OpenAI 在 10 月 22 日（周四）把 Decisions API 全面开放给所有客户。这个产品 9 月 29 日在开发者日上首次亮相，如今补齐了语音和视觉模态，并针对全球各区域重新分配推理资源来压延迟。
听起来像又一次普通 API 上线，但它所在的赛道值得单独说：决策模型（decision model）——不生成文本、不做推理链，只给一堆选项然后快速选一个，并附带置信度。过去一年这个品类从 TypeSafe 一家的概念，变成了 OpenAI、微软、Amazon、Liquid AI 同时在打的战场。
OpenAI 的做法：不新训模型，直接把 Luna 改快
最值得注意的是 OpenAI 的实现路径。他们没有专门训练一个”校准过的决策模型”，而是把 ChatGPT Luna 拿过来重新配置，加快推理速度、压低单次调用成本。OpenAI API 产品负责人 Nikunj Handa 对 TechCrunch 说得很直白：”未来我们可能会专门训练，让模型在这些方面更强。但现在，就是老的 Luna 在干活。”
效果主要在延迟上。Handa 给出的数字是从原来的 1～3 秒压到 100、120、180 毫秒。已试用的客户里，语言学习产品 Speak 的 CTO 表示，动作之间的等待从 1.4 秒降到 0.13 秒。Box、Datadog、Ramp 也在用这个 API 替换原来的 LLM 调用，换取更高吞吐。
这个思路和此前 Microsoft-Decision-1 谈过的”路由神器”逻辑一致：很多业务场景里根本不需要一个大模型把话说漂亮，只需要在几百毫秒内判断”下一步该干嘛”。用旗舰模型做这种活，等于开着卡车送快递。
真实排名：OpenAI 不是第一
按第三方指数看，OpenAI 进入这个市场算是迟到者，而且第一版并不占优：
- 两家评测指数上，TypeSafe 最新的 Jev 模型分别排第 7 和第 3，OpenAI 的 Decision Model 排第 8 和第 14
- 评测方更看好 Liquid 上周发布的 D1 Ultra 和 Base Lab 的 Elephant-1
- 在”决策模型玩吃豆人”这个 benchmark 上，Jev 最新版排第一
OpenAI 的差异化优势在多模态。Handa 说在图像分类任务上”Luna 极强，校准表现更好”，客户也希望 API 能支持以图像作为输出的一部分。也就是说，OpenAI 不打算在纯速度榜上硬拼，而是用”能看图、能听声音、还能输出视觉结果”的通用性去覆盖那些单一决策模型打不了的工作负载——这一点和 Jev 的单点极致路线形成明显对照。
对开发者意味着什么
几个现实影响：
- 成本结构变了：把每秒都在跑的高频判断（路由、分类、过滤、下一步动作）从旗舰模型迁到决策 API，账单元件从”每千 token”变成”每千次判断”，量级差几十倍
- 交互设计解锁：100 毫秒级判断意味着可以放进实时语音对话、游戏帧循环、Agent 的每个动作节点。Handa 已经在谈 60 毫秒、每帧一次的设想
- 选型没有标准答案：TypeSafe CEO Diogo Almeida 公开表示不信任 benchmark，建议各家在自己的工作负载上实测。校准度、成本、速度三者的最优点因场景而异
- 多模态是真门槛：如果你的判断链路里需要读图（截图分类、UI 元素识别、视觉质检），OpenAI 这条路目前更省事
这个赛道的本质：把”智能”做成水电
TypeSafe 给模型取名 Jev，来自经济学家 Jevons——他提出提高资源使用效率反而会增加总消耗（杰文斯悖论）。这个比喻放在决策模型上很贴切：当一次判断便宜到可以忽略不计，产品就会开始疯狂地判断——每一个动作、每一帧、每一次点击都过一次模型。需求不是被满足，是被创造。
从这个角度看，OpenAI 把 GPT-6.1 Luna 改一改就上线，恰恰说明它判断这波机会在”铺量”而不在”精度”：先用已有模型把开发者的高频调用习惯占住，再靠后续专门训练把质量补上。目前这个赛道的玩家除了 TypeSafe 和 OpenAI，还有开源可本地跑的 Amazon Strands Decider 2B，以及刚拿到 75 亿美元估值的 TypeSafe 资本故事——三条路线（闭源 API、开源本地、专精指标）已经开始分野。
常见问题（FAQ）
OpenAI Decisions API 是什么？
一个面向”快速判断”场景的 API：给模型一组选项，它在 100～180 毫秒内选出结果并给出置信度，替代大模型去做路由、分类、下一步动作这类高频小决策。它基于 ChatGPT Luna 重新配置，不是专门训练的新模型。
决策模型和普通大模型有什么区别？
普通大模型擅长生成文本和做多步推理，但慢且贵；决策模型只做”选哪个”和”有多确定”，速度在百毫秒级，成本低一个量级。适合放进实时交互链路，不适合写文案。
OpenAI 的决策模型排名第一吗？
不是。在第三方决策模型指数上，TypeSafe 的 Jev 排在第 3 和第 7，OpenAI 的 Decision Model 排第 8 和第 14。OpenAI 的优势在多模态（能读图、支持视觉输出）和生态整合，不在单项指标。
普通开发者怎么用上？
Decisions API 已对所有 OpenAI API 客户开放，10 月起补齐了语音和视觉模态。按调用量计费，适合先在路由、意图分类这类低风险环节做对比测试，再决定是否替换现有 LLM 调用。
总结
决策模型这条线在半年内走完了”论文概念 → 创业公司 → 巨头跟进 → 价格战”的全流程。OpenAI 这一手不惊艳但很有效：用现成模型 + 基础设施优化，先把延迟打进百毫秒区间，把场景铺开。真正值得盯的是接下来专门训练的版本——以及当判断成本趋近于零时，产品形态会变成什么样。
想继续深挖 AI 模型选型？查看 AI 模型库 与 工具对比引擎，或阅读：OpenAI DevDay 2026 全盘点 · Liquid AI LFM 2.5 发布 · Replit 弃用 Anthropic。
AI Dash — 发现最好用的 AI 工具