Zoom Decisions API是什么：给AI客服做「判断题」的模型，每百万输入token 0.042美元起，和OpenAI Decisions API怎么选

做过AI客服或者工单系统的开发者，大概都碰到过这种情况：语音转文字一个字没错，用户说的是「包裹没收到」，结果智能体把单子派给了退款组，或者按一条已经废止的政策回复了。识别没问题，判断出了问题。

Zoom在2026年10月19日发了一组新接口，叫Zoom Decisions APIs，专门做这一步。文章作者是Zoom首席技术官黄学东。

一句话说清它做什么

你先定义好几个选项，再把一段文本或一张图片交给它，它告诉你每个选项的可能性有多大。

它能返回三种类型的答案：

• 是/否：比如「这通电话是否需要升级处理」。
• 多选一：比如「这个工单该派给物流、退款、技术支持里的哪一组」。
• 按等级打分：比如「紧急程度1到5打几分」。

一次请求里可以对同一份输入问好几个问题。选项是你自己定义的，所以「不处理」「转人工」也可以作为选项放进去。

概率这一点是它和让大模型「输出JSON」最大的区别。格式规整的答案只是好解析，带概率的答案能让程序决定什么时候自己执行、什么时候交给人。比如「退款」概率0.95就自动走流程，0.6就转人工复核。

标准版和Pro版

	Zoom Decisions	Zoom Decisions Pro
定位	大批量的分类、路由、分诊、打标签	更复杂的判断，如按标准核对合同条款、判断是否需要升级、标记潜在的政策例外
价格（发布时）	每百万输入token 0.042美元	每百万输入token 0.10美元
输入	文本、图片	文本、图片
接口	同一套接口，请求和返回格式与OpenAI兼容

官方特意写了定价对标：标准版和TypeSafe的Jev、微软的Microsoft-Decision-1同价，Pro版和OpenAI的Decisions API同价。

Zoom公布的成绩，怎么看

先说结论：这些数字全部是Zoom自己的内部评测，官方也在文中注明了，测的是判断准确率，不是整个智能体跑下来的效果。

测试	结果（Zoom内部）
五个文本基准平均准确率	Pro 83.9%，标准版 81.3%，均高于Microsoft-Decision-1、TypeSafe Jev和OpenAI Decisions API
四个图片判断基准平均准确率	Pro 86.0%，略低于TypeSafe Jev的86.3%，比OpenAI Decisions API的80.2%高5.8个百分点；Microsoft-Decision-1不支持图片，未参测
延迟	10月15日测试中位数117毫秒，低于所测的OpenAI和微软接口

延迟这一项要打个折看。官方自己说了，竞品是通过OpenRouter调用测的，Zoom自家是内部测试，网络路径不一样。你在自己的服务器上调，结果大概率不同。

文本基准里包括路由分诊、结构化判断、RAG结果是否有依据、评估AI回答、合同推理几类。图片基准覆盖按照片判断规则、计数和空间关系、收据表单、表情包审核。如果你的业务刚好是这几类，参考价值会高一点。

和大模型是什么关系

Zoom没有说要替代大模型，而是说两者分工。我按官方的对比表整理一下：

用决策模型	用通用大模型
证据已经齐了，只需要在定好的选项里选	还要去找证据、想出选项、决定怎么解题
同一套规则反复用来分类、路由、排优先级	需要多步推理、规划、综合信息
评估后发现结构化判断已经够用，速度和成本也合适	需要一段解释、一个新方案，或随新信息调整的计划

在Zoom设想的架构里，Scribe负责听懂对话，企业搜索提供政策和知识，Decisions做判断，再由你的智能体去执行动作并核实结果。

想试的话怎么做

官方入口是登录Zoom.ai试用。动手之前，我建议照这个思路准备：

1. 只挑一个流程，比如工单分派。别一上来就全量替换。
2. 准备一批真实样本，包括那些让人工都犹豫的疑难工单。官方也建议用代表性输入、包括困难的例外情况去比。
3. 把同一批样本分别跑Zoom Decisions、你现在用的方案（比如OpenAI的接口），比较准确率、延迟和账单。
4. 根据概率分布定阈值：高于多少自动处理，低于多少转人工。这个阈值要用你自己的数据定，别照搬别人的。
5. 上线后保留人工抽检，尤其是涉及退款、封号、合规的判断。

因为格式兼容OpenAI，如果你的代码本来就用OpenAI的SDK，切换成本主要在改接口地址和模型名，具体参数以Zoom文档为准。

一个最小例子：电商工单分派

不写代码，只说思路。假设你有一个电商客服系统，每张工单进来后要决定派给谁。你可以把问题定义成这样：

• 问题一（多选一）：这张工单属于「物流查询」「退款退货」「商品质量」「账号问题」「其他」中的哪一类？
• 问题二（是/否）：用户是否明确表达了要投诉或要找上级？
• 问题三（打分）：紧急程度按1到5打几分？

三个问题放在同一次请求里，输入是用户的文字描述，如果用户上传了破损包裹的照片，也一起传进去。返回结果后，程序按规则走：分类概率最高且超过阈值的，直接派单；问题二判断为「是」的，不管分类结果都转人工主管；紧急程度4分以上的，置顶。

这类判断以前很多团队直接扔给通用大模型，让它输出一段JSON。能用，但成本高，而且拿不到「它有多确定」这个信息。Zoom这套接口想抢的正是这块生意。

几个要留意的地方

价格只写了输入token的单价，判断类接口输出很短，但有没有其他计费项，官方博文没细说，开通前看清计费页。

中国大陆开发者能不能注册、调用，我们没有核实。国内团队做类似的会议和客服场景，腾讯会议等本土产品的开放平台可能更现实。

还有，判断模型再准，也只是给概率。把「不处理」和「转人工」设成正式选项，是官方提到的做法，我觉得这一点比准确率数字更值得照抄。

站内相关

之前写过AI模型API选择指南、AI会议纪要怎么核对、OpenAI提示词生成语音API和Cloudflare Clairic票据抽取模型，后者也是「专用小模型做一件事」的思路。更多见AI开发分类、海外大模型API分类和视频会议分类。

来源与核查日期

• Zoom AI Research：Introducing Zoom Decisions APIs: From Accurate Speech to Reliable Action（2026-10-19）

核查日期：2026-10-20（新加坡时间）。价格为发布时价格，基准数据为Zoom内部评测，均以Zoom官方最新说明为准。