Genesis 计划 — 现已开放

AI 的决策层

输入信息,获得决策,无需为 LLM 付费。

构建能够做出结构化、可审计决策的应用和 AI 智能体,无需为每个事件调用大语言模型。

为开发者打造。按决策计费,而非按 token 计费。

  1. 01

    发送

    文本、JSON、图片、语音消息和文档(PDF、Excel、Word…)

  2. 02

    决策

    在 Jev、OpenAI Decisions 或 Laya 上——按工作区或按决策

  3. 03

    回答

    是/否、一个选项、一个评分——各自带概率

  4. 04

    行动

    策略选择 continue、block、escalate 或 fallback;目的地负责执行

Dcision 在智能体之前决定接下来发生什么。

宣言

为什么是 Dcision。

AI 正在从撰写答案转向在软件内部做出决策。决策引擎——Jev、OpenAI 的 Decisions API、Laya——让答案变得类型化、可衡量。我们构建的,是把这个答案变成企业可以运行、信任和审计的决策的那一层。

  1. 01

    决策是软件,不是提示词。

    决策是带类型化问题的 schema,像代码一样版本化和部署——而不是藏在提示词里的一段话。

  2. 02

    引擎是选择,不是锁定。

    按工作区或按决策选择 Jev、OpenAI Decisions 或 Laya。引擎每个月都在进步;你的决策不该每次都重写。

  3. 03

    每种输入都值得一个决策。

    文本、JSON、图片、语音消息和文档。现实世界不会以干净的文本到来,决策层也不该这样要求。

  4. 04

    回答不等于行动。

    一个概率不会去分配工单。策略把回答变成 continue、block、escalate 或 fallback,再由目的地执行。

  5. 05

    低置信度也是信号。

    置信度是每个回答的一部分。置信度低时,决策会明确说明,并把案例交给人或更大的模型——是有意为之,而非偶然。

  6. 06

    每个决策都留下痕迹。

    每次运行都记录输入、回答、置信度、行动、引擎和版本。无法审计的东西就无法自动化。

  7. 07

    机器先做决定;人决定重要的事。

    数百万微决策在机器之间运行,让人把时间留给少数需要判断的情况。

  8. 引擎负责回答。Dcision 负责决策——并行动。

为什么选 Dcision

引擎负责回答。Dcision 负责决策——并行动。

Jev、OpenAI Decisions 和 Laya 是决策引擎:它们用概率回答类型化问题。直接调用引擎时,回答之外的一切都要你自己写代码。Dcision 就是这一层,运行在你选择的引擎上。

  • 类型化回答

    Dcision

    任意引擎上的同样三种,统一的置信度尺度
    直接用 Jev
    选择、评分、概率
    直接用 OpenAI Decisions
    选择、评分、谓词
    直接用 Laya
    选择、评分、概率
  • 输入

    Dcision

    文本、JSON、图片、语音和文档——所有引擎都支持
    直接用 Jev
    文本和 JSON
    直接用 OpenAI Decisions
    文本和图片
    直接用 Laya
    文本(512–1,024 token)
  • 引擎选择

    Dcision

    按工作区或按决策选择 Jev、OpenAI 或 Laya,切换前可并排对比并用影子模式验证
    直接用 Jev
    仅 Jev
    直接用 OpenAI Decisions
    仅 gpt-6-luna
    直接用 Laya
    Laya 的检查点
  • 策略与兜底

    Dcision

    continue / block / escalate / fallback,每个问题的最低置信度,保留的 "other" 选项
    直接用 Jev
    阈值和动作需自行编码
    直接用 OpenAI Decisions
    阈值和动作需自行编码
    直接用 Laya
    阈值和动作需自行编码
  • 接下来发生什么

    Dcision

    8 种目的地:回复、JSON、LLM、智能体、工作流、webhook、API 请求、函数
    直接用 Jev
    每个系统都要自己对接
    直接用 OpenAI Decisions
    每个系统都要自己对接
    直接用 Laya
    每个系统都要自己对接
  • 版本与部署

