> ## Content Index
> Fetch the complete content index at: http://38.65.91.206/llms.txt
> Use this file to discover other available public pages before exploring further.

# AI 工具｜别让模型写段落，改问它一道选择题：OpenAI Decisions API 正式可用
- URL: http://38.65.91.206/openai-decisions-api-ga-guide/
- Published: 2026-10-27T02:46:57.000Z
- Updated: 2026-10-27T02:46:57.000Z
- Description: OpenAI Decisions API 10 月 22 日正式可用：不写段落，只回答预设问题——一个概率、一个选项或一个分数，单次请求最多 400 道题，只按输入 token 收费。
- Author: Cherry
- Tags: ai-tools

你的应用里每天都有成百上千个小决定：这条工单归哪个部门？这张照片里的商品坏没坏？这个 bug 有多严重？过去的做法是让大模型写一段话，再从段落里抠出答案——慢、贵，还经常要处理格式跑偏。10 月 22 日，OpenAI 把 Decisions API 推向正式可用（GA）：它不写段落，只回答你预先给好的问题，返回一个概率、一个选项或一个分数。

## 一、它到底是什么

Decisions API 先在 10 月 6 日以公开测试版上线，10 月 22 日正式可用，背后是 GPT-6 Luna 模型，目前也只支持这一个模型。调用端点固定为 `POST /v1/decisions`。一个请求只有三部分：`model`、`input`（共享证据：一段文本、图片、JSON，或一段对话历史）、`questions`（要问的问题）。返回的 `answers` 数组按你给每个问题起的 `name` 回填答案——你的程序直接按名字取结果，不用再解析自然语言。

OpenAI 称它比用 Responses API 调用同一模型快约 10 倍。这是厂商说法，没有独立评测佐证；但方向是对的：答案越短，推理和解析的活儿就越少。正式可用后，单次请求的问题上限从测试版的 200 道翻倍到 400 道。

## 二、三种问题，对应三种答案

**predicate（判断题）**：条件成不成立，返回 0 到 1 的概率。比如“这张照片里的商品有没有可见损坏”，答案是 `probability 0.92`，你自己定阈值决定要不要转人工复核。

**choice（选择题）**：从你给定的选项里选一个，附带每个选项的概率和一个 `confidence`。比如工单分流：billing、technical、shipping、other，模型返回 `choice` 加各选项概率。记得永远留一个 other 兜底——分类体系永远盖不住所有输入。

**score（打分题）**：对 2 到 10 个有序等级打分，返回的是按概率加权的等级下标均值，所以分数可以落在两个等级之间。比如严重程度三档：外观问题、有 workaround、完全阻塞，概率 0.1 / 0.7 / 0.2 对应的分数就是 1.1。

三类问题可以混在一次请求里问同一份 `input`；但如果后一个决定依赖前一个的答案，就得分开发两次请求——它不做链式推理，只回答你给的问题。

## 三、照着敲：三段 curl 就能跑通

先决条件只有一个：一个开通了 API 账单的 OpenAI 账号，以及一个能访问 `gpt-6-luna` 的 API Key，存进环境变量 `OPENAI_API_KEY`。不想先写代码的话，可以先去平台上的 Decisions Playground，用自己的文本或图片试几条。

第一段，工单分流（choice）：

```
curl https://api.openai.com/v1/decisions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "input": "I was charged twice for my order.",
    "questions": [{
      "type": "choice",
      "name": "department",
      "instructions": "Which department should handle this complaint?",
      "choices": [
        {"value": "billing", "description": "Payments, invoices, and refunds."},
        {"value": "technical", "description": "Problems using the product."},
        {"value": "shipping", "description": "Delivery and tracking."},
        {"value": "other", "description": "Requests outside these categories."}
      ]
    }]
  }'
```

第二段，严重程度打分（score）：

```
curl https://api.openai.com/v1/decisions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "input": "Export fails in Safari but works in Chrome.",
    "questions": [{
      "type": "score",
      "name": "severity",
      "instructions": "How severe is this issue?",
      "levels": [
        {"label": "Cosmetic", "description": "Appearance only; no lost functionality."},
        {"label": "Workaround available", "description": "A task fails, but another way works."},
        {"label": "Fully blocked", "description": "A task fails with no workaround."}
      ]
    }]
  }'
```

