什么是 OpenAI Decisions API?类型化答案、定价与使用场景

OpenAI Decisions API 是运行在 GPT-6 Luna 上的 POST /v1/decisions 接口,返回 predicate、choice、score 三类带类型的答案而非生成文本。本文拆解它的请求/响应结构、三种问题类型、计费规则,以及与 Structured Outputs、function calling 的选型边界。

用 Apifox,节省研发团队的每一分钟

什么是 OpenAI Decisions API?类型化答案、定价与使用场景

免费使用 Apifox

相关推荐

最新文章

API

一体化协作平台

API 设计

API 文档

API 调试

自动化测试

API Mock

API Hub

立即体验 Apifox
目录

OpenAI Decisions API 是一个 POST /v1/decisions 接口,运行在 GPT-6 Luna 上:输入文本或图片外加一组问题,返回的是带类型的答案而不是一段叙述文字——predicate 概率、带各选项概率的 choice,或基于有序等级的 score。输入按每 100 万 token 0.10 美元计费,不收输出、缓存读或缓存写费用。该接口自 2026-10-06 起处于公开测试阶段,OpenAI 表示预计将在“未来几周内”正式发布(GA)。

本文介绍这个接口的返回内容、计费方式、它与 Structured Outputs 和 function calling 的关系,以及如何测试。想看 curl、Python 和 JavaScript 的完整上手流程,请继续阅读「如何使用 OpenAI Decisions API」;如果你已经在用 Responses API,「Decisions 与 Responses 对比」会用两种方式完成同一个任务。全文我们将使用 Apifox 保存密钥、管理请求,并对 answers 数组做断言,让模型行为的变化在测试中失败,而不是让工单被错误分派。

AI Coding 交流群

如果你也在用 AI 写代码,或者正在研究 Cursor、Claude Code 这些工具,欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流,还有各种新工具和新玩法。

决策请求与响应的结构

三个请求字段,三个响应字段。没有 id,没有生成文本,无需解析。

类型 字段 内容说明
请求 model gpt-6-luna,目前唯一可用的模型
请求 input 一个字符串,或用户消息数组,内容可混合 input_text 与 input_image 两类部分
请求 questions 问题数组,每个问题带 type、必填的 instructions 和可选的 name
请求 safety_identifier 可选的终端用户 id,最长 128 个字符
响应 model 回显 gpt-6-luna
响应 answers 每个问题对应一条记录,按提问顺序排列,含 type 和 name
响应 usage input_tokens、input_tokens_details、output_tokens、output_tokens_details、total_tokens

注意这里没有的东西:temperature、reasoning、stream、store、tools 和 text.format 都不存在。需要这些参数时,请使用 Responses API。另外,OpenAI 官方参考示例中 output_tokens 为 0,这也是下面计费部分没有输出项的原因。

三种问题类型

每个问题都自带 type,同一次输入可以混合使用多种类型。相互独立的问题放进同一个请求;存在依赖关系(后一问取决于前一答)的决策,OpenAI 指南建议拆成多个请求分别发送。

predicate:是/否概率

predicate 判断某个条件是否成立,返回 0 到 1 之间、表示其为真的概率。

curl https://api.openai.com/v1/decisions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "input": "The box arrived crushed and the screen is cracked.",
    "questions": [
      {"type": "predicate", "name": "damaged",
       "instructions": "Is the product described as damaged?"}
    ]
  }'

OpenAI 官方参考示例对这个请求形状的返回如下:

{
  "model": "gpt-6-luna",
  "answers": [
    {"type": "predicate", "name": "damaged", "probability": 0.95}
  ],
  "usage": {
    "input_tokens": 42,
    "input_tokens_details": {"cached_tokens":0,"cache_write_tokens":0},
    "output_tokens": 0,
    "output_tokens_details": {"reasoning_tokens":0},
    "total_tokens": 42
  }
}

choice:从无序集合中选一个标签

choice 额外接受一个由 {value, description} 对象组成的 choices 数组:2 到 255 个不重复选项,value 可以是字符串或布尔值(true 与 "true" 是两个不同的值)。当你的分类覆盖不了所有输入时,OpenAI 建议加一个 other 之类的兜底选项。

{
  "model": "gpt-6-luna",
  "input": "I was charged twice for my order.",
  "questions": [
    {"type": "choice", "name": "department",
     "instructions": "Which team should handle this ticket?",
     "choices": [
       {"value":"billing"}, {"value":"technical"},
       {"value":"shipping"}, {"value":"other"}
     ]}
  ]
}

指南中针对这个输入给出的示例答案:

