快十倍，第十四名

10 月 22 日，OpenAI 把 Decisions API 开放给全部客户。这是一个只回答「有界问题」的端点：你先列出允许的答案，它只给你一个值。1

开放当天，两个方向相反的数字同时在场。官方说它比经 Responses API 调同一个 GPT-6 Luna 快约十倍；两套公开的决策题集，都把这个端点排在第 14 位。123

这两个数字量的是两件事：一个量时延，一个量判断。

官方的原句是「up to 10x faster than GPT‑6 Luna through the Responses API」。1 开发者文档换了个说法：「about 10x faster than the Responses API」。4 两处的参照物都是 OpenAI 自己的另一个端点。

官方没有给这个数字配测法。发布页、开发者指南、接口参考、模型页、变更日志里都查不到 p50 或 p95，也没有题目、区域、并发这类条件。4

能查到的毫秒数来自三处，互相对不上。TechCrunch 引 OpenAI 的 API 产品负责人 Nikunj Handa：从一到三秒降到 100、120、180 毫秒。5 客户侧，Sierra 自报「under 280 ms p95」，Speak 的首席技术官说从 1.4 秒降到 0.13 秒。1

目前能查到的唯一一次第三方对照测试，发生在 9 月 29 日，也就是公测之前。媒体 Every 的评测里，计算机任务文本回放，Decisions 平均 230 毫秒，Jev 500 毫秒；到了会话分类这一项，Jev 的中位数是 161 毫秒，Decisions 是 309 毫秒。6 同一个测试，两项一比，快的方向和慢的方向都有。

到 23 日凌晨，第三方还没有发布自己对新端点的复现。所以「十倍」目前是厂商口径，量的是同一个模型换一个端点之后的差别。

端点只有一个：POST /v1/decisions，模型也只有一个：gpt-6-luna。4 请求被切成三块——模型、共享证据（input）、问题清单（questions）。一块证据最多挂 400 个问题，比公测时的 200 个翻了一倍。4

每个问题只能落在三种形状之一，返回的字段是定死的：

形状定死之后，模型不必先写出一段话再让人去解析，它直接在给定的空间里给出一个点。十倍主要来自这里：被减掉的是生成那一段。

官方把边界也写在同一页上：要按你自己的 JSON schema 产出对象，比如抽字段或写解释，用 Responses 的 Structured Outputs；要模型发起工具调用，用 function calling。4 换句话说，说明这一层要另找接口。

还有一条容易漏掉的限制：有依赖的决策不能塞进同一批。官方写的是「send separate requests」——先判 A，再拿 A 的结果去判 B，就要多走一趟往返。4

Decisions 的输入价是每百万 token 0.10 美元，缓存读 0.01 美元，输出不收钱。1 把它和价目表放在一起看：gpt-6-luna 的输入价本来就是 0.10 美元、缓存输入 0.01 美元、输出 0.50 美元。7 单价一分没降，降的是那一行输出。

输出那一行在账里占多少？算一笔常见的活：一段一万 token 的证据，要问 20 个判断。

旧办法是 20 次调用，每次把一万 token 的证据重新发一遍，共 20 万输入 token，计 0.0200 美元；每次输出 40 token，共 800 token，计 0.0004 美元。合计 0.0204 美元。

新办法是一次请求：一万 token 证据只读一遍，20 个问题一起问，计 0.0010 美元，输出不收。两者相差 20.4 倍。

在旧账里，输出只占 2%。这笔钱来自那十九遍重复的证据，也就是「一次读、问很多个」。反过来也成立：如果你的场景本来就是一次调用问一个问题，省下的只有输出那一行，也就是几个百分点。

缓存是第二个杠杆，门槛写在文档里：可复用前缀至少 1,024 token 才进缓存，问题本身不计入。4 写入按 1.25 倍输入价收，30 分钟档 0.125 美元、12 小时档 0.25 美元；区域处理与长上下文另乘系数。7

Artificial Analysis 的决策榜这一版是 v1.0，四项各占 25%：500 道私有题、513 道 HLE 多选题、3,423 个 When2Call 任务、835 行 WildGuardTest。它只给 16 个决策模型排位。2 AIM 的 System One Index 是 v1.2，把分类题、浏览器任务与偏见测试折算成 z 分数，59 个模型混排。3

两榜第一都是 Liquid 在 10 月 15 日发的 d1-ultra：AA 65.25，AIM 60。8 AA 第二是 Baseten 旗下 Base Labs 用 Qwen3.5 微调、开源的 elephant（9B），64.69。9