    Dcision

    不可变版本;部署无需重新发布你的应用
    直接用 Jev
    问题写在你的代码里
    直接用 OpenAI Decisions
    问题写在你的代码里
    直接用 Laya
    问题写在你的代码里
  • 构建与测试

    Dcision

    可视化编辑器、对话式构建器、Playground 和模板
    直接用 Jev
    仅 API
    直接用 OpenAI Decisions
    Playground
    直接用 Laya
    Python 库
  • 日志与分析

    Dcision

    每次运行都有记录——输入、回答、置信度、行动、引擎——并附校准建议
    直接用 Jev
    仅提供商的用量
    直接用 OpenAI Decisions
    仅提供商的用量
    直接用 Laya
    需自行构建
  • 集成

    Dcision

    REST、每个决策一个 webhook URL(支持文件)、MCP 服务器、GPT-Live 委托、TS/Python SDK 和 CLI
    直接用 Jev
    HTTP API
    直接用 OpenAI Decisions
    6 种语言的 SDK,GPT-Live 语音
    直接用 Laya
    Python,自己的服务器
  • 数据在哪里处理

    Dcision

    在你选择的引擎上——用 Laya 则在你的服务器
    直接用 Jev
    TypeSafe 云
    直接用 OpenAI Decisions
    OpenAI 云(ZDR,美国/欧盟驻留)
    直接用 Laya
    你的服务器
  • 引擎价格

    Dcision

    按决策计费;包含 Dcision 密钥上的 Jev,或使用你自己的密钥
    直接用 Jev
    每 100 万输入 token 0.042 美元
    直接用 OpenAI Decisions
    每 100 万输入 token 0.10 美元
    直接用 Laya
    你的硬件

引擎信息依据 TypeSafe、OpenAI 和 Convai Innovations 于 2026 年 10 月公布的内容。Dcision 运行这些引擎,而不是取代它们。TS/Python SDK 和 CLI 在代码仓库中,尚未发布到 npm/PyPI。

为什么使用

可以在其上构建的智能。

模型已经足够聪明。缺少的是把这种智能放进软件的方式——作为与代码并行运行的类型化原语,而不是需要有人盯着的聊天。

再复杂的软件,也是由简单的逻辑和一层层抽象构成的。决策应当成为其中一层:小巧、类型化、可检查,并且足够可信,可以运行在系统深处。
  1. 01

    在 LLM 之前和之后使用

    之前:Dcision 对每个事件进行分类、评分和路由,昂贵的推理只在需要时运行。之后:它检查 LLM 或智能体即将发送的内容——有据可依、安全、符合策略——在送达任何人之前拦截或升级。

  2. 02

    并非一切都需要 LLM

    分配工单、给线索打分或标记交易,是微决策,而不是写作文。用类型化的决策来回答,而不是提示词和自由文本。

  3. 03

    消除幻觉

    每个回答都必须是你在 schema 中声明的选项、分数或概率之一,并在进入你的代码之前经过验证。不会有编造的标签、缺失的字段或需要解析的文本;当置信度较低时,你的策略会阻止、升级或触发 fallback。

  4. 04

    比 LLM 更快*

    决策引擎回答结构化问题时无需生成长文本,而且一个决策的所有问题在一次调用中完成评估——增加问题几乎不增加延迟。

  5. 05

    为机器之间的通信而生

    输入和输出都是类型化 JSON,每个回答都附带置信度和动作。这正是 API、智能体、工作流和自动化已经在使用的格式——中间无需人工阅读。

  6. 06

    管理者掌控全局

    每次执行都会记录版本、置信度和动作。管理者在面板中跟踪指标,并在 Decision Builder 中调整选项、阈值和目的地——每次修改都会生成新版本,保留完整历史。

