AREX Feed Article
OpenAI 向所有开发者开放 Decisions API 公测，官方称决策速度最高可提升 10 倍
北京时间 10 月 7 日凌晨（UTC 10 月 6 日 20:47），OpenAI 面向开发者的官方 X 账号 @OpenAIDevs ，Decisions API 面向所有开发者进入公开测试（public beta），并称它做决策比「经由 Responses API 调用 GPT-6 Luna」快至多 10 倍。同一线程的补充说：它由 GPT-6 Luna 驱动，接受文本和图像输入，可返回三类结果，即 predicate（判断一条陈述为真的概率）、choice（从预设选项中选出答案）和 score（对照一段数值区间给输入打分）。
一周前（），Decisions API 在 DevDay 2026 上公布，当时处于 limited preview（有限预览）状态；据 ，当时的访问「仅限被选中的 API 客户用于测试」。这次公测面向所有开发者，并公开了 ，给出专用端点、请求结构、价格，以及「未来几周内正式可用（GA）」的预期。
从 limited preview 到面向所有开发者的公开测试
OpenAI 开发者社区对 把 Decisions API 记为「limited preview」，描述是：把 Luna 的智能聚焦在一组用户自定、答案有限的问题上，用来分类输入、路由请求，或从预设答案中选择动作。几分钟后，与 X 帖文给出同一段文字，并附上文档链接与定价；OpenAI 的 YouTube 频道也在当天上线了标题为 的介绍视频，社区公告帖中嵌入了它。
对照对象是自家模型的常规调用
宣布帖文与对速度的表述略有差别：帖文写「快至多 10 倍」，页面开头的说明写「比 Responses API 快 10 倍」，正文写「约 10 倍」。这些表述的对照对象都是同一个 GPT-6 Luna 走通用接口的路径。
写的是「比常规 Luna API 快约 10 倍（150 毫秒对 1.6 秒）」；则把这组数字追溯到 DevDay 的幻灯片，引用的文字是「让应用和智能体采取行动的速度比 GPT-6 Luna 快 10 倍」。Firecrawl 同时指出，这个对照是拿 OpenAI 自家价格更低的模型用「慢办法」做同一件事，并称幻灯片上的 150 毫秒是「在未说明条件下」的厂商声明。
速度差与返回形态相关：端点返回的是类型化答案，不含成段文字。
一个端点，三类答案
文档给出的调用方式是 POST /v1/decisions，请求分三部分：model（目前只支持 gpt-6-luna）、input（一段文本，或带文本与图像的用户消息）、questions（每道题的类型、指令，以及允许的选项或等级）。返回的是一个 answers 数组，每道题的名字会原样带回。
predicate 返回 0～1 之间的概率；在文档示例里，检查商品照片是否有可见损伤，得到 0.92，应用可以自设阈值决定是否送审。choice 返回被选中的选项，外加每个选项的概率分布和一个 confidence 字段；示例把「重复扣款」的投诉路由到 billing，概率 0.95、置信度 0.93，文档还建议为覆盖不到的输入留一个 other 这样的回退选项。score 按有序等级打分，等级下标从 0 开始，返回概率加权平均，因此可能落在等级之间：示例中 0.1、0.7、0.2 的三档概率算出 1.1，置信度 0.55。
图片必须以 base64 内联数据传入，不支持托管的 HTTP/HTTPS 图片地址或 file_id。相互独立的问题可以放进同一个 questions 数组，有依赖关系的决策要拆成多次请求。需要自定义 JSON 结构或让模型发起工具调用时，文档指向 Structured Outputs 与 function calling；语音场景可以配合 Live API 的客户端委派使用。文档还建议用带标注的样本校准阈值，权衡误报与漏报的成本。
计费只看输入 token
公测文档给 gpt-6-luna 的定价是每 100 万输入 token 收费 $0.10，且只按输入计费：缓存读取、缓存写入和输出 token 都不收费。区域处理附加费与长上下文输入的价格乘数仍然适用；这组价格只针对 /v1/decisions，其他调用 gpt-6-luna 的请求按常规价目执行。
预览阶段的定价，BazaarLink 在 DevDay 当天的整理里写作「未公布」；公测文档给出了价格。文档同时写明，Decisions API 面向符合条件的客户支持 Zero Data Retention（ZDR，零数据保留）与 HIPAA 场景，数据驻留与区域处理覆盖美国与欧洲（欧洲经济区与瑞士）。下一步是正式可用：文档的表述是「预期在未来几周内 GA」。
公告发出后：基准追问与早期自测
公告上线后不久，对基准测试的追问就出现在两个平台上：在 X 上，用户 ：「给我看基准测试；它和 @typesafeAI 的 Jev 比怎么样？」；在下，用户 platypus 的留言是「看看谁会第一个把 Decisions 拿去和 Jev 对标！」。Jev 是 TypeSafe AI 推出的专用决策模型，把它描述成一种「从未学会写字」的模型，每 100 万输入 token 收费 $0.042，且不收输出费用。
在宣布帖发出约 10 分钟后，Hacker News 上出现了，几小时内积累到 47 条评论。开发者 ：输入「I am angry about the new product feature」，返回里 complaint 的概率是 0.91、compliment 是 0.06，用量显示输入 310 个 token、输出为 0；他写道，OpenAI 定义的这种端点通常会变成其他厂商的事实标准，并把它做成了一个 llm 插件。
同一晚，用户 贴出初步评测：不到 600 次调用，结论是这套端点比 Jev 慢，延迟 P50 346 毫秒、P95 860 毫秒，成本平均是 Jev 的 3.1 倍，还出现了 4 次失败调用（Jev 与 Mercury Decide 都是 0）。他自己给这些数字打了折扣：样本小、用例特殊（UI 组件选择、标签选择之类），结论只是初步的，而且还没有测过图像输入。
图像是开发者提到的差异点：，「它已经支持图像输入，这是我发现的 Jev 的第一个大缺口」。另一边，：按自己的用量每月约 11 美元，而且「我们已经有 OpenAI 的密钥和账户，不想自己跑模型基础设施，也不想再去申请一个 TypeSafe 账户」。
OpenAI 把 GA 时间写在「未来几周」。10 倍是 OpenAI 自报的数字；Topfi 在评测末尾写道，他想看到更多人的结果。