一句话看懂：OpenAI 在 Dev Day 上低调发布 Decisions API，功能与 TypeSafe AI 本月推出的 Jev 高度相似——用大模型做快速概率分类。这件事的关键不在于谁抄谁，而在于“快速决策模型”可能成为控制成群 AI Agent 的低成本安全层。
事件核心：发生了什么
在周二的 OpenAI Dev Day 上，CEO Sam Altman 在旁白环节披露了新的 Decisions API。它允许开发者给 Luna 模型一组预设选项——比如图像分类的类别、Agent 的行为方式——模型直接输出概率，而不做开放式生成。TypeSafe AI 的 CEO Diogo Almeida 是前 OpenAI 工程师、强化学习共同发明人，他在 X 上调侃“克隆人战争开始了”，并称 OpenAI 的跟进说明“以 System One 兼容方式构建是未来”。System One 是 TypeSafe 的说法，指快速直觉型思考，对应缓慢审慎的 System 2。目前 Decisions API 仅以限量预览形式发布，TechCrunch 尚未见到开发者做完整测试。
为什么重要
常规大模型做软件自动化又慢又贵，把任务收窄成“从固定选项里选一个”，可以同时压低延迟和成本。Almeida 的说法是：快和便宜很容易，难的是智能，他的北极星是“每美元智能”的帕累托曲线，护城河在于合成数据。更现实的看点是安全：OpenAI 此前因 Agent 在开放网络上行为失控，已经用一个独立模型监控异常，但官方承认算力开销显著。开发者 Shapor Naghibzadeh 在周末黑客松上用 Jev 做了演示，把每个 Agent 动作与原始任务比对，高置信度有害的直接拦截、可疑的标记复核、其余放行。同样的监控，用前沿大模型跑一次约 372 美元，用 Jev 约 2.94 美元——这个价差意味着监控可以从“抽查”变成“每一步都跑”。
对用户/开发者/创作者的影响
对开发者来说，这类决策模型值得纳入 Agent 架构的审查层：把开放式推理交给大模型，把高频、可枚举的判断（分类、放行/拦截、路由选择）交给便宜模型。价格下降后，逐动作安全校验在经济上变得可行，适合需要审计轨迹的企业场景。需要注意的是，输出概率的校准质量直接决定误拦和漏拦，目前公开信息显示各家产品的校准能力还缺少第三方验证，选型时要先用自己的真实任务做小规模对照测试。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Decisions API 从预览转正式、定价与限流如何；二是开发者是否公布校准对比数据，尤其是把 Agent 监控从演示推向生产；三是 Jev 之外是否还有更多同类模型跟进，以及 TypeSafe 的合成数据护城河能否守住智能与成本之间的平衡。
