OpenAI Decisions API 完整教程：GPT-6 Luna、Predicate、Choice、Score、API 定价与 Agent 决策

一、OpenAI 为什么推出专门的 Decisions API？

过去，大模型应用经常使用同一种接口处理不同任务。

用户要求写文章，应用调用聊天模型。

用户要求总结文档，应用调用聊天模型。

甚至当系统只需要回答“是或否”、从几个选项中选择一种操作，或者判断某项任务的优先级时，也可能调用完整的文本生成接口。

这种设计虽然方便，却不一定高效。

对于 AI Agent 而言，一次复杂任务可能包含几十次甚至更多小型判断。

例如，收到用户消息后，系统需要判断是售后问题还是技术咨询。

读取一份文档后，需要判断是否包含有效证据。

执行工具前，需要判断当前任务是否值得升级给更强模型。

这些判断通常不要求生成完整的自然语言回答。

2026 年 10 月 22 日，OpenAI 正式宣布 Decisions API 达到 Generally Available，即 GA 状态。

它使用 GPT-6 Luna，为结果范围明确的任务提供专门接口。

核心思想是把“生成回答”和“产生可供程序使用的决策”分开。

二、Decisions API 有哪些基本信息？

此前，这项 API 于 10 月 6 日进入公开 Beta。

GA 版本增加了更多输入和缓存能力，同时将单次最大问题数量从 200 提高到 400。

这里需要注意：400 是单次请求包含的决策问题上限，并不是最大并发数或每秒请求数。

三、Decisions API 与 Responses API 有什么区别？

Responses API 面向广泛的模型生成任务。

它能够处理自然语言、代码、工具调用和复杂推理等工作。

Decisions API 则更强调明确的决策输出。

例如，用户输入一段客服投诉：

“我支付了一次订单，却收到了两笔扣费。”

Responses API 可以写一封完整的客户回复。

Decisions API 更适合将它归类为 billing，并返回相应的选择结果。

这种区别对于自动化系统很重要。

如果下一步只是把工单分配给账单部门，就不必生成一篇解释文章。

而当工单进入客服人员处理阶段时，仍然可以使用 Responses API 生成具体答复。

因此，两种接口不是简单的替代关系。

更合理的设计，是让 Decisions API 处理需要快速判断的步骤，让生成模型处理开放式内容和复杂规划。

四、官方所说的最高 10 倍速度如何理解？

OpenAI 表示，在特定有界决策任务中，Decisions API 相比通过 Responses API 使用 GPT-6 Luna，能够实现最高约 10 倍的速度优势。

这里包含几个限制条件。

首先，比较对象是使用相应模型完成决策任务的不同接口。

其次，速度提升依赖输入形式、问题数量、服务区域和实际运行负载。

第三，专门的决策输出与自由文本生成并不执行完全相同的工作。

因此，不能由此推断 Decisions API 处理任意任务都比 Responses API 快十倍。

例如，让模型生成一份软件架构报告，仍然属于开放式文本生成任务，并不适合直接变成简单决策请求。

开发者应当在自己的真实数据上比较完整延迟和决策准确率。

五、Predicate：判断某项条件成立的概率

predicate 用于判断某个条件是否为真。

它不会简单返回一段“我认为是”的自然语言，而是输出模型估计的概率。

例如，判断某条客服工单是否描述重复扣费。

请求可以提供订单记录、用户投诉以及需要判断的条件。

系统收到概率后，可以根据业务阈值决定下一步操作。

但概率并不是事实证明。

如果模型返回 0.95，只能说明它对该条件给出了较高估计值。

是否足够可靠，需要通过具有正确标签的验证数据进行校准。

对于涉及退款、封禁账户和权限处理的任务，不能仅根据一个模型概率就执行不可逆操作。

六、Choice：从固定选项中选择

choice 适合分类和路由任务。

例如，一个 API 平台希望将用户反馈分为四个部门：

账单、技术支持、物流和其他。

开发者可以在请求中预先定义这些选项。

模型按照输入内容选择最合适的结果。

官方 Python SDK 示例对应的请求结构可以简化为：

from openai import OpenAI

client = OpenAI()

result = client.decisions.create(
    model="gpt-6-luna",
    input="I was charged twice for my order.",
    questions=[
        {
            "type": "choice",
            "name": "department",
            "instructions": "Which team should handle this?",
            "choices": [
                {
                    "value": "billing",
                    "description": "Payments and refunds"
                },
                {
                    "value": "technical",
                    "description": "Software problems"
                },
                {
                    "value": "other",
                    "description": "Other requests"
                }
            ]
        }
    ]
)

print(result.answers)

