把判断做成接口、只按输入计费；估值目标从 1.4 万亿下调到 1.25 万亿——OpenAI 10 月 23 日动态
本期覆盖 10 月 22 日 09:00 至 23 日 09:00：Decisions API 转正、只按输入计费并给出五家客户的速度数字；驻场工程说明与 Uber 三万人部署同日落地；估值目标从 1.4 万亿下调到 1.25 万亿，METR 与 Redwood 则在监测系统里找出可被绕开的地方。
本期覆盖北京时间 2026 年 10 月 22 日 09:00 至 10 月 23 日 09:00。官方新闻源在这一窗口从 1,312 条增至 1,315 条1。
三条新增里两条落在窗口内：23 日凌晨 03:00 的 Decisions API 转正公告，22 日 14:00 的驻场工程说明。第三条是 Uber 的全员部署，发布于 22 日 08:00，早于窗口起点一小时，本期补入。
官方之外有三条：估值目标从 1.4 万亿美元下调到 1.25 万亿；METR 与 Redwood 在 OpenAI 的监测系统里找出可被利用的漏洞；三季度游说支出创下纪录。
以下每条按「发生了什么、具体改变、适用限制、下一步检查」交代。
本窗口速览
| 本条 | 类型 | 要判断的一件事 |
|---|---|---|
| Decisions API 转正 | 产品 | 手上的高频小判断是否值得切到这个接口 |
| 驻场工程（FDE）说明 | 交付方式 | 自建团队与让厂商驻场，差别在哪 |
| Uber 铺开 ChatGPT Work | 客户案例 | 三万人规模的全员部署能证明什么 |
| 估值目标改成 1.25 万亿 | 资本 | 1.4 万亿到 1.25 万亿这步意味着什么 |
| METR 与 Redwood 的红队结果 | 安全 | 自家代理监测能被外部找出多少洞 |
| 三季度游说支出 | 政策 | 谁在为哪条规则花钱 |
| 三起服务故障 | 运维 | 早间调用是否踩到故障窗口 |
Decisions API 转正：把「做一次判断」做成接口
10 月 22 日，OpenAI 把 Decisions API 转为正式可用，接口目前只跑一个模型 gpt-6-luna2。
它处理的是工作流里反复出现的小判断：这条输入属于哪一类、这个请求转给谁、下一步做哪个动作2。
单个判断很便宜，量大之后延迟和费用会累加。官方称在有界答案的问题上，它比走 Responses API 快最多 10 倍2。
这个接口 10 月 6 日以测试版上线，本报 10 月 7 日那期记过那次发布3。
三种答案类型
一次请求分三部分：模型、共享的上下文、问题清单。上下文可以是文本、图片或原生 JSON，问题要写明允许的答案4。
| 类型 | 用来做什么 | 返回什么 |
|---|---|---|
| predicate | 判断一个条件是否成立，比如商品有没有可见破损 | 0 到 1 之间的概率4 |
| choice | 从你给定的选项里选一个，比如继续、重试、追问 | 其中一个选项，另带各选项概率与 confidence4 |
| score | 按有序档位打分，比如损坏的严重程度 | 各档位序号的概率加权平均，可以落在两档之间4 |
三种类型也划出了它不负责的部分：要按自己的 JSON 结构生成对象，用 Responses API 的结构化输出；要让模型发起工具调用，用函数调用4。
价格：输入照 Luna 的价，输出不计费
Decisions 按每百万输入 tokens 收 0.10 美元，缓存输入 0.01 美元，输出 tokens 不收钱2。
对照 gpt-6-luna 的标准价：输入 0.10 美元、输出 0.50 美元、缓存输入 0.01 美元，单位都是每百万 tokens5。
所以这次省下的是输出那一侧。缓存写入仍按 Luna 的缓存费率计费，区域处理（美国、欧盟）与长文本倍率另计4。
缓存有门槛：共享前缀至少要 1,024 tokens 才命中，问题本身的内容不计入这个前缀4。
从测试版到正式版加了什么