{"type": "choice", "name": "department", "choice": "billing",
 "probabilities": [
   {"value":"billing","probability":0.95},
   {"value":"technical","probability":0.02},
   {"value":"shipping","probability":0.01},
   {"value":"other","probability":0.02}
 ],
 "confidence": 0.93}

score:有序刻度上的位置

score 额外接受 levels 数组,元素为 {label, description},按从低到高排序。索引从 0 开始,返回的 score 是这些索引按概率加权后的平均值,因此可能落在两个等级之间。

{
  "model": "gpt-6-luna",
  "input": "Export fails in Safari but works in Chrome.",
  "questions": [
    {"type": "score", "name": "severity",
     "instructions": "How badly does this bug block the user?",
     "levels": [
       {"label":"Cosmetic"},
       {"label":"Workaround available"},
       {"label":"Fully blocked"}
     ]}
  ]
}

在指南的示例中,三个等级的概率分别是 0.1、0.7 和 0.2,得到 score 为 1.1、confidence 为 0.55。把 1.1 理解为“介于等级 1 和等级 2 之间,更靠近 1”。指南给出的选择规则:部门这类无序类别用 choice;严重程度这类有序等级用 score。

第四种答案类型 refusal 可能出现在任何单个问题上,形如 {"type":"refusal","name":...}。同一请求中的其他问题仍会正常返回答案,所以读取字段前要先按 type 分支处理。

速度:OpenAI 的说法

OpenAI 称 Decisions API 比 Responses API 快约 10 倍;公告的表述是最多比经 Responses 调用 GPT-6 Luna 快 10 倍。OpenAI 没有公布任何绝对延迟数字。OpenAI 论坛上有开发者反馈,在慢速网络下图片输入的决策请求约 0.8 秒返回——这只是个例,不是基准测试。在对外承诺之前,先测好自己的 p95。

定价:每百万输入 token 0.10 美元,仅此一项

使用 gpt-6-luna 时,输入按每 100 万 token 0.10 美元计费。你只为输入 token 付费:没有缓存读、缓存写或输出 token 费用。usage 对象里有 cached_tokens 和 cache_write_tokens 字段,但据 OpenAI 开发者论坛的一条回复,Decisions 目前没有缓存,预期取值为 0。

有两个计费倍率。输入超过 272K token 按 2 倍计费,折合每 100 万 token 0.20 美元(由定价页的长上下文倍率推算)。经美国或欧盟数据驻留端点做区域处理加收 10%。/v1/decisions 没有文档化的 Batch、Flex 或 Fast 档位,别按只存在于 Responses 上的折扣来做规划。

以工单分派场景算一笔账。一条 500 token 的工单、一次请求带三个问题,成本为 500 / 1,000,000 x $0.10 = $0.00005;一百万条这样的工单花费 50 美元。同样这条工单走 Responses API,40 token 的 JSON 标签按每百万输出 0.50 美元计算,在输入之外每条请求增加 40 / 1,000,000 x $0.50 = $0.00002——这还没算 reasoning token:Luna 在 Responses 上把它按输出计费,而 Decisions 完全不收。如实的说法是“Decisions 不收输出 token 费用”,而不是某个百分比。想看 Luna 完整费率表以及提示词缓存在 Responses 上的作用,请参阅「什么是 GPT-6 Luna」。

什么时候用 Decisions、Structured Outputs 或 function calling

OpenAI 自己画了这条线:需要符合你自定义 JSON schema 的对象(比如抽取出的字段或一段书面说明)时,在 Responses API 上用 Structured Outputs;需要模型发起带参数的工具调用时,用 function calling。Decisions 则用于内容分类、请求分派和工作项排序。

需求 选择
标签、概率或带置信度的严重程度 Decisions API
符合你 JSON schema 的对象(抽取字段、说明文字) Responses 上的 Structured Outputs
让模型挑选工具并填好参数 Responses 上的 Function calling
流式、会话状态、工具、缓存或 Batch Responses API

Structured Outputs 的 enum 能返回一个标签,但返回不了概率分布或 confidence 字段——除非你让模型自己写一个,而那是生成文本,不是测量得到的概率。Decisions 给你的是可以设阈值的数字。OpenAI 建议用你自己应用中的标注样本设定阈值,权衡误报与漏报的成本,因为官方没有公布任何准确率或校准数据。还在比较第二家类型化决策服务?「Decisions 与 Jev 对比」逐项列出了价格、输入和输出形状。

图片输入与 base64 注意事项

input 接受内容混合 input_text 与 input_image 的用户消息,detail 可选 low、high、auto(默认)或 original。指南要求图片必须是内联 base64 data URL,不支持托管 URL 和 file_id。API 参考又列出了可公开访问的 HTTP(S) URL,每次请求最多 128 张图。把 base64 当作文档明确支持的路径,托管 URL 先测通再依赖。

