决策

OpenAI Decisions API

向 GPT-6 Luna Decisions 提出关于文本、图片或 JSON 的分类和评分问题，获得代码可以直接处理的类型化答案：一条陈述为真的可能性有多大、你的哪个取值最合适，或它在你的量表上处于什么位置，每个答案都附带概率。一次请求可包含多个问题，通常不到一秒即可返回，通过 OpenAI 自己的 Decisions API 和 SDK 调用。

POST/v1/decisions

模型	ID	输入，每 1M tokens	OpenAI 定价	输出
GPT-6 Luna Decisions	`gpt-6-luna-decisions`	$0.04	$0.10	免费

GPT-6 Luna Decisions 是 OpenAI 的决策模型。它读取你的输入，并回答你针对输入设置的问题，不会生成文本，所以它不是聊天模型：请发送到 /v1/decisions,而不是 /v1/chat/completions。在此端点上，gpt-6-luna 同样可以作为模型 ID,与 OpenAI 自己的 SDK 文档一致，因此 OpenAI 的示例代码无需修改即可运行；回复中的 model 为 gpt-6-luna-decisions。关于 TypeSafe 的决策模型 Jev,请参阅决策 (Jev)。

提问

triage.py

# pip install --upgrade openai
import os
from openai import OpenAI
client = OpenAI(
    base_url="https://api.zurelay.com/v1",
    api_key=os.environ["ZURELAY_API_KEY"],
)
decision = client.decisions.create(
    model="gpt-6-luna-decisions",
    input="My headphones stopped charging two days after they arrived. I want a refund.",
    questions=[
        {
            "type": "predicate",
            "name": "refund",
            "instructions": "Is the customer asking for a refund?",
        },
        {
            "type": "choice",
            "name": "topic",
            "instructions": "What is the ticket about?",
            "choices": [
                {"value": "billing", "description": "Charges and invoices"},
                {"value": "hardware", "description": "A device that is broken or faulty"},
                {"value": "shipping", "description": "Delivery and tracking"},
            ],
        },
        {
            "type": "score",
            "name": "sentiment",
            "instructions": "How does the customer feel?",
            "levels": [
                {"label": "very negative"},
                {"label": "negative"},
                {"label": "neutral"},
            ],
        },
    ],
)
# One answer per question, in the order asked
for answer in decision.answers:
    if answer.type == "refusal":
        print(answer.name, "refused")
    elif answer.type == "predicate":
        print(answer.name, answer.probability)
    elif answer.type == "choice":
        print(answer.name, answer.choice, answer.confidence)
    else:
        print(answer.name, answer.score, answer.confidence)
print(decision.usage.input_tokens, "input tokens")

将 OpenAI 的 SDK 指向 https://api.zurelay.com/v1,/v1 的设置与 Zurelay 上所有 OpenAI 模型相同，使用你的 Zurelay 密钥，然后调用 client.decisions.create。在 Node.js 中，需要 openai 7.30.0 或更高版本；在 Python 中，需要足够新、包含 client.decisions 的 openai 包(3.41 已包含)。任何 HTTP 客户端的用法都一样:POST 该 JSON,并将你的密钥作为 Bearer token 传入。

返回结果

响应

{
  "id": "req_3Fh8sLq0vW2nTc7yRb5kZp1M",
  "model": "gpt-6-luna-decisions",
  "answers": [
    { "type": "predicate", "name": "refund", "probability": 1 },
    {
      "type": "choice",
      "name": "topic",
      "choice": "hardware",
      "confidence": 1,
      "probabilities": [
        { "value": "billing", "probability": 0 },
        { "value": "hardware", "probability": 1 },
        { "value": "shipping", "probability": 0 }
      ]
    },
    {
      "type": "score",
      "name": "sentiment",
      "score": 0.18,
      "confidence": 0.85,
      "probabilities": [
        { "value": 0, "label": "very negative", "probability": 0.82 },
        { "value": 1, "label": "negative", "probability": 0.18 },
        { "value": 2, "label": "neutral", "probability": 0 }
      ]
    }
  ],
  "usage": {
    "input_tokens": 325,
    "input_tokens_details": { "cached_tokens": 0, "cache_write_tokens": 0 },
    "output_tokens": 0,
    "output_tokens_details": { "reasoning_tokens": 0 },
    "total_tokens": 325,
    "cost": 0.000013
  }
}

answers 为每个问题提供一个答案，顺序与你提问的顺序一致，每个答案包含 type,如果你提供了 name,也会一并返回。usage 是本次请求的计费依据:input_tokens,其中 output_tokens 始终为 0,cost 是以美元计的费用。回复中的 x-request-id 标头可用于在你的请求日志中找到这次请求，x-zurelay-input-tokens 则会重复其计费依据。

