一个新词，两周内刷屏

过去两周，如果你在关注AI行业的动态，大概率会反复遇到一个词：决策模型（Decision Model）。

9月29日，OpenAI在DevDay上做了限量预览；10月6日，Decisions API进入公开测试；同一天前后，微软CEO纳德拉发布Microsoft-Decision-1；10月12日，行业资讯显示决策模型公司Jev完成8.7亿美元A轮融资，估值达75亿美元；而在更早的10月1日，Cloudflare和亚马逊先后开源了各自的小型决策模型。

一边是科技巨头密集落子，一边是资本市场和开源社区同时跟进——一个此前不存在的品类，正在两周之内被迅速定义。

问题在于：这到底是一个真实的新技术品类，还是给旧功能换了个新名字？

决策模型不"说话"，只"做判断"

先看它实际是什么。

以OpenAI的Decisions API为例，开发者提交的内容包括三部分：一段上下文（文本或图片）、一组问题、以及每个问题允许的有限答案清单。返回的不是一段话，而是一个可以直接被程序消费的结构化结果。

它只支持三种问题类型：

  • predicate（断言）：判断某个陈述为真的概率，返回0到1之间的数值
  • choice（选择）：从开发者预定义的选项里挑一个
  • score（评分）：按照预设的等级量表打分

OpenAI官方文档给出的典型场景是：给工单分类、把请求路由到对应部门、决定智能体的下一步动作。

关键差别在这里——传统大模型的输出是一段需要被"再解析"的文本，而决策模型的输出是一个直接可用的值。你不需要写正则表达式去从回复里抠出答案，也不需要担心模型这次换了个说法。

TypeSafe AI创始人Diogo Almeida对自家决策模型Jev的描述是："把Jev想象成一个前沿智能的函数调用：非结构化的状态进去，带类型的概率化判断出来。"

为什么是现在：智能体的"肌肉记忆"消耗

决策模型并非全新概念，分类器、打分模型早已存在。但这个时间点密集爆发，背后有三个可查证的推力。

第一，速度。 OpenAI称Decisions API的响应速度约为Responses API的10倍——DevDay材料给出的对比是端到端约150毫秒，而常规调用约1.6秒。需要说明的是，这是厂商自己的说法，目前尚无独立基准测试。但对于实时对话中"智能体下一步该干什么"这类判断，秒级和百毫秒级的体验差异是质变。

第二，成本结构。 这是最容易被忽略、也最实质的变化。Decisions API在GPT-6 Luna上的定价是每百万输入token 0.10美元，输出token、缓存读写全部不计费；Jev的输入定价是每百万token 0.042美元，输出同样免费。而用一个完整的大模型做分类任务，你不仅要为生成的输出token付费，还要为解析这些文本付出工程成本。

换句话说：过去你为"模型说了什么"付费，现在你只为"模型判断了什么"付费。

第三，调用量的量级差异。 在智能体工作流里，大量调用根本不是生成内容——工单该发给哪个部门、这条内容是否违规、这个工具该不该被调用、优先级排第几。这类判断单次很轻，但频率极高。当一个系统每天执行几十万次路由判断时，每次调用省下的延迟和输出费用会被放大成完全不同的成本曲线。

玩家图谱：三条路线同时推进

目前入场的玩家可以分成三类，路线各不相同。

巨头路线：在现有模型上"做减法"。 OpenAI的Decisions API明确建立在GPT-6 Luna的现有权重之上。OpenAI API产品负责人Nikunj Handa表示："我们没有为此训练一个新模型，纯粹是在同一套Luna权重之上构建。"微软的Microsoft-Decision-1则被定位为面向快速决策的模型，据纳德拉表述，它在结构化决策任务上的延迟和质量表现均优于通用大模型，目前已在微软内部测试。

创业公司路线：从第一天就为判断而生。 TypeSafe AI的Jev是这条路线的代表。据行业资讯，Jev由隐匿研发两年多后推出，公开后迅速获得采用；10月12日的报道显示，Jev已完成8.7亿美元A轮融资，由Andreessen Horowitz领投，估值达75亿美元。资本用真金白银为"决策模型是独立品类"这一判断投了票。

