OpenAI Decisions API 圖解

比 Responses 快十倍的型別化決策

sourcedevelopers.openai.com + HN item 49984025

Lead: Decisions 把文字和圖片變成機率、選項或分數。速度比 Responses 快十倍,適合分類、分流、排序。

A

結論

一句話總結

Decisions 只回答三種問題:條件成立機率、固定選項二選一、有序量表分數。需要這些答案就用它,需要自訂 JSON 或工具呼叫就用 Responses。

B

三種問題型別

型別 用途 主要結果
predicate 檢查條件,如可見損傷 機率 0 到 1
choice 無序分類,如負責部門 回傳其中一個值
score 有序評分,如嚴重度 機率加權平均,可落兩級之間

choice 和 score 都附各選項機率和 confidence。類別未覆蓋時,加 other 送通用複查佇列。

C

請求流程

共用證據三種型別回傳 answers 陣列依閾值分流InputQuestionsLunaAnswersAction
模型
gpt-6-luna(目前唯一可用)
端點
POST /v1/decisions
狀態
公開測試版,數週內 GA
圖片
僅內嵌 base64,不收網址或 file_id
搭配
Playground 先實驗再寫碼
D

計價與資料

輸入
每 100 萬 token 0.10 美元
輸出
0 美元,無快取讀寫費
加價
區域處理與長上下文另計
合規
支援 ZDR 與 HIPAA,落地限美國與歐洲
E

何時用哪個

需求 選用
條件機率、固定分類、有序評分 Decisions
自訂 JSON 欄位或文字說明 Responses Structured Outputs
模型主動要求工具呼叫 function calling
有先後依賴的多步判斷 分次請求,不併成一題
F

HN 網友反應

立場 代表說法
企業務實 已有採購與合規,導入最快
實測派 Luna 比 Jev 慢約兩倍,貴約三倍
質疑派 極簡決策而已,真實問題要結構化輸出
商品化 決策模型注定價格戰,拚黏著度

Topfi 實測不到 600 次:p50 346ms,p95 860ms。Jev 花 0.0192 美元,Luna 花 0.06 美元。圖片輸入是多數人認可的差異點。