OpenAI 於 2026 年 10 月 6 日推出 Decisions API 公開測試版，讓應用程式把文字與圖片轉成條件機率、固定選項或評分。它目前僅支援 gpt-6-luna，使用獨立的 POST /v1/decisions 端點。這次新增的是聚焦判斷的 API 介面，GPT-6 Luna 模型本身已在 9 月發布。資料來源：OpenAI API 更新紀錄
對台灣開發者、電商與客服團隊，最值得先評估的用途，是把需求送到正確佇列、替內容加標籤，以及安排一般工作優先順序。若任務還要查訂單、呼叫工具或產生完整回覆，就應把那些步驟另外設計。本文依官方文件整理，尚未進行 API 帳戶、準確率、延遲或帳單實測。
Decisions API 能做什麼？三種答案對應三種問題
開發者提供輸入證據與問題，API 回傳可由程式處理的答案。三種問題的輸出意義不同，選型時先確定下游需要的是「條件成立的可能性」、「哪一類」還是「程度多高」。資料來源：Decisions API 規格
| 型態 | 主要回傳 | 適合的問題 |
|---|---|---|
predicate |
條件成立的估計機率 | 這段訊息是否提到寄錯商品？ |
choice |
從預先提供的選項擇一，並附各選項機率與 confidence | 應交給出貨、商品諮詢或一般客服？ |
score |
有序等級索引的機率加權平均，並附分布與 confidence | 一般網站故障對使用流程的影響程度？ |
分類規則應讓同事也能讀懂。例如「出貨」與「訂單」若範圍重疊，模型拿到固定選項仍可能判錯；「其他／需人工確認」則可承接原本沒想到的問題。固定格式只解決系統如何接收結果，分類定義與例外處理仍是產品設計的一部分。
Decisions API 價格：每百萬輸入 tokens 0.10 美元
官方指南列出的基本輸入費率為每百萬 tokens 0.10 美元，沒有快取讀取、快取寫入與輸出 token 費用；區域處理加價及長上下文輸入倍率仍適用。這是 /v1/decisions 的定價，不能直接套到同一模型的其他 API 請求。資料來源：Decisions API 指南
| 項目 | 官方說明 | 估算時要留意 |
|---|---|---|
| 基本輸入 | 每百萬 tokens US$0.10 | 依實際計費輸入量估算 |
| 快取讀／寫、輸出 | 無這些 token 費用 | 不代表整個應用沒有其他支出 |
| 區域處理、長上下文 | 另適用加價或倍率 | 不能一律按基本單價結算 |
採用評估應看「每件正確完成分流的總成本」。分子包含 API、資料整理、圖片轉換與傳輸、失敗重試、後續工具或模型，以及人工複核；分母則是實際通過驗收的案件數。若模型費用降低，但錯誤轉單讓客服反覆接手，團隊總工時仍可能增加。
因此，第一輪測試就要保留重試次數、人工改分流比例，以及案件完成所需時間。既有流程若本來只用簡單規則就能可靠處理，也應保留那個基準。本文沒有同一批任務的實測帳單，無法提出可保證的省費百分比。
「比 Responses API 快 10 倍」應如何解讀？
OpenAI 在更新紀錄宣稱，Decisions API 將文字與圖片轉成型別化答案的速度比 Responses API 快 10 倍。這是官方效能宣稱。本次查閱的公告與指南未列出該比較使用的完整測試配置，本文也沒有獨立重現，不能當成所有應用的延遲保證。查看官方公告
實際測試應固定相同輸入、分類規則與可接受錯誤率，再比較從收到案件到完成分流的時間。圖片前處理、網路、排隊、重試與人工覆核都會影響體感；只計模型回傳那一段，可能高估整個工作流變快的幅度。也應觀察慢速請求的尾端分布，避免平均值掩蓋少數長時間等待。
機率與評分怎麼看？先驗證，再設定門檻
官方建議用應用自身已標記的案例設定門檻，並考量誤報與漏報的代價。資料來源：答案解讀指南對實務導入而言，回傳 0.9 不能直接解讀成「你的資料有 90% 正確率」，confidence 也不能當成獨立驗證過的準確率。是否經過適合該場景的校準，需要另用代表性資料檢查。
台灣客服測試集可以包含繁中與英文混用、台灣用語、錯字、一次提出兩件事，以及資訊不足的訊息。先由熟悉業務的人確認答案，再查看各類誤分流的方向。若「發票詢問」常被送往出貨組，改善分類說明可能比一味調高門檻更有用。
原創數學示意：同樣 1 分，仍可能代表不同風險
score 以從 0 起算的等級索引做機率加權，因此可能落在兩個等級之間。查看官方評分定義下表是假設三個等級後的純數學例子，並非 API 實際回傳或模型測試結果。