开源路线：小模型、开放权重。 10月1日，Cloudflare在Hugging Face发布Clef（27B）和Clef-flash（9B）两个决策模型；同日，亚马逊Strands Labs开源Strands Decider 2B，不仅开放权重，还公开了训练数据和训练脚本，采用Apache 2.0许可。2B的参数量意味着它足够小，可以被部署在边缘侧和成本敏感的场景里。

生态侧的信号也在出现：LangChain宣布其LangSmith LLM网关已支持OpenAI Decisions API，让智能体可以通过统一网关调用决策能力，并集中管理模型回退、数据脱敏和支出限额——这意味着决策模型正在被当作基础设施件，而不是一个孤立的接口。

深层逻辑：从"按token付费"到"按判断付费"

如果只看技术，决策模型像是Structured Outputs的一个快捷方式。但把它放到2026年的大背景下，能看到一条更清晰的行业线索。

这一年AI行业最显著的变化之一，是成本取代性能，成为选型的第一决策依据。过去两年，行业的叙事是"哪个模型更聪明"；现在越来越多团队问的是"完成同一个任务，谁的成本更低、延迟更稳"。企业开始按照"完成一个任务的成本"而不是"每百万token的单价"来做技术选型——路由、分类、审核这类高频任务，正是这条逻辑最先落地的地方。

决策模型把这条逻辑推向了极致：它把"智能"进一步切分，将最高频、最标准化的那部分判断单独打包，按最薄的毛利卖出去。

同一时间，模型的使用方式也在分化。通用大模型负责生成、推理、创作；决策模型负责路由、把关、优先级排序。一个智能体系统里，两者不是替代关系，而是分工关系——前者是大脑，后者是反射弧。这种分工也解释了为什么Decisions API会强调"什么时候不该用它"：OpenAI官方文档明确指出，需要生成符合自定义schema的对象时应该用Structured Outputs，需要模型主动请求调用工具时应该用函数调用，只有predicate/choice/score这三类窄场景才轮到Decisions。

争议与局限：新物种，还是旧酒新瓶？

对决策模型保持审慎的理由同样充分。

其一，宣称的数据尚未被独立验证。 "快10倍""约150毫秒"这些数字来自OpenAI自己的DevDay材料和官方文档，截至发稿没有第三方基准测试。Jev宣称的70-500毫秒端到端延迟，同样来自其官方发布口径。

其二，能力边界仍待检验。 Decisions API目前处于公开测试阶段，文档尚未公布每个问题最多可选多少个选项——对于需要高基数分类的路由场景，这个上限在生产环境之前必须自己验证。GA（正式版）时间，OpenAI的说法是"未来数周内"。

其三，"新品类"的定义权之争。 批评者的观点是：这不就是分类器套了个大模型的壳？支持者的回应是：区别在于它使用了前沿模型的语义理解能力——判断"这条投诉该归给账单部门还是物流部门"，依赖的是对语言和业务语境的深层理解，这是传统小分类器做不到的。这场争论的答案，最终要看独立评测和真实生产环境的采用数据，而不是发布会。

接下来值得盯住的三个信号

对于开发者和行业观察者，接下来有几个可验证的观察点：

  1. Decisions API的正式版定价与限额——公开测试期的定价是否延续，选项上限是多少，将直接决定它能否撑起高基数路由场景。
  2. 独立基准测试——是否会出现针对决策延迟与校准度（probability calibration）的第三方评测，把厂商宣称放上同一把尺子。
  3. 开源决策模型的实际部署量——Cloudflare的Clef和亚马逊的Strands Decider已经把权重和训练数据全部公开，它们在边缘侧和私有化部署中的采用情况，会检验"决策模型需要多大参数量"这个问题。

两周之内，决策模型从一个不存在的词，变成了巨头、资本和开源社区同时押注的方向。它是不是一个独立的技术品类，现在下结论还太早；但有一件事已经确定——AI行业的价值切分正在变细：不再是一个模型包打天下，而是每一种任务，都在找到自己专属的形态。

参考来源