⚡ 前沿动态

OpenAI Decisions API 正式开放:决策调用进入百毫秒价格带

🕐 2026-10-24 大语言模型,智能体 🔥 87 次点击

OpenAI Decisions API GA:基于 GPT-6 Luna、100–180 毫秒、输入 0.1 美元/百万 token,公开榜单仅排第 8/14。

  • 证据强度: B(OpenAI 官方公告、API 变更日志与开发者指南为一手来源,经 TechCrunch、Superpower Daily、AI Parabellum 等交叉一致;客户收益数据(Box、Ramp、Speak)为厂商引用的客户自述,非独立基准;榜单排名为发布日快照)
  • 技术锚点: A 架构与算法 / C 评测方法 / E 成本与商业化技术成因

OpenAI 于 10 月 22 日将 Decisions API 正式开放给全部 API 客户。该服务把 GPT-6 Luna 重配置为决策专用(未训练独立模型),让应用以受限输出获取判断结果:predicate(条件是否成立)、choice(从给定选项中选择)、score(按有序等级评分),不再生成需解析的自由文本。延迟从常规调用的 1–3 秒降到约 100–180 毫秒,官方称比经 Responses API 调用 Luna 快最多 10 倍;定价输入 0.10 美元/百万 token(缓存命中 0.01 美元),不收输出费;单请求问题数从 beta 的 200 个翻倍到 400 个,新增图像输入、input_json 与 GPT-Live 原生语音集成。早期客户包括 Box(保险凭证路由提速约 5 倍、准确率持平)、Datadog(给智能体生成的 shell 命令评风险分)、Ramp(成本归因快 4 倍、便宜 30%)、Speak(动作间隔从 1.4 秒到 0.13 秒)。但公开榜单上它并不领先:AIM System One Index 第 8、Artificial Analysis Decision Index 第 14,落后于 TypeSafe Jev(第 7/第 3)、Liquid D1 Ultra、Base Lab Elephant-1。

一、产品解决的是智能体的成本结构问题

一个运行中的智能体会做大量小判断:工单进哪个队列、这张图有没有破损、下一步是继续、重试还是求助。用通用大模型做这些判断,付的是生成完整文本的钱、等的也是生成完整文本的延迟。Decisions API 把这类调用压缩成"问题+允许答案集→类型化结果",单请求可打包 400 个问题、共享上下文可缓存。

价格结构值得单独看:只收输入、不收输出,等于官方承认这类任务的输出价值极低、输入处理才是成本所在。0.01 美元/百万 token 的缓存价把重复上下文的边际成本压到近零。对高频智能体工作流,这直接改变单位经济性——与上期 Meta 电话会上"Muse 成本效率要提升十倍"的表态是同一件事的供给侧版本。

二、榜单排名与产品定位的错位

OpenAI 的决策模型在两个公开榜单上都不居首(AIM System One 第 8、AA Decision Index 第 14),TextSafe 的 Jev 分别排第 7 和第 3,且仍是 OpenRouter 上被查询最多的决策模型;TypeSafe 估值已达 76 亿美元。OpenAI 的差异化押注在图像理解与校准度上——产品负责人 Nikunj Handa 对 TechCrunch 表示"up to 10x"的比较对象是经 Responses API 调用 Luna,而非竞品。

读这份材料时要把三类数字分开:官方延迟数字(可复现性较高)、客户自述收益(Box 的 30 个保险凭证案例、Speak 的动作间隔,均为特定工作流下的结果)、榜单排名(第三方口径但快照会变)。决策模型选型的正确方法仍是 TypeSafe CEO 对 TechCrunch 说的那句:在自己的数据上试。

观察指标:Decisions API 在 OpenRouter 等渠道的实际调用量走势;Handa 提到的 60 毫秒与专用训练是否会兑现;Jev 与 Decisions 在同一基准上的公开对比测试。

声明:文中数据及部分观点来源于网络,部分观点来源于个人分析和推理,仅供参考,不构成投资或商业决策建议。
您觉得本文:
资料来源
  1. OpenAI
← 返回 [前沿动态]