OpenAI 把 gpt-6-luna 拿來做決策模型，推出 Decisions API，直接對上 Jev 開闢的戰場。官方說法是比 Responses API 快十倍，只回答三種問題：條件成立的機率、固定選項二選一、有序量表分數。
本文整理官方文件重點與 Hacker News 上 47 則留言的正反意見，文末附互動圖解。
Decisions 是什麼
一次請求只有三個部分：model（目前只收 gpt-6-luna）、input（共用證據：純文字或含圖片的使用者訊息）、questions（要評估的問題）。回應是 answers 陣列，用你取的 name 對應答案。端點是專用的 POST /v1/decisions，目前為公開測試版。
三種問題型別
| 型別 | 用途 | 主要結果 |
|---|---|---|
| predicate | 檢查條件是否成立，例如產品有無可見損傷 | probability：0 到 1 的估計值 |
| choice | 無順序分類，例如客訴該歸哪個部門 | choice：你提供的其中一個值 |
| score | 有序評分，例如問題嚴重度 | score：各等級索引的機率加權平均，可落在兩級之間 |
choice 與 score 除了答案，還會回傳各選項機率分布與 confidence。類別沒覆蓋到的輸入，記得加一個 other 後備選項，丟進通用複查佇列。
有先後依賴的判斷不要併成一題，分次請求。例如先檢查有無損傷，再依結果決定要不要問維修分類。
圖片是賣點
圖片必須是內嵌 base64 data URL，不收託管網址或 file_id。這正是多數人認可的差異點：Jev 當初最大的缺口就是不吃圖片，而 Decisions 原生支援圖文混合評估。
計價
gpt-6-luna 輸入每 100 萬 token 收 0.10 美元，只收輸入，輸出與快取免費。支援零資料保留（ZDR）與 HIPAA，資料落地限美國與歐洲。
網友反應：技術不驚喜，商業合理
唯一硬核實測：比 Jev 慢又貴
網友 Topfi 拿不到 600 次呼叫，經 OpenRouter 對打 Jev 與 Mercury Decide：Luna 約 p50 346ms、p95 860ms，比 Jev 慢；失敗 4 次，另兩家掛零；同組測試 Jev 花 0.0192 美元，Luna 花 0.06 美元，貴約三倍。標籤任務上 Jev 的分數也更符合常識（例如彭博的上證指數頁配「投資」標籤，Jev 給 0.9，Luna 只給 0.56）。
但他也承認圖片輸入還沒測，評測高度依任務而定。
企業派：有合規跟採購就贏了
最多人同意的一串恰好跟技術無關：Jev 過不了合規，有合規需求只能選 OpenAI；已經採購過 OpenAI 的企業，導入新供應商要三到六個月，加上終身 vendor management，用現有合約直接上最划算。一個月 11 美元的用量，沒人想為此自建模型或重跑採購流程。
商品化爭論：注定價格戰
Jev 證明了 System One 快思考的價值：夠快夠便宜的是非判斷，往往就是大家真正要的。開源版洗版 Hugging Face，大廠只好放棄輸出 token 收入參戰。反對自建的人則說，買或租是經濟問題：每 100 萬 token 一角美元，自己架省不了多少事。
另一派提醒：決策模型只 cover 極簡決策，真實問題多半要多屬性結構化輸出；而且模型幾週就可能被「改進」，正式用途不敢押寶。
互動圖解
手機版若看不到內嵌頁面，可直接開啟：https://derek-static.pages.dev/openai-decisions.html
來源
- 官方文件：https://developers.openai.com/api/docs/guides/decisions
- HN 討論串：Hacker News item 49984025（115 分，47 則留言）