参数

modelstring必填: gpt-6-luna-decisions,在此端点上也可以是 gpt-6-luna。
input字符串或数组必填: 决策的输入内容：非空文本，或由用户消息组成的数组 { "role": "user", "content": ... }("type": "message" 为可选)。每条消息的 content 可以是文本，也可以是由多个部分组成的数组，详见下文。
questionsarray必填: 1 到 64 个问题，按你列出的顺序依次回答。
safety_identifierstring: 可选：代表发起请求的终端用户的不透明 ID,例如你自己的用户 ID 的哈希值。
prompt_cache_keystring: 该参数会被接受但会被忽略，prompt_cache_options 也一样：缓存是自动的，每个输入 token 的价格都相同。

每个问题

typestring必填: predicate、choice 或 score。
instructionsstring必填: 问题以文本形式填写。图片请放在 input 中，不要放在这里。
namestring: 可选，且在请求内唯一：会随该问题的答案一起返回，方便你按名称读取答案。
choicesarray: 对于 choice(必填):2 到 255 个值，每个值为 { "value": ..., "description": ... }。值可以是文本或 true/false,且每个值必须唯一；描述为可选项。
levelsarray: 对于 score(必填):2 到 10 个级别，按从低到高排列，每个级别为 { "label": ..., "description": ... },描述可选。

消息内容的各个部分

input_text{ text }: 文本。
input_image{ image_url, detail }: PNG、JPEG、WebP 或 GIF 格式的图片：可以是 base64 data URL,也可以是 Zurelay 会下载的公开 https 链接。detail 为可选项:low、high、auto 或 original。
input_json{ data }: 可以是对象或数组，例如一条记录或你的应用状态。模型会将其作为紧凑的 JSON 文本读取，并按该文本计算 token。

问题类型

类型	提问内容	Answer
`predicate`	关于输入内容的某个陈述为真的可能性	`probability`，取值范围为 0 到 1
`choice`	你的 2 到 255 个值中，哪一个合适	`choice`、一个`confidence`，以及每个值的`probabilities`
`score`	它在你设定的 2 到 10 个有序等级中所处的位置	`score`、一个`confidence`，以及各个级别的`probabilities`

一次请求可以同时包含这三种内容。输入内容只会被读取一次，供它们共用，所以在一次请求中提出多个问题，比分别用单独的请求提问更省钱。

判断条件

关于输入内容的一个陈述或是非问题。答案的 probability 表示其为真的可能性：回答“是”时接近 1,回答“否”时接近 0,输入内容表述不明确时则介于两者之间。

先问题，后答案

{ "type": "predicate", "name": "refund", "instructions": "Is the customer asking for a refund?" }
{ "type": "predicate", "name": "refund", "probability": 1 }

选择

从你列出的值中选出一个，并给出每个值的概率。描述用来说明某个值的含义，当值本身只是代码时尤其有用。值也可以是 true 和 false,文本 "true" 与布尔值 true 是不同的值。

Question

{
  "type": "choice",
  "name": "language",
  "instructions": "Which language is the message written in?",
  "choices": [
    { "value": "en", "description": "English" },
    { "value": "es", "description": "Spanish" },
    { "value": "other", "description": "Any other language" }
  ]
}

评分

将输入放到你定义的等级上，等级按从低到高排列。score 是期望等级：即各等级的索引（从 0 开始计数）按其概率加权后的结果。因此它可能落在两个等级之间：在上面的示例响应中，0.18 表示主要是第一个等级，略带一点第二个等级。probabilities 中的每一项都包含等级的索引 value 及其 label。

Question

{
  "type": "score",
  "name": "relevance",
  "instructions": "How well does the passage answer the search query?",
  "levels": [
    { "label": "irrelevant" },
    { "label": "related", "description": "On the topic, but doesn't answer it" },
    { "label": "answers it" }
  ]
}

图片

图片可放在输入中，作为用户消息的一部分，与文本并列发送。支持 base64 data URL，或公开的 https 链接（由 Zurelay 下载后转发），格式为 PNG、JPEG、WebP 或 GIF。较大的图片请使用链接发送。

returns.py

import base64, os
from openai import OpenAI
client = OpenAI(base_url="https://api.zurelay.com/v1", api_key=os.environ["ZURELAY_API_KEY"])
with open("return-photo.jpg", "rb") as file:
    photo = "data:image/jpeg;base64," + base64.b64encode(file.read()).decode()
decision = client.decisions.create(
    model="gpt-6-luna-decisions",
    input=[
        {
            "role": "user",
            "content": [
                {"type": "input_text", "text": "Photo sent with a return request for a blender."},
                {"type": "input_image", "image_url": photo, "detail": "low"},
            ],
        }
    ],
    questions=[
        {
            "type": "predicate",
            "name": "damaged",
            "instructions": "Does the photo show visible damage to the product?",
        },
        {
            "type": "choice",
            "name": "product",
            "instructions": "What product is in the photo?",
            "choices": [
                {"value": "blender"},
                {"value": "kettle"},
                {"value": "other", "description": "Anything else, or no product"},
            ],
        },
    ],
)
print(decision.answers)

