OpenAI 的 Decisions API 現已進入公開測試版——而它的價格並非發布報導所猜測的那樣

在廠商於 DevDay 展示 Decisions API 的八天後，它不再是一項必須受邀才能使用的東西。該端點於 2026 年 10 月 6 日進入公開測試，同時推出了文件頁面、Playground 連結，以及這項服務首次公布的價格。那次發布中有兩個細節比其他一切更重要。第一，GPT-6 Luna是該端點唯一接受的模型——因此就目前而言，這個 API 的能力與其上限是同一回事。第二，幾乎所有人——包括我們在內——在發布當天所做的推算都錯了，而且錯得值得更正：第一波報導藉由引用 Luna 的 token 費率表來推斷每次呼叫的成本，而這項推斷結果事實上是低估了折扣，低估幅度達五倍。

以下所說的都不是臆測。這些內容如今全都可以在 OpenAI 自家的開發者文件中讀到，而這就是改變所在：在 9 月 30 日，OpenAI 的文件中任何地方都沒有這個端點的文件頁面、沒有更新日誌條目、沒有速率限制，也沒有說明請求格式。現在這四項全都有了。

具體來說，發布了什麼

這個 beta 是專用端點 —— POST /v1/decisions —— 而不是 Responses API 上的一種模式，後者才是它用來比較的對象。一個請求包含三個欄位：

• 模型 — 目前為 gpt-6-luna，且沒有其他
• 輸入 — 共享的證據：文字字串，或包含文字與圖片的使用者訊息
• 問題 — 一個或多個問題，每個問題都有類型、指示，以及任何允許的選項

回應是 answers 陣列，每個問題各有一筆項目，並以任何 name（你為每個問題給定的）作為鍵。這就是全部的契約，而有趣的工程之處在於三種問題類型，而非在這些底層機制。

• 判定—— 回傳 機率，數值介於 0 到 1 之間，代表某項陳述條件成立的可能性。「這張產品照片是否顯示出可見的損壞？」文件中的範例回傳 0.92，並要你拿它與你自行選定的閾值做比較。
• 選擇—— 從你提供的選項集合中回傳一個值，外加涵蓋所有選項的機率分布，以及一個獨立的 信賴度欄位。文件範例將一筆帳務申訴歸類到 帳務，機率為 0.95。
• 評分—— 回傳依有序等級加權平均的機率分數。餵給它三個嚴重程度等級 —— 外觀瑕疵、有替代方案可用、完全受阻 —— 對應的機率 0.1、0.7 和 0.2 會得出 1.1 的評分，這個分數刻意落在兩個等級之間，而不是直接歸到其中一級。

價格比直覺上的猜測還低，而且計費形態也不同。

以下是更正。當 Decisions API 還處於有限預覽階段時，誠實的立場是：並不存在價格，任何引用價格的人都是在推斷。最自然的推斷是 Luna 的 token 費率：每百萬個輸入 token 為 0.10 美元，每百萬個輸出 token 為 0.50 美元。但該端點並非如此計費。

官方記載的費率，/v1/decisions搭配gpt-6-luna為每百萬輸入 token 0.10 美元，且完全不收取輸出費用，也不收快取讀取或快取寫入的費用。你付費的是你送出的證據，而不是回傳的答案。對照模型本身的價目表——其中輸出價格是輸入的五倍，快取讀取則是其十分之一——這是截然不同的成本結構，而且對這個端點鎖定的工作負載來說更為有利：輸入是一段文字或一張圖片，輸出則只值一個 token 的決策。

該數字之上還有兩點但書，且兩者皆由 OpenAI 明言而非推論得出：區域處理附加費與長脈絡輸入倍數仍然適用，而固定的 $0.10 具體而言是/v1/decisions 的費率——其他使用gpt-6-luna 的請求，則依一般模型與處理層級定價。

如果你是用「一次決策的成本等於一個輸入加一個輸出」這個假設，拿這個來對照 Luna 的費率表進行估算，請重新計算那個數字。在把長上下文層級納入考量之前，它大約是該模型所暗示數值的五分之一。

延遲主張，重述

另一件改變的事情是核心效能宣稱的措辭，而這項改變細微到值得特別指出，因為它轉移了被比較的對象。

OpenAI 的發布文案表示，Decisions API 做出決策「比透過 Responses API 使用 GPT-6 Luna 快上最高 10 倍」。如今文件開頭則寫著：該 API「可評估文字、圖像或兩者，並回傳具型別的答案，速度約比 Responses API 快 10 倍」。

那兩者並不是同一個句子。第一個是把受限決策端點拿來與完整的生成式呼叫相比，並把差異歸因於該端點。第二個則是把該端點與 Responses API 整體相比。無論是哪一種，這個數字仍然是廠商聲稱且未經重現的——沒有分布、沒有區域、沒有輸入大小、沒有並行層級、沒有服務層級協議——而單一中位數仍然不是用來制定截止期限的正確數字。如果你的決策介於一次點擊與一次付款之間，請用你自己的圖像測量你自己的 p95 和 p99。

真正改善的地方在於，這個問題現在總算能被回答了。在預覽版中，沒有存取權限就無法測試這一點。在公開測試版中則可以。

它運轉的地方，以及唯一要擺在它旁邊的東西

文件中有兩則營運注意事項，很容易一瞥而過。該端點支援符合資格的客戶使用零資料保留（Zero Data Retention）與 HIPAA 用途，並在美國與歐洲提供資料落地——具體來說是 EEA 加上瑞士。這些都需符合資格才能使用，而非預設提供，因此在假設其中任一項適用於您的帳戶之前，請先閱讀資料控管頁面。

此外還有一份配套指南，說明如何將端點接到 Live API，讓語音請求可以轉換成選定的動作，而該動作的結果隨後會回報給說話者。這是這個基本元件最有趣的第二層次用法：不是「分類這張工單」，而是「在對話中出聲決定代理下一步該做什麼」。

這個 API 是 OpenAI 自家的封裝，我們不進行路由；如果你想要這個特定端點，它就在 OpenAI 那裡。底層模型則是另一回事——GPT-6 Luna 是 OrcaRouter 上的一條運作中的路由，以 OpenAI 的定價零加成轉嫁，而且因為端點自身的限制在 beta 期間可能變動，正式環境推展時合理的做法是：在關鍵路徑上做受約束的決策，並在背後預先準備好一個以提示詞為基礎的備援。將該備援與其他所有項目放在同一把金鑰上，意味著 不需要第二份合約，且當預覽版變更其限制時，不需要改寫備援路徑。

本週該做什麼，以及還缺少什麼

關於現況的誠實總結：推出時的四個空白中，已有兩個被填補，還有兩個沒有。價格已公布，請求形式已公布，三種問題類型都有附實作範例的文件說明，而資料處理的來龍去脈至少已經交代。仍然缺席的是：單一請求最多能攜帶多少個候選答案，沒有任何已公布的限制；能否用你自己標註的資料來微調這個東西，沒有任何說明；而且——因為依照 OpenAI 自己的說法，這還是 beta——對於你今天所讀到的費率能一路保留到正式推出，沒有任何承諾。

這讓盤算變得直截了當，而不是充滿戲劇性。如果你的問題是大量分類或路由，而走錯分支的代價低廉且可逆，那麼公開測試版如今確實已經可以做起來，而且只按輸入計價讓這筆算盤格外寬鬆。如果你的決策會授權金錢或向客戶發送訊息，那麼這個端點已經不再不可知，但它仍未擺脫測試版的身分，而這兩者之間的差別，就是原型與承重依賴之間的差別。