OpenAI 偷偷上了一个叫 Decisions 的新 API。
速度是 Responses API 的 10 倍，价格只要输入费，一个请求还能同时问好几个问题。
评论区已经有懂行的人在喊：这不是冲着 Jev 去的吗？
它解决什么问题？
说实话，Decisions API 做的事情听起来有点普通：
给一段文字或图片，让它给你一个答案。
但这个答案不是那种写作文式的回答，而是结构化的小结果：是或不是、选一个类别、打一个分数。
比如你拿一张产品照片，问它："有没有裂痕、撕裂或凹陷？"它返回一个概率，0.92。
比如你收到一条"我被扣了两次钱"的投诉，让它判断该转给哪个部门，它说：billing，置信度 0.93。
再比如你提交一个"Safari 导出失败但 Chrome 正常"的工单，它评估严重程度，打分 1.1（满分 2），意思是：有替代方案但确实有问题，介于轻微和严重之间。
没有废话，没有小作文，就是一个数字或一个标签。
这就是典型的工作流决策。
只收输入费的生意经
个人觉得这次定价有点意思。
$0.10 每百万输入 tokens，而且只收输入，不收输出，连缓存费和写入费都不收。
这意味着什么？
意味着你的成本是可以预估的。
不是那种"聊着聊着账单爆炸"的模式，而是"处理 100 万条工单，每条约一两百 token，成本你自己算"的模式。
这对于做客服分流、内容分类、质检审核的团队来说，成本模型清晰多了。
再加上支持零数据保留（ZDR）和 HIPAA，数据驻留可以在美国和欧洲（EEA+瑞士），合规上的坑也提前填了。
这套打法，明显是奔着让企业客户直接接入生产环境去的。
三种题型的实用主义
Decisions 不搞花活，只有三种题型，对应三类场景：
predicate：判断一个条件是否成立，返回 0 到 1 的概率。典型场景是质检、审核、标记。
choice：从你给的选项里选一个。典型场景是客服路由、分类打标。它还会返回每个选项的概率分布，你看得出来模型是笃定还是犹豫。
score：按有序级别打分。典型场景是工单严重程度评估、风险评估。返回的是一个加权平均值，可能是小数，比如 1.1，表示这次的问题介于"有替代方案"和"完全阻塞"之间。
有意思的是 choice 和 score 的区分。
choice 处理无序分类（部门、类别），score 处理有序级别（严重程度、优先级）。
按什么标准？按你定义的标准。
官方文档每次示例都在强调一件事：把选项和级别的描述写清楚。给每个选项一个独立的含义，给每个级别一个明确的判断标准。
你别让 AI 猜。你写明白了，它才能答明白。
工作流的分寸感
这个接口在高频决策场景里有个不错的优势：独立问题可以放同一个请求里。
你上传一张产品图，同一个请求里既检查损坏情况，又判断产品类别。
但有依赖关系的判断，官方建议分步请求。
先判断有没有损坏，再决定要不要走维修流程。
先评估投诉内容再判断部门，还是先看这个用户是不是付费用户？
有依赖，就分开调。
这个设计逻辑很清楚：它不追求一次对话完成复杂推理，而是当一个快准狠的决策引擎。
别让它干对话的活，让它当判断组件。
十倍的诱惑
回到开头那个数字：比 Responses API 快 10 倍。
这个速度的意义不用多说，对于做实时审核、大规模内容分诊的团队来说，速度就是成本，速度就是体验。
评论区有人抛出那句经典台词："跑分呢？没跑分怎么信你？"
也有人在 HN 上翻出旧帖，说 OpenAI 早就被预测会快速跟进 Jev（另一个同类产品），现在果然来了。
竞争总是这样的。
一个方向被验证有戏，巨头会带着十倍速、超低价和一套合规组合拳进场，把赛道做成自己的地盘。
问题是，专属模型 gpt-6-luna 目前还是独占的，Obsidian 系列其他替代方案还能持续多久，也要打一个问号。
OpenAI 在文档里说 GA 要等几周。
几周后，这个接口会不会调整价格，还是继续保持"只要输入费"的收割姿态？
值得观望。
不管怎么说，过去你要写一堆规则引擎、训练一个分类器、维护一套关键词库才能干的事，现在一行 API 给办了。
模型负责理解，你负责定义问题，决定阈值。
剩下的，交给 Decisions。
【锐评】：没有人反思一下，我们到底在构筑更智能的世界，还是在给自己造一个更高效的分类垃圾桶。
参考链接：
https://developers.openai.com/api/docs/guides/decisions