从测试版到正式版，接口加了九项能力：提示缓存、单个问题可自带图片、用 input_json 直接传结构化数据、可直接传公开图片地址4。
另外五项：每请求问题数从 200 提到 400、可评估带工具调用的对话历史、组织用量报表、与 GPT-Live 的原生集成、Private Link4。
每请求 400 个问题这一条改变了用法：同一份材料可以配 400 个问题一起问，缓存仍只按共享前缀算4。
五家客户的速度数字，对照组各不相同
| 公司 | 场景 | 官方引语里的数字 |
|---|---|---|
| Box | 保险凭证的分类与路由 | 30 个案例上选路快约 5 倍，准确率与 Responses 相同2 |
| Datadog | 给代理生成的 shell 命令打风险分 | p95 比可用的前沿模型快 40 倍，准确率相当2 |
| Ramp | 把 AI 成本归到具体工作上 | 比 GPT-6 Luna 快 4 倍、便宜 30%2 |
| Sierra | 实时客服对话里选下一步动作 | p95 低于 280 毫秒，快约 3 倍，每次调用成本低 90%2 |
| Speak | 语言学习里的语音互动 | 等待下一步动作的时间从 1.4 秒降到 0.13 秒，降幅超过 90%2 |
读这张表要先看对照组：Box 比的是 Responses，Datadog 比的是「可用的前沿模型」，Ramp 比的是 GPT-6 Luna，Sierra 比的是自己此前的方案，Speak 比的是接入前的版本2。
横向比较时，最后那一列写的对象不同，数字就不能直接排队。
官方也给自己的用法：dots 团队用它压响应时间，个人理财团队给交易描述分类，传播团队把报道按主题打分2。
三处限制与上手路径
模型只有 gpt-6-luna 一个可选，输入不支持文件、音频与条目引用4。
缓存靠共享前缀命中，问答内容不进前缀；问题越长越杂，缓存命中率越低4。
官方建议从应用里最常做的那一个判断开始，先定义问题、允许的答案与区分它们所需的上下文，再拿真实样本在 Decisions Playground 上试2。
驻场工程：一个团队怎样把客户问题变成可复用的包
22 日官方发了一篇署名说明，作者是 OpenAI 驻场工程（forward deployed engineering，简称 FDE）负责人 Colin Jarvis6。
他在 2025 年初组建这个团队，目标是补上「部署落差」：模型看起来能做到的事，与人们真能拿来干活之间，隔着一段距离6。
文章给了四个带时间、带客户的数字：
| 项目 | 数字 | 口径 |
|---|---|---|
| 某大型半导体客户的验证流程 | AI 生成定向测试省下约 48% 的时间；内核优化中位性能提升 22%；原本数周的调试压到数小时 | 2025 年中，约 15 名 FDE，10 个以上用例6 |
| 同一批用例改用 Codex 重做 | 每个项目删掉约 90% 的自定义代码 | 2026 年 8 月的例子是首次部署两个月、复制到第二个团队一天6 |
| 电信客户的语音客服 | 关键评测从约 60% 升到 80%，再升到 90% 以上 | 语音占该客户客服量约 90%，用时六个月6 |
| Thrive Holdings 的报税工具 Tax AI | 试点处理 7,000 份报税表，产能提升约 50% | 出租房退税一项用了六周工程与从业者复核才到 90% 的精确率与召回率6 |
文中另有两处细节：验证环节在这家半导体客户约占项目工作量的 70%；OpenAI 的企业语音与聊天产品 Presence 是从客户部署里长出来的，现在有一个客户一半以上的来电由 AI 处理6。
方法本身可以照抄：先做出能进生产的东西，从生产里学哪些能复用，再把可复用的部分收进产品。文章的顺序是先让它存在，再让它变好，最后才是规模化。
官方在这篇里没给的是成本与可复制性的横向证据：FDE 的人力怎么计价、别家客户能否复现同样的百分比，都没有写6。
Uber 把 ChatGPT Work 铺到三万人
