架构成本审查
GPT-6 Luna Decisions 定价：OpenAI 的 Decisions API 成本是多少
OpenAI 于 2026 年 10 月 6 日发布了 GPT-6 Luna Decisions。它与普通的 GPT-6 Luna 模型相同，但作为决策模型提供服务，因此与普通 Luna 相比，唯一节省的是你不再需要为生成标签付费。
直接答案
GPT-6 Luna Decisions 在 OpenRouter 上每百万输入令牌成本 $0.10，输出免费：每百万个 500 令牌决策 $50。这是 Jev 的 $21 的 2.4 倍，是 Decider Flash 的 $5 的 10 倍。当单个状态超过 262,144 个令牌（最高可达其 1,050,000 令牌窗口）时，或者当你的合同和数据审查已经涵盖 OpenAI 时，才值得支付。否则，更便宜的决策模型也能完成同样的工作。
决策摘要
| 决策领域 | 关键因素 |
|---|---|
| Input | $0.10 每百万令牌（OpenRouter，2026 年 11 月 3 日） |
| Output | $0，类型化答案和概率 |
| 上下文窗口 | 1,050,000 tokens |
| Released | 2026 年 10 月 6 日 |
| Endpoint | /v1/decisions (LLM Gateway, LLM Reference) |
| 超过 272K 输入令牌 | 在 LLM Gateway 的列表上为 $0.20 每百万；在 OpenAI 页面上未确认 |
| 按 500 token 计，每 100 万次决策 | $50 · Jev $21 · Decider Flash $5 · 带标签的普通 Luna $60 |
你买的是什么
OpenRouter 将 GPT-6 Luna Decisions 描述为通过 OpenAI 的 Decisions API 提供的 GPT-6 Luna。你传入由文本、JSON 或图像组成的状态，以及类型化问题，它会返回带概率的类型化答案。LLM Gateway 和 LLM Reference 将该端点列为 /v1/decisions。
费率是每 100 万输入 token $0.10，与普通 GPT-6 Luna 的输入费率相同。差别在输出。普通 Luna 每 100 万输出 token 收费 $0.50，而 Decisions 版本不收费。
对比普通 Luna：你只省下标签，别的没有
在普通 Luna 上，一个 20 token 的标签每百万条成本为 $10（2,000 万 token × $0.50）。这就是全部节省。在 300 token 时，普通 Luna 是 $40，Luna Decisions 是 $30。在 500 token 时，$60 对 $50。在 2,000 token 时，$210 对 $200。
更大的收益在代码，不在钱。你不再需要解析文本，而是直接得到每个选项的概率。如果你已经在调用普通 Luna 做标签并解析回复，迁移到 Decisions 端点只是小改动，不需要新的供应商审查。
对比 Jev 和廉价决策模型
按 token 计，Luna Decisions 的成本是 Jev 的 2.4 倍（$0.10 ÷ $0.042 = 2.38），是 Decider Flash 的 10 倍。每月 1,000 万次 500 token 的决策，Luna Decisions 为 $500，Jev 为 $210，Decider Flash 为 $50。
我们不知道有对 Luna Decisions 本身的独立测试。Kai Waehner 引用的一项 77 类意图测试发现，两个未具名的 OpenAI 模型领先于 Jev，分别为 83.9% 和 86.2%，而 Jev 为 79.0%。该测试没有说明其中任何一个是 Luna Decisions，所以不要把它当作这样的证据。
超长状态，以及 272K 的问题
1,050,000 token 的窗口是付费的最强理由。一个 400,000 token 的合同包超出了 Jev 和 Decider 的 262,144 token 窗口。在 Luna Decisions 上，每次决策成本为 400,000 × $0.10 ÷ 1,000,000 = $0.04。
LLM Gateway 列出了超过 272,000 输入 token 的第二档，价格为每百万 $0.20，是基础费率的两倍。它没有说明该费率覆盖整个请求，还是只覆盖超过 272,000 的 token。如果覆盖整个请求，同样的 400,000 token 决策成本为 $0.08。我们无法在 OpenAI 自己的页面上确认该档位，所以在最初的长调用中检查你的 usage.cost。
两个更便宜的模型也能读取长状态。Solar Decide（524,288 token，$0.05）对同一个包收费 $0.02。ScaleDown 的 Classify-1（1,000,000 token，$0.04）收费 $0.016。超过 524,288 token 后，只剩 Luna Decisions 和 Classify-1。
在实践中，OpenAI 何时是更便宜的选择
如果你的法务团队只批准了 OpenAI，别的都没批，那么增加 TypeSafe 或 Perplexity 就意味着新的数据处理方和新的审查。对于低量决策点，比如每月 100,000 次 500 token 的决策，Luna Decisions 每月成本 $5，而 Jev 为 $2.10。$2.90 的差距比任何人在供应商表格上花一小时还小。
上量后账就算反了。每月 5,000 万次决策时，差距是 $2,500 对 $1,050，也就是每月 $1,450。这足以多次覆盖审查成本。
Luna Decisions 的月度预算
在 500 token 的状态下，每月成本为 决策数 × 500 × $0.10 ÷ 1,000,000。即 100,000 次决策 $5，100 万次 $50，1,000 万次 $500，5,000 万次 $2,500。如果你按 5.5% 的 Standard 费用购买 OpenRouter 额度，100 万次变为 $52.75，1,000 万次变为 $527.50。
长状态带来不同的量级。每天一千次 400,000 token 的决策，一个月就是 30,000 次。每次 $0.04，就是每月 $1,200；如果 >272K 档位适用于整个请求，则为 $2,400。同样的工作在 Solar Decide 上，如果你的状态能放进它 524,288 token 的窗口，成本为 30,000 × $0.02 = $600。
从普通 Luna 迁移到 Decisions 端点
模型相同，所以变化在请求和回复。你的标签列表变成带选项的类型化问题，回复则是一个带概率的选择，而不是文本。去掉解析器，保留日志记录，并基于带标签的样本重新选择任何置信度阈值，因为你现在能得到真实的逐选项概率。
节省随标签长度增长。20 token 的标签每百万条节省 $10。100 token 的答案，比如标签加简短理由，节省 100 million × $0.50 ÷ 1,000,000 = 每百万条 $50。不过你会失去理由，所以只迁移那些没人读其文本的调用。