LLM 负责推理。智能体负责行动。Dcision 率先做出决策。

* TypeSafe 公布 Jev 相比前沿 LLM 最高快 200 倍(Every 的独立测试约为 25 倍);OpenAI 公布 Decisions 比其 Responses API 快约 10 倍。实际收益取决于场景。在 Dcision 上,一次决策端到端(含网络)通常约 1–2 秒。

问题

大多数 LLM 回答都是在烧钱。

AI 应用正在用大模型处理小决策。结果是:成本高、延迟大、可预测性低,还有不必要的推理。

没有决策层

10,000,000 个事件

10,000,000 次 LLM 调用

使用 Dcision

10,000,000 个事件

500,000 次 LLM 调用

  • LLM 调用

    −95%

  • 输出

    类型化 JSON

  • 集成

    1 个 API

微决策场景下 LLM 与 Dcision 对比
能力LLMDcision
成本 / 100 万次决策US$300 起约 US$24(含回退)
输出非结构化文本按你的 schema 校验的 JSON
置信度没有内置每个答案都有置信度
下一步从自由文本中解析策略:continue、block、escalate 或 fallback
审计提示词和自由文本每次执行的版本、动作和原因

* 示例仅供说明,假设 5% 的决策回退到你自己的 LLM,并非性能承诺。

工作原理

先决策,再推理。

  1. 01

    发送状态

    来自应用或智能体的任意事件、消息或 JSON 上下文。

  2. 02

    定义决策

    在版本化 schema 中定义 Choice、Score 和 Probability 问题。

  3. 03

    执行

    运行时校验状态,并在一次引擎调用中回答所有问题,通常约需 1–2 秒。

  4. 04

    行动

    获得类型化答案和一个动作(continue、block、escalate 或 fallback),以及你配置的按结果执行的操作。

  • continue
  • block
  • escalate
  • fallback

下一步动作:没有 Dcision 与有 Dcision

没有 Dcision 的自动化或智能体

事件或消息
LLM 读完全部内容并写出一段文本
你的代码尝试解析自由文本
下一步动作 = ?
  • 每个决策都在烧 token,连简单的也不例外
  • 格式不稳定:需要解析自由文本
  • 动作或回答可能出现幻觉

有 Dcision

事件或消息
DCISION带置信度的类型化回答决定下一步动作

只调用需要的

  • 智能体
  • LLM
  • API
  • 工作流
  • Webhook

或直接回答

  • 文本
  • 概率
  • 是 / 否
  • 决策本身不消耗 LLM token
  • 回答经过你的 schema 验证
  • 只有回答需要时才调用 LLM

Decision Schema • lead-qualification (节选)

{
  "stateSchema": {
    "kind": "object",
    "fields": [
      { "key": "message", "type": "string", "required": true },
      { "key": "company_size", "type": "number" },
      { "key": "source", "type": "string" }
    ]
  },
  "questions": [
    { "key": "purchase_intent", "type": "probability",
      "instructions": "Does this lead have real intent to buy in the next 30 days?" },
    { "key": "priority", "type": "score",
      "instructions": "How urgent is it to answer this lead?",
      "scale": ["low", "medium", "high", "critical"] },
    { "key": "route", "type": "choice",
      "instructions": "Which team should receive this lead?",
      "options": [{ "value": "sales" }, { "value": "sdr" },
                  { "value": "nurture" }, { "value": "spam" }] }
  ],
  "policies": [
    { "field": "route", "on": "output", "operator": "eq",
      "value": "spam", "action": "block" },
    { "field": "purchase_intent", "on": "confidence", "operator": "lt",
      "value": 0.6, "action": "escalate" }
  ]
}

你将获得

  • 基于 schema 校验的输入
  • 每个答案都有置信度
  • 策略与安全护栏
  • 版本化 + 可观测
  • 按结果执行的操作(Destinations)