Uber 宣布把 ChatGPT Work 在公司范围推开，覆盖全球三万多名员工，起点是一千人的试点7。
接入的是日常在用的四类应用：Google Drive、Gmail、Google Calendar 与 Slack。员工用它查资料、写会议简报、做演示文稿、分析数据7。
默认模型是 GPT-6.1 Sol，语音与图片生成一并可用；工程团队继续用 Codex7。
这条的发布时间是北京时间 10 月 22 日 08:00，早于本期窗口起点一小时，上一期未收录，本期按补录交代1。
规模之外没有可核对的结果：官方说会在推广过程中再分享使用情况与可量化产出，眼下还没有数字7。
估值目标从 1.4 万亿下调到 1.25 万亿
《金融时报》22 日晚报道，OpenAI 把估值目标下调到 1.25 万亿美元，本月早些时候它向投资人报的是 1.4 万亿8。
CNBC 同日晚给出条款：最多融资 300 亿美元，投前估值 1.25 万亿；阿联酋的投资方与 Coatue 领投；这轮被定位为上市前的「机会性」过桥资金9。
时间线上，OpenAI 在周四告诉投资人，目标是下周内拿到签字，最终规模还在确定9。
同一批消息里还有一条：OpenAI 正在谈一份商业协议，以从阿联酋取得更多算力。公司 2 月对投资人说，到 2030 年的总算力支出目标约 6,000 亿美元9。
口径要先分清：1.25 万亿是投前估值，不包含这一轮新募的钱9。
本报 10 月 20 日那期记录的路透社数字是 1.4 万亿以上、融资约 300 亿美元。两天后两家媒体给出的估值都往下走10。
上市这条线没有新日期：6 月已向美国证交会秘密递交招股书；首席财务官 Sarah Friar 8 月对员工说 2027 年会成为上市公司；奥特曼 9 月说，现在不是上市的好时机9。
对手在同一赛道：Anthropic 6 月也已秘密递交，据报道在寻求 1.5 万亿到 2 万亿美元估值，5 月那轮是 9,650 亿美元9。
METR 与 Redwood 的红队：监测系统里那些能被绕开的地方
22 日，评估机构 METR 与 Redwood Research 公开了他们针对 OpenAI 内部失准监测系统的红队结果11。
时间是 7 月 21 日到 8 月 11 日，两家各出一人。他们拿到了 OpenAI 的内部代码库、监测用的提示词与配置、内部文档，还访谈了监测、安全系统与安全团队约十二名研究员和工程师11。
访问是受控的：用 OpenAI 发的设备，设备不出楼，现场有人陪同11。
产出是一份 61 页的内部报告，另有一版 38 页、经 OpenAI 删减交给两家机构的管理层。公开的只有一篇高层摘要，双方事先这样约定11。
公开的十一条发现
覆盖率的估计：对至少与 GPT-5.5 同级强的模型，其内部 Responses API 的代理流量约 75% 到 94% 在监测范围内，两个方向都有较大不确定性；其中用于内部 Codex 代理的那部分，99.2% 在范围内11。
强化学习训练当时不在覆盖范围。3 月到 6 月有部分训练轨迹被监测，评估开始时没有11。
不监测上下文压缩这一步，可能让 2026 年 5 月到 7 月约 10% 本该被监测的内部 Codex 流量漏掉。OpenAI 的员工在评估前已独立发现，并在评估期间修好11。
监测在代理把控制权交回用户时才触发。压缩没被监测的那段时间，代理只要一直继续动作，就能一直推迟被监测11。
监测系统自身在不到 0.2% 的请求上出错；评估期内有连续 24 小时没有任何限流丢弃11。
他们找到了 Codex 代理理论上绕过沙箱与自动复核的路径。一旦绕过，代理就能做宿主用户能做的任何事11。
他们找到一个办法，能让最近数百个动作（包括利用本身）不被监测，细节被 OpenAI 删去11。
代理可能构造输入让监测失败，从而不升级到人工复核。原因是代理看到的轨迹与监测看到的轨迹在序列化上有差异11。
有两个客户端可控的请求头能让新代理关掉监测，造出一个未被监测的实例；设置请求头、新建实例这个动作本身会被监测发现11。
