摘要：OpenAI 上线了 Decisions API 公开测试版：一个专用端点 POST /v1/decisions，模型不再生成自由文本，而是对同一份输入一次回答多个类型化问题，直接返回概率、选项或分数。官方文档称其速度比 Responses API 快约 10 倍；当前唯一可用模型是 gpt-6-luna，并且只按输入 tokens 计费，每百万 0.1 美元。Vercel AI Gateway 已于 10 月 7 日同步接入。本文讲清三种问题类型、计费方式与四条接入路径。
做过后端的人对这类调用都很熟：给工单分流、判断一句话是不是投诉、给回复按评分标准打分、决定该走哪个模型。这些"判定型"任务过去只有一种做法——发起一次完整的生成式补全，在提示词里千叮万嘱让它只输出 JSON，然后在代码里解析、校验、重试。为了拿一个"是或否"，你付出了整段生成的延迟和费用，还要承担解析失败的概率。Decisions API 把这件事从生成里拆了出来。
发生了什么：一个专用的 /v1/decisions 端点
根据 OpenAI 开发者文档，Decisions API 评估文本、图片或两者，返回类型化的答案，官方文档的原话是"比 Responses API 快约 10 倍"。请求带 model、input、questions 三个字段，每个问题有唯一的 name，多个相互独立的问题可以共用同一份输入、放进同一次请求，答案按问题顺序以数组返回。问题分三种：predicate 回答是或否，返回 0 到 1 之间的 probability；choice 从你给定的取值里挑一个，附 probabilities 数组和 confidence；score 按你定义的评分等级打分，返回等级指数的概率加权平均——因为做了加权，分数可能落在两个等级之间，比如 2.6。
还有一个值得注意的细节："多个问题共享同一份输入"不是简单的语法糖。过去你要为意图、部门、紧急程度发三次请求，同一段上下文被计费三遍、延迟叠加三回；现在三次判定合并进一次请求，输入 tokens 只算一次，答案仍按问题顺序逐一返回。这也是它整体成本和延迟能压下来的另一半原因——省的不只是输出，还有重复的输入。
计费：只收输入的钱
费用结构是这次最反直觉也最友好的部分：gpt-6-luna 输入每百万 tokens 0.1 美元，没有缓存读取、缓存写入和输出 token 的任何计费——判定答案本身不占输出费用。区域处理溢价与长上下文乘数照常适用。合规面上，官方支持零数据保留（ZDR）与 HIPAA 场景，数据驻留可选美国或欧洲（EEA 加瑞士）。图片输入只能用 base64 内联的 data URL，不支持外链地址，也不支持 file_id 引用。Vercel 侧的接入值得单独说一句：网关把它挂成了独立的模型 ID openai/gpt-6-luna-decisions，与文本模型 openai/gpt-6-luna 分开，请求打到 decisions ID 就按 Decisions API 的费率走；同一个网关里还能选 Jev、Liquid d1、Laya 等其他决策模型。
完整工作场景：客服工单一次请求完成分流
假设你在维护一个客服系统，用户留言"我被重复扣了两次款"。旧做法是拼一段提示词，让模型输出 JSON，解析出意图、部门和紧急程度三个字段，任何一个字段不合法就整体重试。现在一次 decisions.create 调用带上三个问题：一个 predicate 问"这是否是账单类投诉"，一个 choice 在 billing 和 technical 里二选一，一个 score 按 1 到 5 的等级给紧急程度打分。三个答案按 name 取回：predicate 给出 0.97 的概率，choice 直接落到 billing，score 返回 4.2——按分数划进高优先级队列。整段调用没有任何自由文本需要解析。同样的套路还可以放在质检环节：按评分标准给模型的回复打分，低于阈值的会话转人工，整条流水线里没有一个节点需要解析自由文本。SDK 侧，OpenAI SDK 需要 JavaScript 7.30.0 或 Python 3.26.0 以上才有 decisions.create；用 Vercel AI SDK 的话，ai 7.0.128 起提供 experimental_decide，布尔问题写作 boolean 类型；此外还有现成的 HTTP 接口 /v1/evaluate 和 AI CLI 两条路。
为什么这改变工作流
把镜头拉远一点，这不是孤立动作。llama.cpp 上线了 Decision Models，Cloudflare 开源了决策模型 Clef，Vercel 一周前刚给 AI Gateway 加了置信度回退——判定类调用正在从文本生成里被系统地拆出来，单独定价、单独优化延迟。对调用方来说，变化有三层：解析失败这个错误类别基本消失；判定延迟显著下降（官方口径是 10 倍量级）；成本变成只跟输入规模线性相关，账单第一次可以精确预估。算一笔账就能感受到量级：一个每天 50 万次、平均输入 400 tokens 的分类服务，按每百万 0.1 美元的输入价折算约 20 美元一天，而且不存在输出费用的变数；同样的调用量换成生成式补全，每一笔回复文本都要另算钱。那些过去"不值得用大模型"的轻判定——路由、过滤、打标——现在重新值得做一遍技术选型。
限制与需要人接管的点
边界也要说清楚。这是公开测试版，官方明确写着预计数周内正式 GA，接口细节可能调整；当前只有 gpt-6-luna 一个模型可选，没有更高能力档位；score 的连续值特性意味着你的阈值逻辑要按浮点数设计，而不是整数档位；经 Vercel 网关调用时必须使用带 -decisions 后缀的模型 ID，写成 openai/gpt-6-luna 会按普通文本模型计费。还有一个容易忽略的点：判定结果的概率值不等于业务上的置信度，高风险动作（比如自动退款）仍应设人工复核阈值，模型给的是参考分，不是决策本身。
如何试用
两条路：直连官方端点 api.openai.com/v1/decisions，或者把 base URL 指到 ai-gateway.vercel.sh/v1 走 Vercel 网关。升级 OpenAI SDK 到 JS 7.30.0 或 Python 3.26.0 以上，把现有的一次性分类调用改写成多问题请求，先从客服分流、内容审核这类低风险场景开始试。官方文档给出了 TypeScript、Python、Bash 和 AI SDK 四种示例。
信息来源
- OpenAI 开发者文档：Decisions API 指南
- Vercel Changelog：OpenAI Decisions API now available on AI Gateway（2026-10-07）
HiFox：将 Agent 变成真正的队友
另外，我们也在思考，AI 如何从个人提效走进团队协作。
HiFox 是一个让人和 AI Agent 在同一个工作现场协作的平台：你可以像给同事分派任务一样指派 Agent，在任务看板中跟踪进度、查看结果，让 Agent 成为团队里的队友。
👉 立即体验 HiFox：https://hifox.com
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。