先检查，再承诺
这些检查特定于Luna Decisions，并来自本页引用的列表。
- 在首次调用超过272,000个token时读取usage.cost，以查看更高层级是否适用以及适用程度。
- 确认您最长的状态在添加问题后适合1,050,000个token。
- OpenRouter的3 November列表中有普通Luna的批量行（$0.05 / $0.25），但没有Luna Decisions的。
- 在Classify-1和Solar Decide上对相同的状态定价，它们对长输入每个token的成本更低。
要点
- →GPT-6 Luna Decisions在OpenRouter上每百万输入token成本为$0.10，输出免费：每百万个500-token决策为$50。这是Jev的$21的2.4倍，是Decider Flash的$5的十倍。当单个状态超过262,144个token，达到其1,050,000个token窗口时，或者当您的合同和数据审查已经涵盖OpenAI时，才支付此费用。否则，更便宜的决策模型可以完成相同的工作。
- →对于超过262,144个token的状态，或者仅批准OpenAI合同的情况，使用Luna Decisions；将所有较短的内容发送给Jev或Decider Flash。
- →>272K层级来自LLM Gateway的列表；我们无法在OpenAI自己的页面上确认它，也无法确认它是适用于整个请求还是仅适用于超过272,000个token的部分。
What users report
Most reports say OpenAI's Decisions API costs more than Jev at $0.10 per million input tokens; a few found Luna-based options close enough on cost.
Paraphrased from public posts, with the date and a link to each original. These are other people's accounts, not our tests, and we have not verified each one.
One user pointed out the Decisions API price is $0.10 per million input tokens with free output, versus Jev's $0.042, questioning whether it's worth over 2x.
Billing · OpenAI Decisions API · Hacker News, Oct 2026
A team that tested the Decisions API against Jev at work said it cost more, had higher error rates, was slower, and gave worse answers.
Value · OpenAI Decisions API · Hacker News, Oct 2026
One user's internal benchmark found GPT-6 Luna in batch mode (20 records per batch) about 1.6x faster at 1.2x Jev's cost with no accuracy loss, though only for offline work.
Billing · GPT-6 Luna · Hacker News, Sep 2026
One user noted the Decisions API costs the same $0.10 per million tokens as prompting Luna for a classification, but is about 10x faster, so the gain is speed rather than price.
Value · OpenAI Decisions API · Hacker News, Oct 2026
A developer needing 500-600 concurrent calls said Jev's rate limits were their main constraint, so they used Clef and OpenAI's Decisions API to make up the difference.
Limits · OpenAI Decisions API · Hacker News, Oct 2026
本页面如何准备
本页价格来自OpenRouter的实时模型API，读取于3 November 2026。每个决策的成本是状态token乘以输入费率，因为列出的每个决策模型的输出都是免费的；小型LLM成本在该模型的输出费率下增加指定的标签长度。OpenRouter的信用费用在重要之处单独显示。我们没有为这些页面运行私人基准测试：准确性和延迟数据归功于测量它们的供应商或第三方，供应商数据被标记为供应商声明。
常见问题
GPT-6 Luna Decisions 的成本是多少？
在OpenRouter上每百万输入token $0.10，输出$0，检查于3 November 2026。在500-token状态下，每百万决策为$50。
是否有长上下文附加费？
LLM Gateway列出超过272,000个token时每百万输入token $0.20。我们无法在OpenAI自己的页面上确认它，也无法确认它是否适用于整个请求。
GPT-6 Luna Decisions 是否比要求GPT-6 Luna提供标签更便宜？
略微便宜。它节省了输出token：对于20-token标签，每百万项节省$10。在500个token时，是$50对$60。
为什么要比Jev支付更多？
对于比Jev的262,144-token窗口更长的状态，或者当OpenAI合同已经批准且数量较小时。
GPT-6 Luna Decisions 是否有批量折扣？
不在 OpenRouter 的 3 November 列表中。普通 GPT-6 Luna 有一行批量价格：输入 $0.05、输出 $0.25，但 Luna Decisions 只显示 $0.10 的标准费率。
GPT-6 Luna Decisions 是与 GPT-6 Luna 不同的模型吗？
OpenRouter 将其描述为通过 OpenAI 的 Decisions API 提供的 GPT-6 Luna，因此它是同一模型，只是位于不同的端点之后。两者都列出 1,050,000 token 的窗口和每百万输入 token $0.10。
GPT-6 Luna Decisions 能读取图像吗？
可以。OpenRouter 的列表显示，状态可以是文本、JSON 或图像。在决策模型中，这一点与 Span-02、d1-ultra、Drex Max 和 Clef 相同，而它们的每 token 成本都更低。