TL;DR ：你的 agent 每天要做一万次「这个小但不重要」的决定：这条评论是不是垃圾、这个请求路由给谁、agent 该重试还是该问用户。用大模型做这些决定，又贵又慢。10 月 22 日，OpenAI 把 Decisions API 转正：专用端点只回答「答案有限」的问题，返回概率、选项或分值，官方称最快快 10 倍，定价 $0.10/百万输入 tokens 且不收输出费 。值得玩味的是两个背景：一是 TechCrunch 证实这完全是追赶动作------TypeSafe 的 Jev 一个月前开创了「决策模型」品类，OpenAI API 产品负责人原话「我们有上百万个用例」；二是 OpenAI 没有训练新模型，只是把 GPT-6 Luna 重新配置了一遍。独立评测则给整个赛道泼了冷水：包括 OpenAI 和 Jev 在内，所有决策模型都会过度自信，而在一个固定分类任务上，一个微调过的 MiniLM 小模型把它们俩全干了。
发生了什么：只给「有界答案」的端点转正
先说清这个产品是什么。传统 LLM API 的输出是一段生成文本，而 Decisions API 的输出契约完全不同：你定义问题和允许的答案，它只从三种格式里返回一种------
| 类型 | 用途 | 返回 |
|---|---|---|
predicate |
判断条件是否成立（「这张图里包裹有没有破损」） | 0 到 1 的概率 |
choice |
从预设选项里挑一个（「agent 该继续、重试还是问用户」） | 选中项 + 各选项概率 + 置信度 |
score |
按有序量表打分（「损伤严重程度」） | 概率加权的分值 |
上下文可以是文本、图片或原生 JSON，单次请求最多塞 400 个问题（公测期的两倍）。端点是 POST /v1/decisions，官方文档写明当前唯一支持的模型是 gpt-6-luna。
定价是这次发布里最「反常规」的部分： 0.10/百万输入tokens，缓存输入0.01/百万，输出完全免费。OpenAI 的逻辑很直白------决策端点的「输出」只是一个词，按输出计费毫无意义，不如把定价整个压到输入侧。官方称这个端点比通过 Responses API 调用同一个 Luna 快最多 10 倍。
GA 版本还带了几样新东西：与实时语音栈 GPT-Live 的原生集成（语音助手里 100 毫秒级决定「要不要追问用户」这种事，原来只有专用模型扛得住）、prompt 缓存、美欧推理驻留、亚洲区域新增容量。
背景：一个品类，从诞生到红海只用了四周
把时间线摊开，你会发现这不是一次从容的产品发布，而是一场追击战：
- 9 月下旬：TypeSafe（一家由前前沿实验室研究员创立的公司）发布 Jev------专为「快速分类 + 置信度输出」训练的专用模型，开创了媒体所称的「决策模型」或「System One 模型」品类。开发者很快发现这类模型能在一堆工作流里替掉 LLM，更快、便宜一个数量级。
- 9 月 29 日：OpenAI 在 DevDay 上宣布 Decisions API。TechCrunch 后来挖出了内幕：OpenAI API 产品负责人 Nikunj Handa 承认，团队看到 Jev 后的第一反应是「wow，我们有上百万个用例」，然后全组冲刺上线自家版本。
- 10 月 6 日：公测开启，HN 公测帖拿到 370 分、215 条评论------这是这个产品最大的公开讨论。
- 10 月 13 日：Artificial Analysis 发布首个独立决策模型榜单。
- 10 月 22 日：正式版（GA）。
- 一个月内：Perplexity、Liquid AI、Cloudflare、Fastino、微软等至少六家厂商跟进出货自己的决策模型（Hexploits 汇总口径）；国产决策模型也在同一周发布。
一个全新品类从零到红海，四周。
OpenAI 的牌：不是新模型，是「重配的老 Luna」
这里有个值得澄清的关键细节------各家报道口径一致：OpenAI 没有为决策任务训练任何新模型。Handa 对 TechCrunch 说得很坦白：
「大的解锁是速度，把 1 到 3 秒压到了 100、120、180 毫秒。未来我们可能会做专门训练让模型在这些方面更强，但现在，就是老 Luna 在干活。」