Decision API

一个端点。类型化答案。

发布一个决策,像调用其他 API 一样调用它。类型化的契约、版本化的 schema、幂等性和标准化错误。

输入状态(state)可编辑 • 真实 API
intent
—
优先级
—
route
—

实时:在 Dcision 上运行真实的 Lead Qualification 决策(公开演示工作区)。你输入的内容会发送给引擎,并可能保存在演示工作区的日志中——请勿输入个人数据。

POST /v1/decisions/lead-qualification
curl https://api.dcision.io/v1/decisions/lead-qualification \
  -H "Authorization: Bearer $DCISION_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "state": {
      "message": "I need pricing for 500 users, ASAP. Can we do a call tomorrow?",
      "company_size": 500
    }
  }'
响应
点击“运行决策”——下方的响应来自真实的 Dcision API。
  • 版本化 Decision Schemas
  • 支持 Idempotency-Key
  • 速率限制与标准错误
  • OpenAPI 3.1 规范

官方 TypeScript 和 Python SDK 即将推出。在此之前,请像上面的示例一样通过 HTTP 调用 API。

引擎

设计上与引擎无关。现已支持 Jev、OpenAI 和 Laya。

决策 schema 不绑定引擎。在 Jev(TypeSafe 的 System One 模型)上运行,使用 Dcision 的密钥或你自己的;在 OpenAI Decisions 上使用你的 OpenAI 密钥;或在 Laya(开源决策模型)上运行于你自己的服务器。可按工作区或按决策设置。

  • 现已可用

    Jev · System One

    输出校准后的答案,而非生成的文本

  • 现已可用

    Laya · 开源

    运行在你自己服务器上的 Apache 2.0 决策模型

  • 现已可用

    OpenAI Decisions

    使用你的 OpenAI 密钥运行 gpt-6-luna——支持图片

  • 现已可用

    你自己的密钥

    TypeSafe、OpenRouter 或 Vercel AI Gateway

  • 现已可用

    人工

    将低置信度的情况升级给你的团队

  • 路线图

    规则

    无需调用模型的检查

Dcision 不是 Jev 的封装。

Jev 是第一个引擎,Laya 是第二个,OpenAI Decisions 是第三个。在它们之上,Dcision 增加了 Decision Schema、Decision IR、运行时、策略、目的地和执行日志:让决策变得类型化、可审计、可移植的这一层。

  • Decision Schema

    用于状态的 JSON Schema,加上类型化问题和策略。不是提示词。

  • Decision IR

    与引擎无关的中间表示:只有引擎适配器与模型交互。

  • Runtime + Policy

    校验、策略(continue / block / escalate / fallback)、Destinations 和日志。

仅用引擎 vs Dcision

超越引擎。

Jev、OpenAI Decisions 或 Laya——外加引擎之外把决策推向生产所需的一切:schema、构建器、fallback、目的地、监控和工具。

最大的不同

每个回答都对应一个动作。

引擎负责回答,Dcision 负责行动。为决策的每个选项、级别或阈值选择接下来发生什么——无需编写胶水代码。

当 action = allow 时

回复调用方

  • 固定回复

    返回现成的消息(文本和按钮)——无需调用模型。

  • 结构化输出

    返回按你的字段校验过的 JSON 对象——由结果组装,或由 LLM 提取。

  • LLM

    由模型按该路由的提示词回答,使用你的 OpenRouter 或 Vercel AI Gateway 密钥。

  • 智能体

    由你的智能体按该路由的指令和工具回答——等待回复或移交。

移交

  • 工作流

    携带该路由的变量触发 n8n、Make、Zapier、Pipedream 或任意工作流 URL。

  • Webhook

    Dcision 将签名后的结果 POST 到你的 URL,并在约 7 小时内重试。

  • API 请求

    调用任意 API:方法、URL、请求头以及带变量的 JSON 请求体。

你的代码

  • 函数

    由你的代码执行:响应中指明要调用的函数。

功能

单靠引擎,这些都得你自己做。

无论使用哪个引擎——Jev、OpenAI Decisions 还是 Laya——区别都在于引擎之外你无需构建、维护和监控的一切。

行动

  • 按结果执行动作
    8 种目的地每个选项、级别或阈值均可选择:固定回复、结构化 JSON 输出、LLM、智能体、工作流、Webhook、API 请求或函数——签名投递并支持重试

