你在语言学习应用里答完一句话，系统要立刻判断：发音是否过关、下一题该难一点还是简单一点、要不要补充提示。这里并不需要 AI 写一篇文章，只需要它快速做出选择。OpenAI 新开放的 Decisions API，瞄准的正是这种高频、短促的后台判断。
API 是软件之间按约定格式互相调用的接口。开发者可以把它接进分类、排序、路由和审批流程，不必让员工打开聊天窗口。OpenAI 官方把这项服务概括为“快速、专注、低成本”；不过，目前公开的价格、测试条件和完整技术资料仍然有限。本文涉及的发布日期、性能和客户案例，主要来自 TechCrunch 的单篇报道。
它不是更会聊天，而是少说、快选
判断模型（decision model）不以自由生成长文为主要目标。给它几个预设选项，它选择其中一个，也可以为候选项评分或返回概率。程序拿到结果后，就能自动执行下一步。例如把客服请求分给不同团队，给商品排序，或把低把握的审核案例交给人工。
这里常出现“置信度”：它表示模型对各个选项的相对把握，可以辅助排序，却不天然等于现实中的准确概率。“System One”则借用了认知科学中快速、直觉判断的说法，强调低延迟、高频选择；它是产品定位，并非定义严格统一的模型类别。
本刊 10 月 11 日介绍 Jev 时，已经提到 OpenAI Decisions API 入场。新的进展是，OpenAI 在 9 月 29 日开发者大会公布这项服务后，于 10 月 22 日向所有客户开放。公开版本还加入语音和视觉输入，并把推理资源部署得更靠近不同地区的用户，以降低通信和处理延迟。
关键动作是“重新调校”
据 TechCrunch 报道，OpenAI 这次没有专门训练一个全新的决策模型。团队重新配置了 ChatGPT Luna，让它减少推理延迟和成本。换句话说，这更像把一辆通用汽车调成频繁起停的城市通勤车，而不是从零设计新车型。因此，Decisions API 是对外调用的产品接口，Luna 是底层经过调整的模型配置，两者不能混写成一款全新训练的模型。
OpenAI API 产品负责人 Nikunj Handa 称，这种配置把原先 1—3 秒的处理时间压缩到 100、120 或 180 毫秒。语音学习应用 Speak 的 CTO Andrew Hsu 则称，公司试用后把两次操作之间的等待从 1.4 秒降到 0.13 秒。Box、Datadog、Ramp 和 Speak 都参加了早期试用，用它替换部分 OpenAI 大语言模型工作负载，以提高吞吐量——也就是同一时间能处理更多请求。
这些数字能说明方向，却不能直接视作普遍性能：报道没有交代 100、120 和 180 毫秒分别对应什么任务、地区、统计口径或测试条件；Speak 也只是一个客户案例。
为什么这条产品线值得看
通用聊天模型擅长处理开放问题，但大量企业调用其实只想得到一个短答案：通过还是拒绝，排在第几，交给哪个流程。若窄任务可以用更少时间和成本完成，企业就没有必要每次都调用完整的长文本生成能力。模型市场因此可能从“一个模型包办所有事情”，转向按任务拆分：生成交给生成模型，判断交给更轻、更快的服务。
竞争已经开始。TypeSafe 的 Jev 被描述为“super classifier”，即在既定选项中快速选择并给出置信度的强化分类器。TechCrunch 列出的当时榜单显示，在 AIM System One Index 和 Artificial Analysis Decision Index 上，最新版 Jev 分列第 7 和第 3，OpenAI 的 Decision Model 分列第 8 和第 14；D1 Ultra 与 Elephant-1通常更靠前。不过，榜单会随时间、任务和指标变化，材料也没有提供测评方法，名次只能当作市场快照。
局限与未知
- OpenAI 尚未公开足以独立比较的价格、能耗、测试设置和不同任务准确率，“低成本”目前主要是产品定位与单一报道中的说法。
- 不同工作负载需要在能力、速度、成本和置信度校准之间取舍。哪款模型更好，仍要放进实际流程测试。
- OpenAI 提到未来可能进行专门训练，也设想把延迟进一步降到约 60 毫秒，但这些仍是未来方向，不是已经交付的能力。