这段代码依据官方 SDK Schema 编写，未执行真实 API 请求。

实际运行需要有效 API Key、支持该功能的 SDK 版本和相应账户权限。

七、Score：使用评分量表进行判断

score 适合按照定义好的标准评价某项内容。

例如，软件团队需要判断错误报告的严重程度。

可以建立三个等级：

0：轻微界面问题。

1：存在替代解决方法。

2：核心功能完全不可用。

与普通文本评分不同，官方 Score 答案还可以提供不同等级对应的概率分布。

最终分数可能是概率加权后的结果，因此不一定是整数。

例如，模型认为某个问题分别属于三个等级的概率为 0.1、0.7、0.2。

那么加权得分可以是 1.1。

这并不代表系统存在“1.1 级严重程度”这样的原生等级。

它只是对模型分布的一种数值汇总。

对于自动化分级，开发者应根据具体业务定义等级和阈值，而不是将分数直接当成绝对安全标准。

八、为什么支持一次提出 400 个问题？

对于某些应用，同一份输入需要进行多种判断。

例如，一份产品图片可能需要检查包装损坏、商品类别、文字清晰程度和是否包含指定元素。

如果每个判断都独立发送请求，系统可能重复上传相同的图片或文字。

Decisions API 允许把共享输入放在同一请求中，再提出多个问题。

这样有机会减少重复请求和网络开销。

但是，400 个问题共享同一份输入，并不意味着所有问题都会完全独立运行。

对于依赖前一个答案的复杂工作流，OpenAI 建议拆分成多个请求。

例如，先判断商品是否损坏，再根据损坏结果选择售后流程。

这种依赖关系需要由业务系统明确组织。

九、原生 JSON 输入为什么重要？

很多企业应用处理的不是自由文本，而是结构化记录。

例如：

订单金额。

客户类型。

设备监控数值。

API 调用统计。

库存状态。

过去，开发者可能需要将 JSON 转换为很长的自然语言说明。

现在，Decisions API 支持使用 input_json 内容块直接传入 JSON 对象或数组。

这能够减少部分数据转换工作。

例如，判断一笔订单是否可能重复扣费，可以同时提供用户投诉和订单数据。

不过，原生 JSON 支持不意味着模型会自动保证金额计算完全正确。

对于严格金额核对，应首先使用确定性程序比较交易 ID、支付状态和实际账单。

模型决策适合处理难以完全由规则表达的语义问题，而不是取代可靠的会计计算。

十、如何处理图像判断？

Decisions API 不仅支持文字，还支持图片输入。

例如，电商平台可以判断某张商品照片是否存在明显划痕、凹陷或破损。

开发者可以提供图片 URL 或 Base64 数据，并定义需要检查的条件。

GA 更新还允许针对不同问题提供不同的图片材料。

例如，一张共享参考图，搭配多张候选商品图片。

每个问题比较对应候选图和参考图是否具有某种关系。

但图片判断不能替代全部质量检测。

光照、遮挡、分辨率和拍摄角度都会影响结果。

对于高价值商品或争议性售后，仍然应保留人工复核流程。

十一、Decisions API 如何收费？

OpenAI 公布的基础单价为：

假设一个应用总共消耗 200 万普通输入 Token。

按照上述价格，仅计算普通输入部分，理论费用为 0.20 美元。

如果其中 100 万 Token 符合缓存读取计费条件，另外 100 万属于普通输入，那么在不考虑额外缓存写入费用的简化情景下，对应费用为 0.11 美元。

需要说明，这是算术示例，并不是实际账户账单。

30 分钟与 12 小时缓存写入适用独立的计费规则。

因此，在计算完整缓存成本时，还要将初始写入费用计入。

此外，图片输入同样可能产生对应的输入 Token 消耗。

十二、Prompt Caching 如何提高复用效率？

Decisions API 已支持缓存相同的共享输入前缀。

例如，客服系统每次都需要参考相同的退费政策。

可以把稳定政策内容放在共享输入中。

后续只改变具体用户案例及需要判断的问题。

当请求满足缓存条件时，系统有机会复用已经建立的输入缓存。

官方文档说明，共享输入前缀至少需要达到 1,024 个 Token，才符合对应的缓存长度要求。

仅存在于 questions 中的内容不能被计入共享前缀的最低长度。

同时，缓存命中并不是确定性保证。

开发者应观察实际用量，并根据请求时间间隔选择缓存生命周期。

十三、GPT-Live 集成能做什么？

OpenAI 在 GA 公告中强调 Decisions API 与 GPT-Live 的原生集成。

这让语音应用可以在用户说话或实时转写产生时，进行某些结构化判断。

例如，电话客服可能需要及时判断用户是否希望转接人工服务。

语言学习产品可以判断用户是否已经完成某项练习。