    仅用引擎(API)

    你自己把每个结果接到下一个系统
  • Webhook 触发
    每个决策一个 URL每个决策都有专属 webhook URL:表单、CRM、n8n、Make 或 Zapier 无需 API key 即可执行,可选签名密钥并支持实时测试

    仅用引擎(API)

    你自己暴露一个端点并从中调用引擎

构建

  • 决策 schema 面板
    所有决策集中在一个面板整个工作区集中在一处,版本不可变,保留完整历史

    仅用引擎(API)

    问题写在你的代码里
  • 解耦视图
    修改决策无需重新部署Decision Schema 和 Decision IR 把决策与应用和引擎分开:发布新版本无需重新部署应用

    仅用引擎(API)

    决策逻辑与应用代码混在一起
  • 可视化构建器
    可视化编辑器 + PlaygroundDecision Builder 提供表单编辑器和可视化编辑器、JSON 预览以及 Playground

    仅用引擎(API)

    手写问题
  • 模板库
    现成模板线索评估、客服路由、垃圾信息、智能体路由、RAG 相关性等

    仅用引擎(API)

    从零开始

运维

  • 按问题设置 fallback
    按问题设置置信度阈值每个问题可设最低置信度,并有保留选项 "other":低于阈值时,策略执行你的 fallback 动作

    仅用引擎(API)

    你自己读取置信度并决定怎么做
  • 监控与分析报告
    Overview 与校准Overview 标签页:调用量、p50/p95 延迟、错误、预估成本和校准建议;每次执行都有记录

    仅用引擎(API)

    你自己搭建日志和指标

面向开发者与智能体的工具

  • CLI
    即将推出在终端中使用决策在终端中使用 init、validate、decide 和 templates(已完成,尚未发布)

    仅用引擎(API)

    —
  • MCP
    面向智能体与 Claude Code远程 MCP 服务器 api.dcision.io/mcp:智能体可列出、查看并运行决策,校验 schema 并使用模板——另附 Claude Code Skill

    仅用引擎(API)

    —

* 与在你自己的代码中直接集成决策引擎 API(Jev、OpenAI Decisions 或 Laya)相比;未考虑各提供商自身控制台或 playground 的功能。

使用场景

一个 API,处理数百万微决策。

  • AI 智能体

    这个任务交给哪个智能体?

    ROUTE = research_agent

  • 客户支持

    部门、紧急程度、是否需要人工?

    ROUTE = BILLING

  • 销售

    购买意向与优先级。

    INTENT = 0.94

  • 支付

    执行前进行欺诈筛查。

    RISK = LOW

  • 内容

    内容发布前进行审核。

    ACTION = BLOCK

  • RAG

    这个片段与查询相关吗?

    RELEVANCE = 0.88

  • LLM 路由

    是否需要前沿模型?

    ENGINE = small

  • LLM 护栏

    智能体的回答可以发送吗?

    GROUNDED = 0.12

平台

Decision as a Service 所需的一切。

  • Decision Builder

    表单编辑器和可视化编辑器,附带 JSON 预览。

  • Decision Schemas

    状态的 JSON Schema + 类型化问题。

  • Playground

    用真实数据测试草稿;运行从不计费。

  • 引擎适配器

    Jev、OpenAI Decisions 和 Laya——引擎是一种选择,而不是产品本身。

  • Decision Runtime

    校验、IR、策略、执行日志。

  • 可观测性

    执行记录、p50/p95 延迟、错误和成本。

  • 版本管理

    每次部署生成不可变版本,保留完整历史。

  • Destinations

    按结果执行的操作:webhook、API 调用、工作流、LLM 或智能体回复、固定回复,或你代码中的函数。

  • 团队

    角色、邮件邀请和多个工作区。

  • Proof of Decision

    可验证的证明(未来)。

可观测性

每个决策,皆可度量。

按决策查看调用量、p50/p95 延迟、错误和预估成本——每次执行都会记录其版本、置信度和动作。

本月决策数
0
中位延迟
—
升级或拦截
—
每次决策平均成本
—
最近执行实时 · 演示工作区

实时数据暂时不可用。

来自公开演示工作区的真实数据——在本页运行的决策。

价格 • 每 100 万次决策(美元)

