OpenAI推出Decisions API：基于Luna决策模型，150ms输出带置信度结果，对标TypeSafe Jev

TypeSafe的决策模型Jev在智能体开发圈快速走红之后，OpenAI在DevDay正式推出Decisions API，依托轻量化Luna模型打造，专门面向多选判定、内容分类、智能体动作路由场景，直接对标Jev这类System One决策模型。

Decisions API本质不是对话生成模型。开发者传入上下文（文本或者图像）、自定义问题以及一组预先设定候选选项，API直接返回选定答案附带置信度分数，不需要输出大段文本。官方给出响应速度低至150毫秒，远快于原生Luna聊天模型1.6秒的耗时。目前该接口开启限量预览，预计几天内全面开放，定价信息暂未公布。

定位：传统提示词LLM与定制分类器的折中方案

行业里现在有两种常见实现方案：

1. 普通大模型+提示词约束：让LLM从候选列表挑选答案，尝试读取token概率模拟置信度。缺点是速度慢、置信值不准，消耗大量token。
2. 独立训练小型分类器：速度快、成本低，但依赖标注数据集，一旦候选标签变更，就要重新训练模型，灵活性差。

Decisions API取两者优势。不用提前微调训练，候选选项在单次请求内动态定义；同时输出稳定可信的置信分数，适合智能体框架做任务判断、请求分流、内容质检。
它和OpenAI现有的Moderation API有相似之处，都是输出分类分数而非长文本。区别在于Moderation的分类标签由OpenAI固定，而Decisions API的问题与候选答案完全由开发者自定义。

典型应用场景

• 内容分类与质量筛查
• 模型/请求路由器（类似Jev Router）
• 智能体任务分支判断，选择下一步动作

待揭晓的关键信息

当前预览阶段还有多项核心参数没有公开，这将决定该API能否大规模普及，成为智能体系统的标准组件：单次请求最多支持多少候选选项、调用单价、是否支持基于自有数据微调。

整体来看，这是OpenAI补齐智能体底层基建的重要一步。伴随Dot常驻智能体、Codex云环境、Agents API一同发布，搭配Decisions API，开发者可以直接搭建完整智能体链路：由Decisions负责快速判定分支，交由Codex执行代码任务，Dot长期持续推进目标。