OpenAI Decisions API 正式发布：类型化 AI 决策如何加速应用

核心摘要

OpenAI 在 2026 年 10 月 22 日让基于 GPT-6 Luna 的 Decisions API 正式可用。它面向需要类型化判断、而不是长篇生成答案的应用：内容是否符合规则、请求应该归入哪个选项，或者某个案例按照评分标准得到多少分。OpenAI 表示，该接口可以评估文字、图像和 JSON，并且速度约为 Responses API 的十倍。

这次发布的重点是架构变化。应用不必要求通用模型先写一段分类解释，再从自然语言中解析结果；产品可以提出明确问题，获得更容易路由、存储、测试和监控的结构化判断。正式版加入共享提示缓存、问题级图像、直接 JSON 输入、托管图像 URL、会话历史、单次请求最多 400 个问题，以及 GPT-Live 原生集成。它适合审核、分流、推荐、文档处理和其他更看重一致性而不是文采的软件流程。需要长期界面、权限和人工复核的工具，可以先在 BTTC 软件目录 中寻找成熟应用。

Decisions API 解决什么问题

它不是所有聊天或生成接口的替代品，而是把证据转化为程序可以使用的判断。官方指南列出的用途包括内容分类、请求路由、工作优先级、条件检查、固定选项选择和评分。输出会成为更大程序的一部分，而不是最终给用户阅读的段落。

例如，客服队列可能只需要紧急程度和置信信号；交易平台需要判断商品类别；安全流程需要针对文字或图片提出多个政策问题；招聘工具可能先检查文件是否包含必填字段，再交给人工。类型化结果能让这些步骤更容易接入数据库、队列和规则系统。

不过，类型化答案不会自动消除模糊规则。团队仍然要先定义证据、可选值、阈值和无法判断时的处理方式，再去优化延迟。

为什么正式发布值得关注

公测已经证明了基本概念，但正式发布会让更多团队认真评估是否围绕该接口建设。当前指南使用 POST /v1/decisions 和 gpt-6-luna，单次请求最多支持 400 个问题，高于公测期间的 200 个。当很多检查共享同一份证据时，更大的上限可以减少编排开销。

接口还支持提示缓存。如果多次请求都使用相同的规则、示例或参考材料，缓存可以减少重复输入工作。不过，缓存不等于自动省钱；真实成本仍取决于命中率、输入大小、问题数量、重试和人工复核时间。

因此，正式发布应该被理解为值得做基准测试，而不是可以跳过评估。请用真实数据比较 Decisions 和 Responses，关注错误容忍度、图像比例、延迟目标和人工升级路径。

图像与 JSON 改变了什么

最实用的变化之一是可以直接传入结构化 JSON，而不必把每条记录压平成长提示词。这适合商品元数据、表单、事件记录和已经有明确模式的业务输入。

图像也可以附加到单独的问题说明中。应用可以提供共享证据，再给不同问题设置各自的图像，用于文档检查、截图比较、视觉审核和商品评估。指南还支持公开的 HTTP 或 HTTPS 图像 URL，以及内联 base64 数据 URL。

会话历史则让 Decisions 更容易放进代理流程。语音或聊天应用可以让 GPT-Live 直接调用 Decisions，也可以在输入或输出转写发生变化时触发判断。这样，用户可以自然对话，而应用仍然获得范围清晰的决策对象。

上线前需要注意什么

类型化输出有利于集成，却不保证事实正确、公平或适合高风险场景。规则不完整时，分类器可能稳定地犯同一种错误；分数看起来精确，却可能掩盖不确定性；图像判断也可能受到角度、语言和文件格式影响。

上线前准备包含正常、边界、对抗、缺失证据和必须升级人工的案例集。允许时记录输入版本、政策版本、模型、判断和人工结果。为超时和格式错误准备回退路径。如果判断影响健康、就业、信贷、安全或基本服务，不要把 API 结果当成自动裁决，应引入专业人员和合规团队。

API 可以快速返回判断，但用户通常还需要队列、审计记录、纠错流程、权限和解释。这些属于软件产品能力，而不是模型参数。需要完整流程时，可以从 BTTC 软件目录 开始查找维护中的应用。

实用评估方法

先选择一个范围小、成功标准清楚的判断。用普通语言写规则，列出允许的输出值，并建立带标签的小型数据集。除了精确率和召回率，还要测量拒答质量、延迟分位数、令牌用量、缓存命中率和交给人工的比例。

然后比较规则引擎、Responses 之类的通用接口以及 Decisions。确定性代码适合明确规则，通用生成适合丰富答案，Decisions 更适合中间地带：证据复杂，但行动空间有限，应用又需要类型化结果。

最后，把判断边界做进产品。让运营者看到项目为何被分流，可以纠正错误，并能更新规则而不悄悄改写历史。只有能够理解和恢复失败，快速自动化才真正有价值。

常见问题

OpenAI Decisions API 是什么？

它把文字、图像或 JSON 转换成布尔条件、固定选项或评分等类型化判断，供应用进行分类、路由和排序。

它会取代 Responses API 吗？

不会。Decisions 适合边界明确的判断和结构化输出，Responses 更适合通用生成、工具调用和多步骤回答。应使用真实流程进行比较。

它使用什么模型？

官方当前指南称，接口使用 gpt-6-luna，这是 Decisions 目前唯一支持的模型。

它能处理图像和 JSON 吗？

可以。正式版支持问题说明中的图像、公开图像 URL、内联 base64 数据 URL 和结构化 JSON。

什么时候不应自动做决定？

当错误可能影响健康、就业、信贷、安全或基本服务时，不应把模型输出当成最终裁决。应使用专业复核、升级机制和合规控制。

结论

Decisions API 把常见的 AI 工程问题变成更明确的契约：提供证据，提出边界清晰的问题，接收软件可以路由和测量的类型化答案。正式版的批量、缓存、JSON、图像、会话历史和 GPT-Live 能力让它适合分类与分流，但可靠部署仍需要规则、评估数据、审计、人工升级和稳定的产品界面。