为决策付费,而非为 token 付费。

按每次成功的决策固定计价,与问题数量无关。不按 token 计费,也没有“无限量”却暗藏限制。

按年付费基础价 −20% • 预付额度的每 100 万次价格不变

  • Genesis

    抢先体验

    免费

    $0 • 超过 100 万次后使用预付额度继续运行

    包含
    1M / 月
    超出部分(预付额度)
    US$12 / 100 万
    • 2 个 decision schema
    • Playground 访问
    • API 密钥 + 7 天日志
    • 速率限制 60 次/分钟
    加入 Genesis

    测试版 • 无需信用卡

  • Developer

    面向开发者

    US$29/月 + 用量

    包含
    2.5M 次决策
    超出部分(预付额度)
    US$12 / 100 万
    • 10 个 decision schema
    • 14 天日志
    • 速率限制 300 次/分钟
    • 预付额度,支持自动充值和支出上限
    • 邮件支持
  • Growth

    面向生产

    US$199/月 + 用量

    包含
    10M 次决策
    超出部分(预付额度)
    US$9 / 100 万
    • 不限数量的 decision schema
    • 30 天日志
    • 速率限制 2000 次/分钟
    • 更低的超出单价
    • 优先支持
    开始 Growth

    超出的决策用预付额度支付

  • Enterprise

    1 亿次以上决策

    定制

    承诺用量,签订合同

    定制价格 • 承诺用量 • 发票结算

    • 承诺用量,每月 1 亿次决策起
    • 定制速率限制
    • 日志保留最长 365 天
    • 合同、发票和 DPA
    • 专属支持
    联系创始人

    合同 • 发票 • DPA

美元对比 • 100% LLM vs Dcision

实时计算器

查看规模化后的节省

10M 次决策

100% LLM(mini 级)

US$3,000

US$300 / 100 万

Dcision + 5% 回退

US$240

每 100 万次 US$9(Growth,用额度支付)+ 回退部分使用你的 LLM

节省 92%

每月 10M 次决策可节省 US$2,760

仅计算用量费用(不含套餐基础费)。Dcision = Growth 套餐每 100 万次 US$9 + 5% 的决策返回 fallback 动作,由你的代码以每 100 万次 US$300 的价格交给你自己的 LLM ≈ 每 100 万次 US$24。假设仅供说明:你的 LLM 成本和回退率会有所不同。

所有套餐均包含

  • 不按 token 计费

    按每次成功的决策固定计价,而非按 token

  • 类型化 JSON

    经 schema 校验的答案,每个答案都有置信度

  • Destinations

    按结果执行的操作:webhook、API 调用、工作流、LLM 或智能体回复、固定回复,或你代码中的函数

  • 团队

    Owner、Admin、Member 和 Viewer 角色,支持邮件邀请

  • 用量与日志

    p50 / p95 延迟、错误和预估成本

常见问题

什么算作一次决策?

一次成功运行已发布决策的 API 调用,无论该决策包含多少个问题。Playground 中的运行以及以错误结束的调用从不计费。

超出套餐包含的决策后会怎样?

所有套餐都会继续使用预付额度运行,按套餐的每 100 万次决策价格计费:Genesis 和 Developer 为 US$12,Growth 为 US$9。Genesis 也一样——每月免费的 100 万次用完后,无需订阅即可继续。订阅只收取基础价格,账单上不会多出费用。没有额度时,超出包含量的调用会暂停(HTTP 402),直到你充值、升级套餐或进入新的周期。

预付额度如何使用?