实时助手还可以根据对话状态决定是否触发后续工作流。

但实时决策同样需要考虑误判。

如果转写内容还不完整，就立即执行不可逆业务操作，可能产生错误。

因此，建议对高风险决定使用明确确认机制。

十四、如何把 Decisions API 接入 AI Agent？

一个典型的 Agent 可以分为以下阶段。

第一步，用户发起任务。

第二步，Decisions API 判断任务类别与复杂程度。

第三步，系统根据结果选择对应的工作流或模型。

第四步，执行必要工具。

第五步，使用确定性规则及适当的模型检查结果。

最后，输出给用户。

这种方式适合对任务量较大的平台进行分级处理。

但模型路由不能只依赖一次分类。

例如，简单任务可能在执行过程中遇到特殊错误。

此时应允许根据实际失败情况升级处理。

对于企业平台，还需要保留模型路由日志和费用记录。

十五、生产环境怎样设置阈值？

最关键的是准备带有真实标签的验证数据。

例如，收集已经由人工确认的客服工单。

让 Decisions API 对这些工单进行分类。

然后比较模型预测与真实结果。

对于不同类别，统计准确率、召回率和误报率。

如果某种误判会导致严重后果，就应设置更加保守的自动执行策略。

例如，自动标注潜在风险可以采用相对宽松的阈值。

但自动拒绝退款或限制账号访问则需要更严格的验证。

当模型置信程度不足时，可以转交人工。

这比简单规定“概率超过 0.8 就自动处理所有事情”更加合理。

十六、数据驻留与 Zero Data Retention

OpenAI 公告说明，Decisions API 提供美国和欧盟区域处理选项。

符合条件的组织还可以使用 Zero Data Retention。

但这些能力受账户资格、配置和适用服务范围影响。

不能因为 API 已经 GA，就认为所有账户自动具备所有数据控制选项。

企业应在接入前确认区域、保留政策及内部数据分类。

尤其是处理客户信息、医疗材料或其他敏感数据时，合规要求应优先于延迟优化。

十七、Decisions API 的边界在哪里？

Decisions API 适合答案范围明确的问题。

它不适合直接替代开放式研究、长篇内容创作和复杂多步骤推理。

此外，概率不是确定性事实。

即使模型给出很高的概率，也可能出现错误。

对于支付、权限、法律和安全关键操作，应结合真实业务证据和正式授权机制。

例如，模型可以判断某项操作“看起来有风险”，但真正的操作许可仍应由服务端身份与权限系统决定。

十八、常见问题 FAQ

Decisions API 已经正式 GA 了吗？

是的，OpenAI 于 2026 年 10 月 22 日宣布 GA。

当前支持哪款模型？

官方当前明确支持 gpt-6-luna。

三种决策类型是什么？

predicate、choice 和 score。

单次最多能提出多少问题？

400 个，但它不等于每秒请求上限。

是否收取输出 Token 费用？

官方公布的 Decisions API 不单独收取输出 Token 费用。

所有决策都比 Responses API 快十倍吗？

不能这样理解。最高约十倍属于厂商指定比较范围。

能直接使用图片和 JSON 吗？

可以，需遵循官方输入格式与相应限制。

能用作付款审批系统吗？

可以辅助风险判断，但不能替代服务端权限验证和必要的人工确认。

十九、结语

Decisions API 的正式发布，意味着 AI 开发开始出现更加明确的任务分工。

不是所有问题都需要生成自然语言。

对于分类、选择与评分，专门的决策接口可能提供更合适的延迟和计费模式。

对于 AI Agent，低成本的小型判断可以帮助分配模型、筛选工具和确定工作流。

但真正可靠的系统仍然需要正确的任务定义、数据验证和权限治理。

未来，成熟的 AI 应用可能同时使用生成模型、决策接口、搜索工具和确定性程序。

让每一层承担最适合的任务，才能在成本、速度与可靠性之间取得更好的平衡。

官方参考资料

1. OpenAI — Build more responsive apps with the Decisions API https://openai.com/index/decisions-api/

2. OpenAI Developers — Decisions API 指南 https://developers.openai.com/api/docs/guides/decisions

3. OpenAI API Changelog https://developers.openai.com/api/docs/changelog

4. OpenAI API Pricing https://developers.openai.com/api/docs/pricing