。一个下午能跑完。
五、下游校验设计要点
- 交叉矛盾：noul 与 choice 以 0.5 为界不一致的比例 6/20（例：noul=0.52 而 choice=normal 的「请问支持流式输出吗」）。0.5 附近信号应路由人工而非自动处置
- 概率量化：probabilities 两位小数，20 条中 9 条和为 0.99 或 1.01。校验必须留容差（如 |sum-1|<0.02），精确等值校验会误杀 45% 正常响应
- 变体字：「薇❤ aaa888 领/取/全/套/资/料」抓到（0.79）；「威信 same as 上面，懂的都懂」0.05 高置信放行，中英混排+指代是盲区。高置信放行意味着不会进人工队列，需第二道工序（关键词粗筛/抽样人审）
- state 数组非批量：传 4 条评论的数组会被序列化成单 state 返回聚合判定（noul=0.63），批量走并发单调用
六、对照组与工程备注
qwen3.8-flash JSON mode 同 20 条对照：20/20 解析通过（2026 年 JSON mode 可靠性已可用），p50 3857.6ms / max 6613ms，20 条 3603 in + 3175 out tok，成本 ≈0.0115 元。83 倍延迟差（p50 对 p50）的选型含义：离线批处理 flash 足够；实时链路（聊天意图识别/实时分流/inline 风控）只有 46ms 量级能进。
token 形态的差异比金额有意思：flash 的账单随「话多少」浮动，prompt 变长、输出变啰嗦都会推高成本；决策模型只随调用量线性，单条均值 106.4 个输入 token、0 输出。预算模型从「按字数估价」退化成「按次数估价」，财务上好算得多。
CLI 审计三坑（bl log audit list）：
--model过滤对 systemone 流量不生效（totalCount=0），需客户端按originLog.model过滤--max-results超 20 静默返回空（不报错）- 响应无翻页 token 字段，
--next-token不可用，分页用--skip递增
对账：当日 166 条审计记录中 23 条 decision 调用，input_tokens 合计 2408，与实测侧 34+157+2128+89 逐条一致。每条记录带 request_id、start_time、duration、status_code，usage 是嵌在日志行里的 JSON 字符串，需二次 json.loads。另实测确认 state 数组非批量接口。
七、结论
decision-model-preview 把「结构化输出可靠性」从约束解码问题转成了免生成问题：46ms p50、零输出 token、无解析环节。接入前两件事必须做：自有样本标定阈值（保守校准，0.9/0.6 照搬=自动化率 0%）、下游校验按量化概率设计（容差与人工路由）。限免期成本为 0，是验证场景匹配度的窗口期。