OpenAI 在 DevDay 上低调开放了 Decisions API 的 limited preview。它不是让模型生成开放式文本，而是把 Luna 模型引导到一组预先定义好的离散选项里——比如图片分类标签、审批流程中的下一步动作、或者操作步骤的选择。Sam Altman 站台发布，TypeSafe AI 的 Jev 则成了最直接的参照物。

Decisions API 的机制

核心思想很简单：把 agent 的「决策层」从通用生成模型中拆出来，变成一个轻量、快速、确定性的分类器。

• 输入：任务上下文；
• 输出：固定选项中的一个或几个；
• 结果：下游 agent 只能在这些选项里继续执行。

这样做的好处是速度和成本。开放式生成模型每一步都要做完整的自回归采样，而受限选择可以用更小的模型、更短的输出完成判断。对于需要频繁做决策的 agent 工作流，这是一块显著的开销优化。

为什么与 Jev 同台竞技

TypeSafe AI 由前 OpenAI 对齐工程师 Diogo Almeida 创立，其 Jev 模型主打「快速决策」；OpenAI 现在用 Luna 做同样的事，说明这条赛道已经被验证。两家都押注：未来 agent 的架构会分层——底层是通用推理模型，顶层是负责边界控制的轻量决策模型。

对开发者的意义

• 权限控制更细：哪些工具能调用、走哪条分支，不再依赖提示词里的「请遵守规则」，而是变成可枚举的选择空间；
• 审计更简单：决策结果是离散标签，比开放文本更容易记录和回溯；
• 延迟更低：在客服、运维、审批等高频决策场景里，响应时间会显著下降。

为什么值得关注

Decisions API 代表 agent 治理从「事后审查」转向「事前约束」。 当 agent 能在真实系统里执行动作时，最危险的不是它不懂，而是它「太有创意」。把决策空间锁死在有限选项里，是工程上最务实的安全手段之一。

它也预示着模型栈的分化。 通用大模型负责理解和规划，专用决策模型负责动作边界——这种分层会让 agent 系统设计更像传统软件架构：不同组件承担不同可靠性要求，而不是把所有压力堆在一个黑盒上。

参考：AI Breaking Wire 2026-10-05、OpenAI DevDay 公告、TypeSafe AI Jev 产品页。