Decisions Fast API
Parallel Web Systems 推出的決策模型,能即時檢索網路並以機率形式回答大量結構化問題。
Parallel: Decisions Fast 是 Parallel Web Systems 於 2026 年 11 月推出的決策模型,定位介於搜尋引擎與決策模型之間。它會讀取以狀態形式傳入的文字或 JSON 內容,即時檢索網路上的最新資訊,再針對具名問題回傳帶有機率的結構化答案,並附上請求層級的引用來源。
它支援三種作答形式:是非題回傳「是」的機率,選擇題回傳各選項的機率,評分題則在有序評分尺上給出等級;每個答案也可以附上針對該問題的拒答。單次請求最多可容納 100 道關於同一狀態的問題,每題(含共用狀態)上限為 32,000 tokens。
這個模型適合事實查核、實體篩選、分類、資料補充、上市策略流程與決策分流等任務,尤其適合對延遲敏感、又必須掌握最新資訊的判斷場景。需要注意的是,它透過 OpenRouter 的 Decisions API 運作,而非 OpenAI 相容的對話端點,因此對話補全 SDK 無法直接使用。
更新時間:
模型 ID
decisions-fast- 上下文
- 32K
- 最大輸出
- 28.8K
- 輸入
- text
- 輸出
- decisions
核心要點
- 即時檢索網路,突破訓練資料時效限制
- 單次請求最多 100 道相關問題
- 答案附機率與引用來源
- 批次問題共用同一份檢索證據
- System One 等級的毫秒級分類速度
供應商
比較不同供應商的呼叫價格,點擊供應商可查看完整費用和適用條件。
| 可用率 | ||
|---|---|---|
| $0 |
歷史統計不等於即時健康檢查,缺少資料不代表服務中斷。
基準測試
- 98%
Know Your Business 更新情境
426 家上市公司;98% 的既有標記維持不變;由廠商自行提供
- <10
Know Your Business 更新情境
秒;整批執行耗時;426 家上市公司;由廠商自行提供
- 97%
潛在客戶分流情境
500 筆潛在客戶;97% 的自動分流客戶被歸入正確區隔;由廠商自行提供
- <9
潛在客戶分流情境
秒;整批執行耗時;500 筆潛在客戶;由廠商自行提供
分數來自模型廠商公布的資料,未經獨立驗證。
決策快速開始
把狀態與明確的型別化問題送到 /api/v1/decisions,每個問題讀回一個答案:noul 回傳 0 到 1 的機率,choice 回傳選中的選項及其分布,score 回傳有序標準的數值評分。這個入口與 Chat Completions、Messages、Responses 三套介面彼此獨立。
curl https://openapi.felo.ai/api/v1/decisions \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "decisions-fast",
"state": "Help! My payouts have been failing for 3 days.",
"questions": {
"is_urgent": {
"type": "noul",
"instructions": "Does this message convey urgency?",
"criteria": {"true": "Time-sensitive", "false": "No urgency"}
},
"department": {
"type": "choice",
"instructions": "Which team should handle this?",
"criteria": {
"billing": "Payments, invoicing, refunds",
"technical": "Bugs, outages, integrations",
"sales": "Pricing, upgrades, new accounts"
}
},
"frustration": {
"type": "score",
"instructions": "How frustrated is the customer?",
"criteria": ["Calm", "Frustrated", "Very angry"]
}
}
}'常見問題
什麼是 Decisions Fast?
Parallel: Decisions Fast 是 Parallel Web Systems 於 2026 年 11 月推出的決策模型,定位介於搜尋引擎與決策模型之間。它會讀取以狀態形式傳入的文字或 JSON 內容,即時檢索網路上的最新資訊,再針對具名問題回傳帶有機率的結構化答案,並附上請求層級的引用來源。 它支援三種作答形式:是非題回傳「是」的機率,選擇題回傳各選項的機率,評分題則在有序評分尺上給出等級;每個答案也可以附上針對該問題的拒答。單次請求最多可容納 100 道關於同一狀態的問題,每題(含共用狀態)上限為 32,000 tokens。 這個模型適合事實查核、實體篩選、分類、資料補充、上市策略流程與決策分流等任務,尤其適合對延遲敏感、又必須掌握最新資訊的判斷場景。需要注意的是,它透過 OpenRouter 的 Decisions API 運作,而非 OpenAI 相容的對話端點,因此對話補全 SDK 無法直接使用。
如何計算呼叫費用?
費用取決於你使用的供應商、對應價格和實際用量。長文字輸入等情況可能適用不同價格,詳見計費明細。
這個模型支援哪些輸入與輸出?
輸入可為文字或 JSON狀態,輸出為具名問題的型別化結構答案,包含是非題機率、選擇題各選項機率或評分等級,並可附上引用來源。
上下文與輸出長度限制為何?
上下文為 32,000 tokens;單一請求最多可包含 100 道關於同一狀態的問題,每題含共用狀態的上限為 32,000 tokens。
它適合哪些任務?
適合事實查核、實體篩選、分類、資料補充、上市策略流程與決策分流,特別是必須掌握即時資訊且對延遲敏感的判斷。
它和同系列的 Jev 有什麼差別?
在資料中的例子裡,Jev 以 0.86 的機率回答「否」,而 Decisions 檢索了最新頁面後以機率 1.0 回答「是」,顯示兩者在即時網路檢索上的差異。
使用時有什麼限制?
它執行於 OpenRouter 的 Decisions API,而非 OpenAI 相容的對話端點,因此對話補全 SDK 無法使用;此外目前不提供歐盟區域內路由。