OpenAI 开放 Decisions API 接口，并新增图像分析以快速做出决策

OpenAI 已向开发者开放 Decisions API 接口的公开测试，并新增接收图像的能力，以便根据视觉内容快速做出决策。公开版本基于 GPT-6 Luna 模型运行，可将文本或图像转换为三种结构化输出：关于某一陈述是否正确的概率、从指定列表中进行选择，以及用于确定输入在某一范围内位置的数值分数。

OpenAI 对该接口的定价为每百万个输入令牌 0.10 美元，不收取输出令牌费用，也不收取缓存读写操作费用。这使该服务区别于通用推理模型；该接口侧重于快速给出明确决策，而不是生成冗长答案。

从游戏到机器人

在 OpenAI 展示的一项演示中，该接口分析一款视频游戏中的画面帧，画面中一辆汽车正在交通流中行驶，然后判断汽车是否应当变道或继续前进。公司表示，做出这些决策所需的时间，仅为推理模型执行相同任务可能需要时间的一部分。

公司还展示了将该接口用于分析来自 Hugging Face 可编程双足机器人 Microduck 的摄像头画面。通过将 Decisions API 与实时语音模型 GPT-Live 结合，系统能够确定图像中水果的位置，并根据“跟随苹果”等指令引导机器人朝其移动；它还可以处理“跟随水果”这类更加模糊的指令。其他示例包括在语音对话期间为动画角色选择表情。

托管模型与开放模型之间的竞争

OpenAI 的这一举措并非孤立发生。Perplexity 已在 Hugging Face 上推出采用 Apache 2.0 许可证的 pplx-decider-v1-27b 模型，该模型基于 Qwen3.8-27B 进行调优。根据模型卡片，该模型在 11 项基准测试中的综合成绩为 85.71%，而 TypeSafe 的 Jev 模型为 84.51%；不过，Jev 在 11 项基准中的 6 项上表现更好，其中包括 WinoGrande、BBH 和 TruthfulQA binary。

Amazon 推出了可下载的 Strands Decider 2B 模型，该模型基于 Qwen3.5-2B 构建。Amazon 表示，在 JevBench 公共数据集上，该模型在参数量约为 20 亿的公共模型中排名第二。Cloudflare 则推出了采用开放权重和 Apache 2.0 许可证的 Clef 与 Clef-flash 两个模型，同时也通过 Workers AI 提供 Clef。Clef 和 OpenAI 的接口支持图像，而 Jev 和 Strands Decider 仍专用于文本。

对开发者而言，这意味着什么？

最重要的变化不仅在于新增图像支持，还在于模型的部署方式。OpenAI 的接口以托管服务形式提供，而 Perplexity、Amazon 和 Cloudflare 则允许下载权重，并在开发者自己的基础设施上运行模型。因此，执行位置、数据控制权和运行成本等因素，将与准确性和速度一起影响决策模型的选择。

目前展示的结果仍与各方测试的基准有关，而且相关材料没有提供关于响应时间、运行成本或视觉性能的全面独立比较。根据现有信息，Decisions API 将决策模型的使用拓展到了视觉和交互式应用，但目前尚无法确定托管服务的易用性是否会胜过本地运行的灵活性。