北京时间10月23日（美东时间10月22日），OpenAI宣布全面开放决策API（Decisions API），这款基于GPT-6 Luna的接口从9月底DevDay的有限预览走到公开可用，只用了三周左右。它的工作方式不是对话也不是生成：开发者写好问题和几个备选答案，把内容发过去，模型直接从选项里挑一个返回，不生成多余的内容。官方口径是，它的决策速度最高可达GPT-6 Luna的10倍。知乎微博知乎
这条赛道的起点，是9月15日TypeSafe发布的决策模型Jev——不写文章、不聊天，专门做类型化判断，两个月内跟进者上百，微软、Cloudflare、Perplexity相继下场。9月底OpenAI端上来的Decisions API还是只对部分API客户开放的有限预览，10月7日便官宣面向所有开发者开启公测，如今GA落地，平台基础设施的位置正式坐实。 结论先行：对智能体路由、内容审核、客服分流这类高频、窄口径的判断任务，它是实打实的降本工具；但下面三类场景，再热也别盲目接入。知乎微博
第一类：想拿它直接换掉“大模型裁判”
Decisions API把输出锁死在三种类型里：predicate输出0到1的概率，choice返回候选项的分布，score给出档位评分，端点命名与Jev一一对应。比如score模式，三个等级概率若是0.1、0.7、0.2，它直接返回期望值1.1，天然适合阈值判断和优先级队列。知乎知乎
硬币的另一面是：它只在选项里做选择，不负责懂得多。约90亿参数的开源复刻模型Drex 1.5在决策榜单上已经和Jev分不出高低，知识题GPQA Diamond却只有45.4%，而Jev是78.6%。一篇medRxiv临床评测里，Jev的top-1是72%，落后前沿大模型的79.5%到87.4%。10月23日凌晨刷屏的一篇6款决策模型实测翻译稿给出同一分界：简单分类和路由，小决策模型完全能平替；一旦涉及深度知识和复杂推理，还是得靠大块头LLM。知乎知乎知乎
所以，把"乱调工具"“漏转人工”"泄露报错代码"混在一个大而全的Prompt里交给几分钱的模型当总裁判，它不会像聊天模型那样胡编，但等于把错误藏进选项里，错的形式只是变成了挑错选项。 Red Hat基准的结论也被社区顶到了前排：决策模型并没有胜过LLM-as-judge或传统分类器。 正确姿势是拆题：把宽泛的评估切成一组组预设选项的窄二分类，每类各用各的评估器，真正需要推理的部分留给大模型。知乎知乎
第二类：拿默认0.5阈值直接定生死
三类接口都输出概率，而概率恰恰是最深的坑。6模型实测里，作者从98条真实对话中找出61条翻车记录，画完打分分布发现好坏样本的分数在真实业务里本就重叠，可绝大多数工程师的代码里写的都是同一行逻辑——因为所有API的官方文档里，默认阈值都是0.50。知乎
把精确率、召回率双双不低于80%设成硬底线，六个选手最后只有Perplexity、Liquid d1-ultra和OpenAI Decisions挤进安全区，而且那还是调完阈值之后的结果。 概率数值本身也在被独立打假：一份Zenodo预注册测试用七个模型跑同一批799道未公开判断，只有Perplexity符合自己宣称的校准水平，Jev的结论是"不确定"。知乎知乎
nxtg-ai的复现更直接：Jev平均置信度0.66，实际准确率只有0.53，属于过度自信。 连"校准"这味药都不能照方抓药：实测里OpenAI Decisions本是六个模型中表现最佳的选手，作者按教科书流程给它套上Platt Scaling，Brier分数反而从0.159恶化到0.164。知乎知乎
工程文档的警告同样具体：一次返回0.92，表示的是模型对"当前陈述为真"的概率判断，不表示在你的业务上测得了92%的准确率。所以拦截、放行、退款这类动作自动化之前，阈值必须用自有业务样本校准，Prompt改动一次、闭环重跑一次，灰区请求留给人工复核——执行权始终留在代码和权限里，这正是这波实践收敛出的口诀：模型建议，代码决定。知乎知乎
而且，审核判断通过只表示可以继续进入执行流程，不能当作授权或业务成功的证明。厂商文档里那个默认值，从来不是物理定律。知乎
第三类：成本账和迁移路还没算清，就想“先接了再说”
先看账单结构。Decisions走Luna时每百万输入token收0.10美元，输出免费，也没有缓存读写费用，高频短判断的成本模型很友好。但同类对比要口径一致：Jev的输入价格是每百万token 0.042美元，约为前者42%。实测数据则更接近生产环境：每100次评估，Perplexity Decider只要0.82美分、F1 0.79，OpenAI Decisions是3.72美分、F1 0.87，整整贵出4.5倍。 溢价买到的是把最难分的数据分开的能力，任务本身简单、选项清晰、跑量又大时，这笔差价就是纯浪费。知乎知乎知乎
还有两个容易忽略的约束。一是供给单一：截至各轮报道口径，该接口仅支持GPT-6 Luna一个模型，无法换模型也无法微调，从预览到GA的阶段切换里，稳定性和定价都存在调整空间。 二是迁移成本：这代决策模型API在问题类型上谈拢了，端点和响应结构却各走各的，换一家供应商约等于重写一次适配层。 接入前先把provider抽象层做出来，不是可选项。知乎知乎
反过来，两种情况值得付这笔钱。一种是活儿里带图片：Jev至今只吃文本和JSON，图片处理是OpenAI的差异化优势。 产线上"挑出脏蛋、破蛋、留下干净蛋"的自动化质检，已经有人跑出"一分钱判46颗蛋"的实例。 另一种是整栈都在OpenAI生态里、直接经Responses API调用的团队，接入摩擦本来就小。知乎微博
这次"全面开放"真正的信号，不是多了一个新接口，而是"决策"被正式拆出大模型、变成独立售卖的基础设施：大模型负责写和想，决策模型负责选和判，代码负责闸。接入之前值得先问自己三个问题——这道判断能不能写成选项预设的窄选择题，手头有没有能校准阈值和概率的评测集，两边的成本账算不算得过来。任何一个是"否"，该谨慎的就不是API本身，而是"盲目"两个字。