两个被视为只读的内部代理工具，存在可越权在沙箱内做任意操作的利用。这一条没有做实际验证11。
除少数例外，监测系统看到的轨迹与代理看到的一致；监测的提示词覆盖了密谋、破坏监测、蓄意破坏、数据外泄、欺骗与双向提示注入等类别11。
三条限制与官方回应
评估对象是 7 月 21 日及之前的系统，评估期间正在扩大的那部分没有被评估11。
METR 写明这次不是为了给公众提供可靠的透明度，只发摘要；更完整的公开留到下一次演练11。
OpenAI 称影响生产防护的漏洞都已修补。METR 说这些后续变化他们没有评估11。
CNBC 补了公司口径：OpenAI 发言人表示会把学到的东西用于加强防护，并称正在敲定与第三方安全评估方的合同；奥特曼 9 月承诺给独立评估者「接近员工级别」的访问权限12。
METR 给的五条设计理想
- 让「不被监测」变难：跑未监测请求要显式批准到具体组织与 API key，且这些 key 不用于代理推理；按每 N 条消息或每 N 分钟监测，而不是等代理结束回合11。
- 让该被监测的流量确实进了监测：对全部推理做账，定期与监测系统的日志交叉核对；维护一份已知绕开方式的清单；保证监测看到的上下文与代理一致11。
- 事故响应要快而稳：责任到人，少留主观判断，日志防篡改且好检索11。
- 主动红队：定期做控制评估，找监测系统里可被利用的 bug，并研究怎么评估策略性串通11。
- 把代理与监测隔开：代理脚手架尽量跑在工具执行环境之外，代理的动作不能影响监测何时运行；代理通常不该看到监测的设计与代码11。
三季度游说支出：三家都创了纪录
联邦披露文件显示，7 月到 9 月，英伟达花 220 万美元、Anthropic 210 万美元、OpenAI 150 万美元，三家各自都是单季最高，合计接近 600 万美元13。
放到历史里才看得出分量：OpenAI 今年之前单季没花到 100 万美元，2024 年底之前没超过 50 万；Anthropic 去年单季最高刚过 100 万；这是英伟达第一次单季超过 200 万13。
OpenAI 报的议题包括前沿模型的网络安全评估、AI 安全监督框架、信息共享的反垄断豁免。往来对象有国会、白宫、小企业管理局、商务部与国务院13。
同一批文件里苹果也创了纪录，单季 310 万美元13。
时点值得留意：9 月底科技高管在白宫与特朗普会面，签了一份自愿性的 AI 安全协议，随后特朗普任命了 AI 事务负责人与工作组；中期选举之后，国会控制权可能变化13。
服务状态：本窗口三起故障
| 事件 | 北京时间 | 受影响组件 | 影响面 |
|---|---|---|---|
| ChatGPT 对话与 Responses API 错误率上升 | 10-22 10:18 至 16:50 | Responses、Conversations | 印度、日本、韩国用户14 |
| 企业版 dots 性能下降 | 10-23 02:51 至 04:55 | dots | 以企业客户为主，发消息失败15 |
| 新广告账户无法分配管理员 | 10-23 03:36 至 08:07 | Ads Manager、Ads API | 新建账户的流程16 |
状态页按太平洋时间显示，上表已换算为北京时间14。
记录日基线延长为 9 月 14 日至 10 月 22 日，39 个记录日共 54 起17。
其余官方入口的停点：ChatGPT 发布说明最新仍是 10 月 20 日的锁定聊天；模型发布说明停在 10 月 14 日的 GPT-5.5 退役；Codex 每周更新页仍是 10 月 12 日至 16 日；失准披露页 20 份报告加 3 份通知，最新更新 10 月 20 日18192021。
编辑视角
这一天官方发的三条指向同一个方向：把能力做小、做便宜，放进别人已经在跑的工作流里。
Decisions 只保留「给出一个有界答案」这一件事，单价压到与 Luna 输入同价，输出不再计费。
FDE 那篇讲的是把客户项目里九成的自定义代码删掉、收进 Codex 与插件。Uber 那条是三万人换一个默认入口。
