OpenAI 在 10 月 22 日把 Decisions API 全面开放。 这个接口只干一件事：把一段文字、一张图片或一份结构化数据，换成一个能直接进代码分支的判断结果，回答的必须是答案范围明确的问题。按官方介绍，相比通过 Responses API 调用同一模型，决策速度最高可达 10 倍。 公测阶段它就已面向所有开发者开放。 对开发者来说，真正省时间的是它把"让模型给个结论"压成了一次结构化调用：以前要写提示词、解析自然语言输出，还要防着模型多聊几句；现在拿到的是数值和概率，阈值规则可以直接配置。知乎小红书微博
三周三个版本，"全面开放"改了什么
9 月 30 日的开发者大会上，OpenAI 推出 Decisions API 补足实时决策能力，最初这个功能只是受限预览，只对部分 API 用户开放。 10 月 6 日，OpenAI 公布 Decisions API 公测。 正式版新增的是 GPT-Live 原生集成、提示词缓存、美国和欧盟的区域推理处理，同时支持原生 JSON 输入、在问题说明中加入图片，单次请求的问题上限由 200 个增至 400 个。知乎知乎小红书
先跑通最小请求
入口为 POST /v1/decisions，当前文档限定模型只有 GPT-6 Luna 一个。 接口支持三类结果：predicate 返回条件成立的估计概率，例如商品是否有明显损坏；choice 从预设选项中选择一个，例如继续、重试或追问；score 按有序等级评分，结果是各等级序号的概率加权平均值，因此可以落在两个等级之间。 三类输出的共同特征是结构化数值而非自然语言文本，后续的业务判断可以基于阈值直接自动化，无需额外解析模型输出。知乎小红书知乎
一次请求内，多个不依赖前序答案的问题可以放进同一个 questions 数组、共享同一份输入；依赖先前判断的决策应当拆成单独的请求。 电商平台的商品上架审核这类场景，能在单次请求里同时判断文字描述合规性和图片质量。知乎知乎
跑通之后，容易踩的四个坑
概率需要自己校准。 模型给的是估计概率，常见做法是设三段规则：概率超过 0.8 标记为高风险转人工复核，低于 0.3 自动通过，中间区间进入二次判断流程。 这三条线不能照抄：上线前抽取代表性样本，把模型输出与人工判断结果逐条对齐，再确定最优阈值。未经校准直接上线，误判率和人工复核成本都可能失控。知乎
别把平均分当成风险本身。 平均等级相同，严重错误的尾部可以完全不同：两组工单平均分都是 1，一组集中在中间档，一组对半分在最高和最低档，后者的预期损失远高于前者。如果最高档的业务损失远高于中档，应保留逐档概率、按动作的预期损失选路，一个平均分不足以替代这一步。知乎
等级描述也要先定义可观察的事实（比如"核心操作无法完成且没有已验证的替代路径"），不要把处理动作写进等级本身，否则同一个业务偏好会被重复编码。知乎
给拒答留路径。 文档示例存在 refusal 分支，应为"未作判断"保留独立处理路径；拒答、缺字段或解析失败都不能当成最低等级，否则风险会被静默吞掉。知乎
confidence 不是正确率。 接口返回的 confidence 字段，官方指南未公布具体计算方式，不能擅自把它当作最大档概率、分布方差或正确率来设阈值。知乎
成本与实测
定价上，未缓存输入每百万 token 收费 0.10 美元，缓存读取为 0.01 美元，输出 token 不收费；缓存写入另行计费，区域处理和长上下文也可能适用加价。 输出免费意味着一次判断的成本主要由问题描述和输入上下文决定，而不是模型回复的长度。作为对照，Jev 的输入价格是每百万 token 0.042 美元，但 Jev 当前仅接受文本与 JSON，涉及图片的质检、审核场景，OpenAI 可以在单请求内完成两类判断，Jev 需要额外的视觉模型配合，综合成本可能反超。小红书知乎
两个披露的客户测试数字：Box 在 30 个保险证明案例的评估里，路由选择约快 5 倍，准确率与 Responses API 相同，置信度较低的案例交给人工复核。 Speak 测试 GPT-Live 集成时，下一步动作的等待时间由 1.4 秒降至 0.13 秒，这些数字来自各自的测试场景。小红书
什么时候不值得接
当前专用接口只支持 GPT-6 Luna 一个模型，无法按任务切换或做特定领域微调。 它的适用边界也很清楚：需要高频、快速、结构化判断的任务——智能体路由、内容审核、客服分流、严重程度评估；低频或需要推理过程的开放问题，仍应留在通用接口。动手前可以先用 Playground 拿业务里反复出现的一个判断试一轮，确认问题和选项定义得足够清楚，再决定是否接入线上。知乎小红书
