OpenAI 推出 Decisions API：快速决策模型赛道竞争加速
在本周的 OpenAI 开发者日上，CEO Sam Altman 在一场主旨演讲的间隙透露，公司正在测试一款名为 Decisions API 的新产品。该 API 能让 Luna 模型从预定义的选项集合中进行选择——例如为图片打标签的分类类别，或 AI Agent 可执行的不同行为——并以概率形式输出结果。
这一一定位与月初 TypeSafe AI 发布的模型 Jev 高度相似。Jev 同样是一款基于 LLM 的"超级分类器"：开发者向其传入一组选项，模型即可廉价、高速地输出各项选择的概率分布。Altman 在活动现场表示："通过将模型聚焦于选择本身，我们可以在保持图像理解、多语言支持和安全防护等能力的同时，实现极高速度。"
"入局"开始了？
TypeSafe AI CEO Diogo Almeida 在 X 上发帖调侃，将 OpenAI 的入局比作"克隆战争的开始"。他同时指出，OpenAI 的兴趣本身"可能是一个信号……表明以兼容 System One 的方式构建是未来方向。"这里提到的 System One 是 TypeSafe 的术语，指快速、直觉式的思维方式，区别于 System Two 所代表的深思熟虑型推理。
更深层的背景在于：传统大语言模型在许多软件场景中速度慢、成本高，难以直接胜任。开发者社区已开始利用 Jev 来增强 LLM 能力，实践表明这种组合确实能显著提升速度并降低成本。Almeida 的判断是："又快又便宜很容易——说白了，用骰子就行了。真正的难点是智能本身，我的北极星指标始终是推动'每美元智能量'的帕累托曲线不断上升。" 目前 Decisions API 仍处于限速预览阶段，外部开发者尚未大规模上手测试，实际表现与 Jev 的差异尚不明朗。但从 X 上的讨论热度来看，这一方向已经引发广泛关注。
安全监控：最直接的落地场景
这类快速决策模型最被看好的应用方向之一，是 AI Agent 的行为监控与安全保障。OpenAI 此前曾披露，在多起 AI Agent 在公网环境下的异常行为事件后，公司开始采用"独立模型实时监控可疑操作"这一安全策略——但代价是"巨大算力成本"。
初创公司 QueryStory 创始人 Shapor Naghibzadeh 认为，Jev 这类模型可以大幅降低这一成本。他在上周一场黑客松期间演示了名为 Jev Sentinel 的解决方案：用 Jev 对每个 AI Agent 操作与原始任务目标进行比对，对高置信度判定为恶意的行为直接拦截，对其他行为则打标待审或放行。
一个关键数据对比浮出水面：同等监控任务的成本，Jev 约为 2.94 美元，而使用顶级 LLM 则需约 372 美元——相差超过百倍。理论上，Jev 足够廉价，可以对每一个 AI Agent 操作都进行实时审核&查验，从而为 AI 系统提供一层可扩展的可靠性保障。这正是 TypeSafe 最初希望实现的目标——如今 OpenAI 也已看到了其中的价值。
竞争格局与展望
Decisions API 并非市场上唯一的类似产品。多家人工智能初创公司已在推出同类快速决策模型，OpenAI 也不会是最后入局的科技巨头。各家产品的核心差异将取决于：决策模型的输出与真实世界场景的校准程度，以及在不同任务类型下的可靠性。
Almeida 认为，TypeSafe 的护城河在于其用于生成统计可靠输出的合成数据技术。随着这一细分赛道加速成熟，AI Agent 的安全可控性问题或许将迎来一条低成本、高可用的解决路径。
评论