我不是小布丁
@xiaobuding
OpenAI 在开发者大会上发布 Decisions API：开发者写好一个问题和几个备选答案发过去，模型直接挑一个返回，不生成多余文本。底层用 GPT-6 家族里最小最便宜的 Luna 的特化版本，一次判断约 150 毫秒，同任务走普通接口约 1.6 秒，快十倍。目前有限预览，面向部分 API 客户，随后放开；输入同时支持文字与图片。
它替代的是两条老路。让大模型自由回答再从长文本里解析结果，慢且偶尔答非所问；自训分类器则要先攒标注数据，类别一变就得重训。把答案限定在给定选项里，输出不会越界，换选项也只需改一次请求。
典型场景立刻能对号入座：工单连同"账单组、技术组、售后组"发过去马上知道派给谁，内容审核判断图片能否放行，智能体每走一步决定下一步调用哪个工具。定价也贴着用法定：输入每百万 token 0.042 美元，输出免费，一百万道三选一的判断题大约 19 美元。
更有趣的是这次发布所处的位置。社交媒体普遍调侃 Decisions API 在对标 Jev——创业公司 TypeSafe 九月中旬发布的决策模型：不逐字生成，一次性给所有选项打分，直接返回答案与概率，被称作 System 1 模型。
Jev 上线后在开发者圈快速传播，一个月内就让大厂把同类能力做成了官方接口。创业公司定义问题、大厂规模化交付，这个节奏在工具链上已经反复出现。
两者的能力边界仍有差别：Jev 目前只收文本但每个答案附带校准概率，便于设"低于 0.7 转人工"这类阈值；Decisions API 能看图，也返回置信度。选择标准随之清晰——需要图像输入的走官方接口，需要严格概率校准做风控阈值的，先比较两边的概率分布再定。
给做自动化路由的团队一条落地路径：把最近两周靠大模型自由回答完成的二选一或三选一任务挑出来，估算调用量，按每百万 token 0.042 美元的输入价算一遍，与现有方案对账。若命中场景以文本判断为主，直接替换能省一个数量级；若涉及图片，等预览放开后一并迁移。