图片会按尺寸和 detail 增加 token:一张 1200 × 630 的图片在 high 或 auto 下约为 750 个 token,在 low 下约为 150 个。如果问题针对整张图片，而不是细小的文字，请使用 low。图片只能放在输入中：问题的指令只接受文本。

JSON 输入

结构化数据可以原样放进 input_json 部分，与文本或图片并列传入。模型会将其作为紧凑的 JSON 文本读取，并按该文本计费。

JSON 输入

"input": [
  {
    "role": "user",
    "content": [
      { "type": "input_text", "text": "A sign-up from our app:" },
      {
        "type": "input_json",
        "data": { "name": "Free Gift Card Giveaway", "email": "win-now@example.net", "bio": "Click my link" }
      }
    ]
  }
]

拒绝响应

任何一个问题都可能返回拒答而不是答案，而同一请求中的其他问题仍会正常作答。读取每个答案的字段之前，请先检查它的 type。在我们的测试中，输入“Refund requested 38 hours ago.”搭配判断条件“Page on-call?”时，返回的结果就是拒答。

被拒绝回答的问题

{ "type": "refusal", "name": "page_on_call" }

拒绝回答会出现在正常的响应中，其 usage 会说明该请求的计费依据。你可以换一种更清楚的问法再试一次，或者转交人工处理。

限制

每次请求最多 1.05M 个 token,包括输入和所有问题在内。在我们的测试中，918K token 的输入可以正常运行。
1 到 64 个问题。choice 接受 2 到 255 个不重复的值，score 接受 2 到 10 个级别。
仅支持 user 消息:system、developer 和 assistant 消息，以及函数或工具调用项，都会被拒绝。请把上下文放进 user 消息，或放进问题的 instructions 中。
不支持流式输出:stream 会被拒绝，答案会一次性完整返回。
请求格式有误，或包含 API 不接受的字段时，会在到达模型之前被拒绝，并返回指明该字段(例如 questions[2].choices)的 400,且不收费。
限定了可用模型的密钥，需要在其列表中加入 gpt-6-luna-decisions,包括声明了 gpt-6-luna 的请求。详见密钥限制与规则。

速度

在我们的测试中，答案通常在 0.3 到 1 秒内返回，带图片时约 1 秒。900K token 的输入耗时约 10 秒。

决策计费

GPT-6 Luna Decisions 每 1M 输入 token 收费 $0.04,答案免费。这里的 token 包括：你的输入(只计一次)，加上每个问题模型自身产生的约 110 到 160 个 token。一个针对短文本的简短判断问题总共约 160 个 token,两个问题约 320 个，一段 2,600 token 的输入加四个问题约 3,200 个。图片的 token 按上文所述另行计入。因此，对一段短文本做一次单问题检查约花费 $0.0000064,一百万次约花费 $6.40。

每条回复的 usage 和 x-zurelay-input-tokens 标头会说明计费依据，每个请求都记录在你的请求日志中，失败的请求不收费。

错误

状态	代码	触发条件
400	`invalid_request`	请求格式有误，或使用了 API 不支持的内容。错误信息会说明具体问题和位置。
400	`invalid_input`	图片链接下载失败，或不是 PNG、JPEG、WebP 或 GIF 图片。
400	`context_length_exceeded`	输入和问题合计超过 1.05M 个 token。请缩短输入后重试。
503	`model_unavailable` 或 `service_unavailable`	模型暂时不可用。请在 retry-after 标头给出的秒数后重试。

密钥、额度、预算和速率限制的报错与其他所有端点相同，详见错误。OpenAI 的 SDK 会自动重试值得重试的错误。

先试一试

在控制台的调试台中选择 GPT-6 Luna Decisions,粘贴内容或附上图片，并在旁边设置你的问题。点击“获取代码”按钮，即可生成使用 OpenAI SDK(Python 或 Node.js)或 cURL 的相同请求。

有疑问，或发现内容缺失？联系我们的支持团队，我们会通过邮件回复，通常只需一分钟。