钱的那一头在同一时间回撤：估值目标从 1.4 万亿改到 1.25 万亿，比本月早些时候的报价低。
两条线放在一起，读得出一个方向：能力越往具体工作流里沉，单位产出的溢价越薄。而支撑高估值的，正是这些工作流能不能规模化变现。
这个判断是本文从上面几件事推出来的，官方没有把它们放在一起解释过。
同一天 METR 的报告给出了另一把尺子：外部人拿到内部代码与配置，三周就能在监测系统里找出十条能绕开的地方。
它说明「可被外部审计」这件事开始有了具体的价格与流程，也说明代理大规模上线之后，监控本身会变成需要单独红队的目标。
对读者的用处是换一个提问方式：看到一条 OpenAI 新闻，先看它落在哪个位置——更便宜的接口、可复用的交付包，还是资本与审计的安排。三者的时间尺度不同，能做的动作也不同。
今天可以做的四件事
- 手上有高频小判断的（分类、路由、打标签），拿 30 到 50 条真实样本在 Decisions Playground 跑一遍，把延迟与准确率和现在的 Responses 调用并排记2。
- 检查共享上下文能不能凑到 1,024 tokens：稳定材料放前面、问题放后面，缓存才命中4。
- 用代理的团队按 METR 的五条对照自家监控：未监测请求有没有显式白名单、监测是按消息数还是按回合触发、代理能不能影响监测何时运行11。
- 关注融资的人记两个日期与两个口径：下周内的签字、2027 年的上市窗口；1.25 万亿是投前，与上月的 1.4 万亿要分开记9。
本期未收录与口径说明
- Uber 那条发布于北京时间 10 月 22 日 08:00，早于窗口起点一小时，上一期未收录，本期按补录交代1。
- 路透社关于 METR 的报道原文页有反爬拦截，本期改用 METR 的原始发布与 CNBC 的报道承载同一批事实12。
- 《金融时报》原文在付费墙后，本期只采用可见的标题与摘要：本月早些时候报的是 1.4 万亿；条款细节取自 CNBC8。
- Decisions 的客户引语是各公司工程师与产品负责人的自述，未经本报复核，表里已注明各自的对照组2。
- 未收录：彭博关于前 OpenAI 产品负责人 Kevin Weil 创办 Warp Sciences、融资 2.15 亿美元的报道，主体是前员工的公司。
- 未收录：The Information 关于 Datadog 洽谈收购 Upwind 的报道、英伟达与 Nscale 的上市估值争议、招聘岗位与社区论坛反馈。
References
- 1OpenAI News RSS
openai.com
- 2
- 3API Changelog
developers.openai.com
- 4Decisions 指南
developers.openai.com
- 5Pricing
developers.openai.com
- 6What FDE means at OpenAI
openai.com
- 7
- 8
- 9
- 10Reuters 稿经堪萨斯城星报转载
kansascity.com
- 11
- 12
- 13The Verge: record lobbying quarters
theverge.com
- 14状态页：对话与 Responses API 错误率
status.openai.com
- 15状态页：企业版 dots 性能下降
status.openai.com
- 16状态页：新广告账户
status.openai.com
- 17OpenAI Status 历史
status.openai.com
- 18ChatGPT release notes
help.openai.com
- 19Model Release Notes
help.openai.com
- 20Codex: what's new
developers.openai.com
- 21Misalignment Reports
alignment.openai.com
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.