Simon Willison 于 2026 年 10 月 6 日发布了一个新的 LLM 插件：llm-openai-decisions 0.1a0，版本号带有 alpha 标记，说明它仍处于早期阶段。该插件的目标是为 OpenAI 新推出的 Decisions API 提供命令行访问能力，让用户可以在 llm 工具链中直接调用这一类“决策型”模型接口。
OpenAI 的 Decisions API 属于 Jev 风格，也就是把模型当作判断器而非对话生成器来使用：你提出一个问题，模型返回结构化的判定结果。这一 API 此前已在上周的 DevDay 上对外预告，如今正式与开发者见面。
有意思的是这个插件本身的诞生方式。Willison 之前已经写过名为 llm-typesafe 的插件，用来和 Jev 交互，因此他直接让 GPT-6 Astra 阅读 OpenAI 的新 API 文档，然后以 llm-typesafe 为蓝本，生成了 llm-openai-decisions 的代码。换言之，这个插件的编写过程本身就是一次“让模型读文档写代码”的实践。
在能力上，OpenAI 的新决策模型 gpt-6-luna 与 Jev 有一个明显差异：它除了文本之外还支持图像输入。这意味着用户可以把图片交给模型并直接得到判断结果，例如对图片内容提出问题。计费方式上两者则保持一致：只对输入收费，输出不收费。OpenAI 的价格是每百万输入 token 10 美分，Jev 则是每百万输入 token 4.2 美分。
除上述差异外，两套 API 在形态上非常接近，至少在概念层面几乎是同一套设计。Jev 支持三种问题类型——是/否判断、多选以及打分，OpenAI Decisions 同样支持这三类。对于已经熟悉 Jev 的开发者来说，迁移成本很低。
安装插件只需一行命令：llm install llm-openai-decisions。使用时可以指定模型为 openai-decisions/gpt-6-luna，并通过 -a 参数附加图片，通过 -s 参数给出提示语。文中给出的示例是对一张图片提问“这张图片中是否包含哺乳动物？”，模型返回的是一段 JSON：类型为 predicate，名称为 evaluation，概率为 0.0，也就是判定该命题不成立。
关于其余类型问题的具体调用方式，作者建议查阅项目 README。该插件发布在 GitHub 上，标签涉及 openai、llm、coding-agents 与 jev。