第三段，验货照片判损（predicate，图片用 inline base64 或公开 URL）：

```
IMAGE_BASE64="$(base64 < product.png | tr -d '\r\n')"
curl https://api.openai.com/v1/decisions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  --data-binary @- <<JSON
{
  "model": "gpt-6-luna",
  "input": [{
    "role": "user",
    "content": [
      {"type": "input_text", "text": "Inspect the product in this photo."},
      {"type": "input_image", "image_url": "data:image/png;base64,$IMAGE_BASE64"}
    ]
  }],
  "questions": [{
    "type": "predicate",
    "name": "visible_damage",
    "instructions": "Does the product have visible damage, such as a crack, tear, or dent? Ignore shadows and damage to the packaging."
  }]
}
JSON
```

验证方法：看返回里的 `answers` 数组——名字、类型、概率或选项是否和你问的一致；再看 `usage` 里的 `input_tokens` 和 `input_tokens_details`，确认计费口径。Python SDK 从 3.26.0 起支持，调用是 `client.decisions.create()`，发往同一个 `/v1/decisions` 端点。示例里的阈值和选项描述只是演示，不要直接抄进生产：阈值要用你自己已标注的历史数据，在几个候选值上测误判成本后再定。

## 四、价格账：只按输入 token 收费

未缓存输入每百万 token 0.10 美元，缓存输入每百万 token 0.01 美元，输出 token 不收费，缓存写入要收费，地区处理溢价和长上下文倍率可能另算。算一笔账：一条 500 token 的工单做一次分流，输入成本约 0.00005 美元，一万条约 0.5 美元——这就是“决策”该有的价格：它不写段落，所以你也不用为段落付费。

想吃到缓存红利有个前提：共享 `input` 的可复用前缀至少 1024 token，且 `questions` 部分不计入前缀。做法是把参考文档或图片固定放在 `input` 里、只换问题；每次都换 input 的写法是吃不到缓存的。

## 五、正式版新增了什么，边界在哪里

相对测试版，正式版新增：提示缓存、问题里单独配图（可拿候选图对参照图）、原生 JSON 输入（`input_json`，不用先拼成字符串）、公开图片 URL 输入、对话历史（含工具调用与结果）、组织用量统计（`GET /v1/organization/usage/decisions`）、GPT-Live 原生集成（语音对话进行中就能触发决策）、Private Link，以及美国与欧盟的区域处理；OpenAI 还提到在亚洲多个区域增加了容量。

边界同样要讲清：它不生成文本、不返回自定义结构化对象——要按自己的 schema 抽字段，用 Responses API 的 Structured Outputs；要模型决定调哪个工具、用哪些参数，用 function calling。它不支持文件 ID、音频和条目引用；给图片要用 inline base64 或公开 URL。合规方面，对符合条件的客户支持零数据留存（ZDR）与 HIPAA 场景，数据驻留在所支持的 API 区域。

## 给你的第一步

先别急着重构。挑应用里最高频的一个小决定：工单分流、内容分类、严重程度排序都行。按三步走：第一，在 Decisions Playground 里用真实样本先问几十条，看答案分布；第二，用已标注的历史数据定阈值——比如概率高于多少自动处理、低于多少转人工；第三，只在阈值中间的灰色地带留人工复核。等这一个决定跑稳了，再把同一套问题模板复制到下一个决定上——这才是“决策 API”该有的用法：问题越固定，它越划算。

## 参考来源

- [OpenAI：Build more responsive apps with the Decisions API（正式可用公告）](https://openai.com/index/decisions-api/?ref=38.65.91.206)
- [OpenAI 开发者文档：Decisions 指南](https://developers.openai.com/api/docs/guides/decisions?ref=38.65.91.206)
- [OpenAI 开发者社区：Decisions API is now generally available with new updates（2026 年 10 月 22 日）](https://community.openai.com/t/decisions-api-is-now-generally-available-with-new-updates/1408934?ref=38.65.91.206)
- [OpenAI 开发者文档：Create a decision（接口参考）](https://developers.openai.com/api/reference/resources/decisions/methods/create?ref=38.65.91.206)