当大模型的输出从「一段话」变成「一个可编程的结果」，API 的形态也在跟着变。OpenAI 的 Decisions API 进入公开测试，正是这条演化线上的一次明确落子。
发生了什么
据 MarkTechPost 报道，OpenAI 的 Decisions API 现已在 GPT-6 Luna 上开放公开测试。它的核心特征是返回带类型的结果——概率、选项和分数，而不是自由文本。官方给出的对比是：这类结构化答案的返回速度约为 Responses API 的十倍。计费方式也做了区分：每 100 万输入 token 收费 0.10 美元，且不收取输出费用。
为什么重要
过去两年，开发者调用大模型的主流姿势是「给一段提示，拿一段文本，再自己解析」。为了让输出可被程序消费，社区发明了 JSON mode、函数调用、结构化输出等一整套补丁。这些方案解决了「能不能解析」的问题，却没有解决「该不该由模型来算」的问题。
Decisions API 的取向不同：它把模型定位成一个决策组件，直接吐出概率、候选和打分。这类输出天然对应排序、分类、路由、打分等任务——也就是大量 AI 应用里真正在跑、却一直被当成「文本生成」来处理的那些环节。十倍的速度差异，加上只计输入、不计输出的定价，说明 OpenAI 在鼓励一种新的调用模式：把模型当作高频、轻量、可批量调用的判断层，而不是内容生成器。
影响与看点
对开发者而言，最直接的变化是工程复杂度的下降。分类、意图识别、候选排序这类任务不再需要写解析逻辑和容错分支，返回值本身就是程序可以直接消费的结构。速度提升十倍，也意味着一些此前因为延迟过高而不成立的场景——比如在请求链路里做实时判断——开始变得可行。
定价结构同样值得注意。只收输入、不收输出，实际上是在为「短输出、高频次」的调用方式让路。这与按输出 token 计费的传统模式形成对照，也暗示 OpenAI 对这类 API 的预期使用量级：不是偶尔问一句，而是持续、密集地调用。
需要保持克制的是，目前公开的信息仍停留在能力与定价层面。带类型的概率和分数在多大程度上可靠、校准是否良好、在长尾任务上表现如何，都还需要实际验证。结构化输出越「干净」，越容易让人忘记它背后仍是概率模型——分数看起来像事实，但它只是估计。
一个值得留意的判断是：如果 Decisions API 被广泛采用，大模型 API 的竞争焦点可能从「谁更会写」部分转向「谁更适合被程序调用」。这对整个应用层的架构选择，影响可能比一次模型升级更深远。
