原始来源日期:2026-10-22。OpenAI宣布Decisions API从公开测试进入正式可用,定位不是生成长文本,而是为应用和Agent执行分类、路由、风险判断和下一步动作选择。接口基于GPT-6 Luna,但要求开发者预先定义问题和允许的答案,把输出限制在概率、离散选项或按等级加权的评分,以降低自由生成带来的延迟和解析成本。
正式版支持文本、图像和原生JSON输入,一次请求最多可提交400个问题,是测试阶段上限的两倍。OpenAI还加入重复上下文的提示缓存、美国和欧盟推理驻留,并扩充亚洲区域容量。与GPT-Live的原生集成允许系统在语音转录增量事件中触发决策,例如判断是否追问、转接或调整界面反应,再把结果作为结构化事件交给应用。
定价为每百万输入令牌0.10美元,缓存输入0.01美元,不单独收取输出令牌费用;服务可申请零数据保留。这个计费方式与短输出、批量问题的产品形态相匹配,但真实成本还取决于上下文长度、调用频率、失败重试和是否能命中缓存。开发者需要把决策置信度、默认行为和人工复核阈值放在业务层,而不是把概率值直接当成事实。
官方列出的早期案例覆盖文档路由、Agent命令风险评估、成本归因和实时对话。Box称在30个保险证明案例上路由速度约快五倍且准确率相同;Datadog称p95延迟快40倍;Ramp称速度快四倍、成本低30%;Sierra与Speak也给出更低延迟数据。这些数字来自客户陈述,测试集、基线和生产流量并不统一,不能横向合并成通用性能结论。
OpenAI称相较通过Responses API调用同一基础模型,Decisions在有界问题上最高可快十倍。其工程含义是把“模型先写一段话、程序再解析”改成受约束的决策接口。不过,这并不会自动解决分布漂移、错误置信度或高风险动作授权;当选项设计遗漏真实状态时,模型仍可能稳定地返回一个错误但格式正确的结果。
量仔观察
本站判断,Decisions API值得关注之处是把Agent基础设施中的小判断做成独立产品层,而不是再增加一个通用聊天模型。它适合放在高频、可枚举、可回退的路径,例如意图路由和低风险排序;涉及资金、权限或破坏性操作时,仍应保留规则校验、阈值监控和人工确认。厂商展示的延迟与成本优势需要在自己的数据分布、地区和并发条件下复测,尤其要记录置信度失准和兜底路径。