数据管控

符合条件的客户可以将 Decisions API 用于零数据保留(Zero Data Retention)和 HIPAA 场景。美国和欧洲(EEA 加瑞士)支持数据驻留与区域处理,端点分别为 us.api.openai.com 和 eu.api.openai.com。该接口可以从所有受支持的 API 区域访问,但某区域可访问不代表推理在该区域运行。滥用监测日志默认最长保留 30 天。如果你要分派的是患者消息,先读一读我们的「HIPAA API 合规指南」。

可用性:现在是公测,GA 将至

该接口已于 2026-10-06 对所有开发者开放公测,在 API 参考中列于“Beta APIs”之下。OpenAI 指南称 GA 预计在“未来几周内”,没有给出具体日期。SDK 示例要求 Python 3.26.0、JavaScript 7.30.0、Go 3.73.0、Ruby 0.101.0 或 Java 4.78.0 及以上版本;Python 和 JavaScript 中的调用方式是 client.decisions.create(...)。platform.openai.com/decisions 提供了一个 Playground,写代码前可以先试问题。官方没有公布 Decisions 专属的速率限制,请查看你所在组织的限制页面。Decisions 没有免费额度;想零成本使用 Luna,参见我们的「Luna 免费使用渠道」一文。

在 Apifox 中测试 Decisions 调用

带类型的答案天然适合做断言,这正是它的价值。三步就能覆盖大多数团队的需求。

密钥只存一次。把 OPENAI_API_KEY 放进 Apifox 环境变量,在 Authorization: Bearer 请求头里引用 {{OPENAI_API_KEY}},这样密钥原文就不会出现在共享请求里。

每种问题类型保存一条请求,并配置 JSONPath 断言:状态码 200、$.answers[0].type 等于 choice、$.answers[0].choice 等于 billing、$.answers[0].confidence 大于 0.8、$.answers[?(@.name=='damaged')].probability 大于 0.9、$.usage.output_tokens 等于 0——让计费意外在你的账单之前被测试抓住。

用标注数据定阈值。在 Apifox 里建一个测试场景,用同一请求跑一遍 CSV(工单文本 + 期望部门),在误报成本与人工复审成本相交的位置设定自动分派阈值。用 Apifox CLI 接入 CI,让模型或别名变更在测试中失败,而不是在客户那里失败。「上手指南」覆盖了每一步,包括 mock answers 数组,让前端在分派逻辑定稿前就能开工。

常见问题

Decisions API 是一个新模型吗?不是。它是一个接口(POST /v1/decisions),运行在 GPT-6 Luna 上。Luna 于 2026-09-22 发布,该接口于 2026-10-06 开放公测。

Decisions API 怎么收费?输入每 100 万 token 0.10 美元,不收输出、缓存读或缓存写费用。输入超过 272K token 按 2 倍计费,区域处理加收 10%。

它会按我自己的 JSON schema 返回吗?不会。它返回带 probability、choice 或 score 字段的 answers。要按自己的 schema 返回,请使用 Responses API 上的 Structured Outputs。

准确率怎么样?OpenAI 没有公布任何准确率或校准数据。请基于你自己的标注数据设定阈值;数据驱动的「LLM 测试场景」是可行的做法。

从哪里开始

挑一个你应用里现在用正则或“提示词+解析”循环实现的分派决策,把它改写成一条带 other 兜底的 choice 问题,在 50 条标注样本上跑一遍。如果置信度分布区分清晰,你就得到了一个阈值和一套测试;区分不开,说明问题的判定标准还需要更明确。想在保存好的请求和断言上做这个实验,下载 Apifox 并导入上面的 curl 即可。

开发必备:API 全流程管理神器 Apifox

介绍完上文的内容,我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、调试、设计、测试、Mock、自动化测试于一体的工具,Apifox 是目前提升研发效率的首选。

如果你正在开发项目,不妨试试其极其友好的界面设计,它完全兼容 Postman 和 Swagger 数据格式,导入数据非常方便,,即使是新手也能很快上手,点击这里即可注册使用。

Apifox

值得一提的是,除了个人和常规团队使用,针对有高安全合规要求、或需要在内网环境协作的企业,Apifox 还提供了深度定制的私有化部署方案。

获取专属报价与部署方案

icon 详细的私有化部署系统架构与安全白皮书
icon 针对您公司规模的专属报价单
icon 免费的 1v1 专属产品演示 (Demo) 机会
获取部署方案
* 提交后,我们的客户经理将在 1 个工作日内与您联系
林俊锋 企业微信
@Apifox 专属顾问
扫码备注: 私有化 + 公司名