Simon Willison 於 2026 年 10 月 6 日發佈了一個新的 LLM 插件：llm-openai-decisions 0.1a0，版本號帶有 alpha 標記，説明它仍處於早期階段。該插件的目標是為 OpenAI 新推出的 Decisions API 提供命令行訪問能力，讓用户可以在 llm 工具鏈中直接調用這一類“決策型”模型接口。
OpenAI 的 Decisions API 屬於 Jev 風格，也就是把模型當作判斷器而非對話生成器來使用：你提出一個問題，模型返回結構化的判定結果。這一 API 此前已在上週的 DevDay 上對外預告，如今正式與開發者見面。
有意思的是這個插件本身的誕生方式。Willison 之前已經寫過名為 llm-typesafe 的插件，用來和 Jev 交互，因此他直接讓 GPT-6 Astra 閲讀 OpenAI 的新 API 文檔，然後以 llm-typesafe 為藍本，生成了 llm-openai-decisions 的代碼。換言之，這個插件的編寫過程本身就是一次“讓模型讀文檔寫代碼”的實踐。
在能力上，OpenAI 的新決策模型 gpt-6-luna 與 Jev 有一個明顯差異：它除了文本之外還支持圖像輸入。這意味着用户可以把圖片交給模型並直接得到判斷結果，例如對圖片內容提出問題。計費方式上兩者則保持一致：只對輸入收費，輸出不收費。OpenAI 的價格是每百萬輸入 token 10 美分，Jev 則是每百萬輸入 token 4.2 美分。
除上述差異外，兩套 API 在形態上非常接近，至少在概念層面幾乎是同一套設計。Jev 支持三種問題類型——是/否判斷、多選以及打分，OpenAI Decisions 同樣支持這三類。對於已經熟悉 Jev 的開發者來説，遷移成本很低。
安裝插件只需一行命令：llm install llm-openai-decisions。使用時可以指定模型為 openai-decisions/gpt-6-luna，並通過 -a 參數附加圖片，通過 -s 參數給出提示語。文中給出的示例是對一張圖片提問“這張圖片中是否包含哺乳動物？”，模型返回的是一段 JSON：類型為 predicate，名稱為 evaluation，概率為 0.0，也就是判定該命題不成立。
關於其餘類型問題的具體調用方式，作者建議查閲項目 README。該插件發佈在 GitHub 上，標籤涉及 openai、llm、coding-agents 與 jev。