| 示意分布 | 0 級機率 | 1 級機率 | 2 級機率 | 加權分數 |
|---|---|---|---|---|
| A：集中在中間 | 0% | 100% | 0% | 1 |
| B：分散在兩端 | 50% | 0% | 50% | 1 |
A 的算式是 0×0＋1×1＋2×0＝1；B 則是 0×0.5＋1×0＋2×0.5＝1。如果 2 級代表最嚴重的網站故障，兩個相同平均分數顯然不足以描述同一種狀況。設計人工複核條件時，應同時保留完整分布與原始輸入，避免把單一分數直接當成處置指令。
圖片與輸入限制：現有整合可能需要改造
目前支援文字及內嵌 base64 data URL 圖片，每次請求最多 128 張。外部圖片網址、file ID、檔案、音訊、函式呼叫及非 user 角色不受支援；每道問題也可能回傳 refusal，而非正常評分。資料來源：建立 Decision 的 API 規格
這會影響原本只把商品照片網址傳給模型的系統：應用端得先取得可合法處理的圖片，再按支援格式準備輸入。若資料來自語音、PDF 或外部工具，需先完成其他處理步驟，並將相關成本與失敗情況納入。拒答、缺失答案與格式錯誤都應進入可追蹤的例外流程，不能默認成「沒有問題」。
何時選 Decisions，何時保留 Responses API？
以下是依功能範圍整理的導入判斷，並非模型效能排名：
- 適合先測 Decisions：規則相對固定、結果可回頭修正的一般客服分流、素材標籤、網站錯誤初步分級。成功標準要能由人驗收，而非只看是否拿到合法格式。
- 需要自訂欄位或完整文字：例如抽出訂單資訊再寫回覆，可評估 Responses API 的 Structured Outputs；需要連接工具時，採用對應的 function calling 流程。查看 Structured Outputs 官方說明
- 需要多步查詢與工具協作：例如先查資料、再處理結果、最後解釋答案，應保留適合的 Responses API 或工作流編排。Decisions 的分類結果可以是其中一步；它本身不會完成工具執行。查看 Responses API 官方指南
- 涉及重大權益：醫療、授信、聘僱等結果，不應由單一模型機率自動作成最終決定。需要適用的專業審查、資料治理與有權負責的人員把關；本文示例限於一般營運任務。
台灣能用嗎？支援地區與實際帳戶要分開核對
OpenAI 的一般 API 支援清單列有 Taiwan，但本文未實測台灣帳戶能否呼叫這個 beta 端點，也未確認個別帳戶的 Decisions 配額。查看官方支援地區指南所列美國與歐洲（EEA＋瑞士），指的是資料落地與區域處理支援，不能解讀成只允許這些地區國籍的人使用。查看定價與可用性說明
導入前可先在自己的組織確認模型可用性、請求限制及資料處理需求，再以不含不必要個資的小型測試集驗證。API 的地區清單也不能用來推論 ChatGPT 方案已新增同名功能。
AI-XBlog 的判斷：先驗證一個窄任務，再決定是否擴大
Decisions API 值得關注的，是讓應用直接取得固定型態的判斷結果。對大量重複分流的團隊，這可能縮短解析與整合工作；是否真的更便宜、更快，仍取決於輸入整理、分類品質與人工接手成本。
第一輪可選一個低風險佇列，讓新流程只產生建議，不影響現有處理；記錄結果與人工答案的差異，再決定哪些案件可採用、哪些交由人處理。若誤分流沒有改善，就先修正問題定義，而非急著擴大用量。
會改變本文判斷的證據，包括正式版規格或價格調整、官方補上可重現的速度測試條件，以及實際繁中案例的誤分流、拒答、延遲與每件驗收成本。現階段不把 public beta 寫成正式版，也不把官方速度宣稱當成本站測試結論。
想比較同一家族模型的其他 API 費率，可延伸閱讀 GPT-6.1 Sol、Sol 與 Luna API 價格整理；那篇的通用模型費率，應與本文 Decisions 專用計費分開判讀。
下一步：先依 Decisions API 官方指南 定義一個可驗收的分類問題，再用 API 規格 核對輸入與拒答處理。評估表至少同時記錄分類錯誤、完成時間與全流程成本。
查核說明：本文於 2026 年 10 月 7 日（Asia/Taipei）核對 OpenAI 官方公告與文件；公告日期為 2026 年 10 月 6 日。文內數學示意為明示假設下的運算，未呼叫模型、測試帳戶權限或測量效能與費用。
封面：AI-XBlog／OpenAI 影像生成工具製作的概念插畫，非 OpenAI 官方介面截圖，亦非 Decisions API 回傳畫面。