绑定银行卡即可获得 US$20 促销额度,90 天内有效(每个 workspace 和每张卡仅一次;绑卡不会扣费)。也可以用银行卡购买额度,每次 US$10 至 US$1,000,已付费额度永不过期。可选的自动充值会在余额不足时自动补充,可选的支出上限会限制每个计费周期内额度可支付的金额。

什么是回退(fallback)?

当决策的置信度不足时,策略可以返回 fallback 动作,由你的代码——或你配置的 Destination(例如使用你自己的密钥调用 LLM)——处理该情况。LLM 调用由你的提供商计费,而非 Dcision。节省估算假设回退率为 5%。

定价如何保持可持续?

引擎成本、基础设施和支持是我们的直接成本。我们按每次成功的决策固定计价——从不按 token——并可能随着对引擎实际成本的了解调整价格,付费套餐会提前通知。

Dcision 是 Jev 的封装吗?

不是。Jev 是 Dcision 运行的三个引擎之一,另外两个是 OpenAI Decisions 和 Laya。Dcision 是它们之上的决策层:schema 与版本、任意输入(文本、图片、语音、文档)、策略、目的地、Playground 和执行日志。你可以按工作区或按决策选择引擎。

Dcision 和 OpenAI 的 Decisions API 有什么区别?

Decisions API 是一个引擎:它针对文本和图片回答谓词、选择和评分类问题。Dcision 可以在它上面运行你的决策(使用你的 OpenAI 密钥),并补上 API 留给你代码的部分:策略与兜底、回答之后的行动、语音和文档输入、版本、日志,以及无需改代码即可切换到 Jev 或 Laya。

可以在自己的服务器上用 Laya 运行决策吗?

可以。Laya 是 Convai Innovations 的开源决策模型(Apache 2.0)。在 设置 → 引擎 中把 Dcision 指向你的 laya-serve 服务器,决策数据就在你的基础设施中评估,没有按 token 计费。

该选哪个引擎:Jev、OpenAI Decisions 还是 Laya?

Jev 是默认引擎:经过校准,在托管引擎中每 token 价格最低,并包含在 Dcision 的密钥中。OpenAI Decisions 适合图片和 OpenAI 生态。Laya 适合必须留在你自己服务器上的数据。同一个决策可在三者上运行,你可以在 Playground 中对比。

  • 价格以美元计。巴西客户以雷亚尔付款:Developer R$145/月,Growth R$995/月
  • 年付套餐每年收费一次
  • 绑定银行卡即得 US$20 免费额度,90 天内有效

路线图

从 Genesis 到开放的决策网络。

  1. 01当前

    Genesis

    免费抢先体验和模板(Decision Points:计划中)

  2. 02当前

    Decision Cloud

    构建器、API、运行时、Destinations、团队

  3. 03当前

    多引擎

    现已支持 Jev、OpenAI Decisions 和 Laya;接下来是规则和小模型

  4. 04

    Marketplace

    共享的 schema 与引擎

  5. 05

    Proof of Decision

    可验证、可审计的决策

  6. 06

    Open Network

    去中心化的决策基础设施

Genesis 计划

5 分钟内创建你的第一个决策。

创建免费的 Genesis 账户,成为决策层的首批构建者:每月 100 万次决策,无需信用卡。

  • 每月 100 万次免费决策
  • Genesis 访问权限
  • 自 Season 0 起的 Decision Points(计划中)
  • 创始人直接支持

免费账户 · 使用 Google 或 6 位邮箱验证码登录

Decision Points 不是代币,没有货币价值,不可转让,也不赋予获得代币的权利。相关标准可能会变更。参与并不保证获得任何奖励。可能适用法律、地域和验证方面的要求。滥用或刷分行为将导致失去资格。该代币可能永远不会推出。