这与 Jev 形成鲜明的路线分野：Jev 是从头训练的专用分类模型（输入成本低至 $0.042/百万 tokens，约为 OpenAI 的一半不到），OpenAI 则赌通用模型的工程化重配足以应战，换取的是生态、存量集成和图片输入能力------Jev 目前只吃文本。
独立评测：赛道很热，但人人都有软肋
厂商数字都漂亮，独立测试就诚实多了。三份值得细看的：
Artificial Analysis Decision Index（10 月 13 日，首个独立榜单） ：Jev 1.13 以 58 分领跑专用决策模型；有趣的是对照组------Claude Haiku 5.5 以 61 分更高，但慢约 11 倍、贵约 4.4 倍。更重要的是那条全场通杀的结论：在知识与推理类任务上，所有决策模型的实际准确率都低于它们自己报的概率。模型说 0.95 置信时，它没那么准。
StackToHeap 银行意图测试（770 题） ：OpenAI 78.96% vs Jev 81.17%，各给两个示例后 84.16% vs 85.32%------close，但最扎眼的是第三个选手：一个微调过的 MiniLM 小模型拿了 89.87%，把两个「决策模型」全干了。速度上 OpenAI 反而更快（144ms vs 298ms），校准误差也更小（4.35% vs 9.33%）。
开发者实测的坑 （HN 帖与博客）：改一改选项顺序，概率就变了；把问题打包成一个请求，答案也会漂移（Perplexity 的文档自己承认这点）；有测试者在普通银行类查询上拿到「无理由、无概率」的拒答。一篇博客的对照实验还发现：把一个复合问题拆成三个 true/false，Decisions API 准确率立刻追平完整 Luna 调用，而 Jev 反而在不拆分时表现更好------同一份官方建议，对不同模型效果相反，迁移经验基本不可靠。
对开发者意味着什么
把三份评测叠在一起，选型逻辑其实清晰了：
- 高频、有界、热路径（路由、门控、分类、评分）：决策端点是合身工具，尤其语音实时场景，GPT-Live 集成是 OpenAI 独有的牌。
- 固定分类体系、追求精度上限：别迷信任何「决策模型」营销------StackToHeap 那个实验说明，几百条标注数据微调一个小模型，可能同时打败所有云端端点，还没有网络延迟。
- 概率当参考，别当真理：全场过度自信意味着你的代码必须拿自己的标注数据做校准，而不是直接信模型给的 0.95。
还有一个容易被忽略的点：只收输入费 ≠ 总成本低。输入上下文塞得越长，账单照样涨；把 prompt 精简到刚好够判断，才是这个定价模型的正确打开方式。
这场「决策模型」竞速其实揭示了一个正在成型的分工：大模型负责「想」，决策模型负责「反应」。四周前这个市场还不存在，现在它已经有独立榜单、六家厂商和一份共同缺陷清单了------按这个速度，下一次显著变化可能不需要再等一个月。
参考来源
- OpenAI 官方公告：Build more responsive apps with the Decisions API（2026-10-22）
- TechCrunch：OpenAI makes its Jev competitor widely available as decision model competition heats up（含 Handa 采访）
- Unite.AI：OpenAI Makes Decisions API Generally Available with GPT-6 Luna
- Artificial Analysis Decision Index（2026-10-13）；StackToHeap 银行意图测试（2026-10-08）
- Hamel's Blog：How To Use Decision Models for Evals
- Hexploits：Decision APIs --- Fast, Cheap AI Judgements and Where They Fall Short
- decipher99：拆分问题实验
- HN 公测讨论（370 分/215 评论，经 HN Screenshots 存档）