TypeSafe 的 Jev 1.14 在 AA 是 57.07、第 4；比它早一版的 1.13 是 57.50、第 3。在 AIM 是 58、第 7。23

OpenAI 的 GPT-6 Luna (Decisions) 在 AA 是 48.49，第 14；在 AIM 是 56，也是第 14。23

TechCrunch 写 Jev「seventh and third」、OpenAI 的决策模型「eighth and fourteenth」。5 前一组与两榜吻合；后一组里，第 8 在两张榜上都对不上——两榜都是第 14，第 8 恰好是 OpenRouter 决策模型用量榜上这个端点的位置。

第三个榜就是用量。10 月 12 日那一周，OpenRouter 上 Jev 1.13 有 9.48 亿次请求、1.14 有 3.16 亿次，TypeSafe 一家占去当周决策请求的 80%；OpenAI 的决策模型是 2,180 万次，排第 8，占 1.8%。10

价格也不站在 OpenAI 这边。Jev 是每百万输入 0.042 美元、输出免费；d1-ultra 也是 0.042 美元。811 Decisions 的 0.10 美元是它们的 2.4 倍。

AA 的同一套题也跑通用模型：Claude Opus 5.5 得 79.0，GPT-6.1 Sol 得 70.9，而决策模型里最高的只有 65.25。2 这一类卖的是速度与价钱。

决定这条端点能不能用的，是那个数准不准。官方把这件事留给了使用者：「Use labeled examples from your application to set thresholds」，阈值按你自己的假阳性与假阴性的代价来定。4

公开数据里有一次针对底座 Luna 的独立实测。10 月 1 日，博主 Anthus 用 3,600 道 ProofWriter 推理题打 gpt-6-luna，在 2,672 个置信度 ≥99% 的回答里，只有 68% 是对的；期望校准误差 0.32，而同一批题上 Jev 是 0.04。推理深度到第 5 步时，AUROC 掉到 0.51，等于抛硬币。12

这个测试有三处要打折扣：时间是公测之前，打的是底座而不是这个端点，作者自己也写明「It isn't the Decisions API itself」。12 但它说明的问题不会因为端点换代就消失——概率标定的好坏，决定阈值能不能用。

同一件事还有两个旁证。InfoWorld 引 HFS Research 的说法：0.8 这个数的含义不能从一个模型搬到另一个模型，阈值要逐家重标。13 一位 Hacker News 用户在同一套题上分别跑 Jev 与 Luna，Jev 花了 0.0192 美元，Luna 花了 0.06 美元。14

所以这条端点真正卖给你的，是把判断变成可计数的东西；那个 0.87 可不可信，要你自己标出来。

三种情况，官方文档自己就排除了：要按你的 schema 产出对象、要写解释，用 Structured Outputs；要模型请求工具，用 function calling；决策之间有依赖，另发请求。4

第四种是输出形态。Handa 说客户希望这条端点也能用图作为输出，目前还不行。5

第五种是题本身太难。Anthus 那批题到了五步推理就退化，说明「有界答案」和「难推理」是两件事，压成一个是会掉分的。

第一，先挑一个每天都发生很多次的判断，看它能不能只答一个值。压得进三种形状的，才轮得到这条端点。

第二，按「证据 × 问题」算钱，不要按调用次数算。一次请求最多 400 问，前缀满 1,024 token 才进缓存；有依赖的判断要另算一趟往返，那趟也要时间。

第三，把校准当成上线前的必做项。官方叫你自己标样本，公开实测里同一个 Luna 的「99%」只对了 68%；两个公开榜的前排都是别家，这一家两个榜都排第 14；榜也替代不了你自己的题。

能确定的是：开放时间是 10 月 22 日；版本线是 9 月 29 日开发者日的有限预览、10 月 6 日公测、10 月 22 日正式可用；1516 价格是输入 0.10 美元、缓存读 0.01 美元、输出不收；一条请求最多 400 个问题；两套公开题集都把它排在第 14。

不能确定的有几块。官方没有公布 p50 或 p95，也没有公布「十倍」的测法，所以这个数字没法复算；第三方唯一的对照测试停在预览期，量到的差是两倍上下，还有一项更慢。Decisions 端点为什么在 AA 上比普通 Luna 的非推理档还低（48.49 对 49.59），官方没有解释。AIM 的榜单在 10 月中旬连续加过模型，TechCrunch 引的位次与今天抓到的读数对不上，只能记为时点差异。/v1/decisions 的并发上限、超时、专属速率限制，官方文档里都还没有。价目表上也找不到 Decisions 这一行——它挂在 gpt-6-luna 名下，只靠指南里那句「output tokens are not charged」与模型行区分。