面向要在百炼上接决策链路的开发者。本文给出 TypeSafe System One 协议的完整请求/响应结构、20 条样本的校准实测数据、以及 bl log audit list 核账时的三个坑。所有数字来自 2026-10-12 的实测留痕。
模型与协议
decision-model-preview：2026-09-24 上架，限时免费（price=0），category Cost-optimized，最大输出长度 0。定位是决策模型：不做文本生成，输入待判定内容（state）与问题（questions），一次前向返回结构化判定。
端点与请求骨架：
POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/systemone
{
"model": "decision-model-preview",
"state": { ... }, // String | Object | Array
"questions": {
"<key>": {"type": "choice", "instructions": "...", "criteria": {"opt1": "描述", ...}},
"<key>": {"type": "noul", "instructions": "..."},
"<key>": {"type": "score", "instructions": "...", "criteria": ["级1描述", "级2描述", ...]}
}
}
响应结构：
{
"answers": {
"<key>": {
"type": "choice", "choice": "...", "confidence": 0.71, "probabilities": {
...}},
"<key>": {
"type": "noul", "noul": 0.78},
"<key>": {
"type": "score", "score": 2.22, "legend": {
...}, "probabilities": {
...}}
},
"usage": {
"input_tokens": 157},
"latency_ms": 48.7
}
注意 usage 只有 input_tokens，最大输出长度 0 的直接印证，成本模型里没有输出 token 这一项。
实测一：一次前向三任务
工单分流（choice 5 项 + noul + score 4 级混排），48.7ms / 157 input tok：
- escalate noul=0.98（正确，应升级）
- severity score=2.22，概率质量 2 档 0.75 / 3 档 0.24（「稳在 2 档、有 3 档可能」的对冲分布，正是分流信号想要的形态）
- department choice=other（0.77），billing 仅 0.21，错判
错判机制：criteria 五个选项四个描述具体，other 是「以上都不是」。工单「支付 24 小时未到账」横跨支付与账务语义，被兜底项吸收。criteria 的措辞粒度直接决定 choice 归类：各选项描述应等粒度，兜底项尽量少用或收窄。
实测二：20 条样本校准
语料：5 组 × 4 条评论区样本（明确广告/明确辱骂/擦边阴阳/变体字/正常讨论），每条独立调用，双问（violation noul + category choice 五选一）。
延迟：服务端 p50 46.3ms，18/20 落在 41.9-52.5ms；2 条毛刺 1835.5 / 2370.0ms（10% 长尾，SLA 设计需考虑）。input tokens 合计 2128，均值 106.4/条。客户端端到端 p50 237.9ms（含 HTTP+TLS），对外写 SLA 用客户端口径，别拿服务端 46.3ms 直接承诺。
按 0.9 自动 / 0.6-0.9 复核 / <0.6 放行分流：
| 档位 | 条数 | 说明 |
|---|---|---|
| auto ≥0.9 | 0 | 两组明确违规 8 条仅 2 条过 0.8 |
| review 0.6-0.9 | 3 | 0.87 / 0.82 / 0.79 |
| pass <0.6 | 17 | 擦边 4 条全对（0.03-0.18）+ 正常组干净 + 9 条违规漏过 |
五组 violation noul 全分布（比均值有用）：
| 组 | 4 条样本 noul |
|---|---|
| 明确广告 | 0.87 / 0.42 / 0.47 / 0.53 |
| 明确辱骂 | 0.82 / 0.50 / 0.50 / 0.32 |
| 擦边阴阳 | 4 条全在 0.03-0.18 |
| 变体字 | 0.79 / 0.38 / 0.05 / 0.34 |
| 正常讨论 | 0.01 / 0.24 / 0.52 / 0.02 |
辱骂组两条正好卡在 0.50，模型对它们真没把握；正常组那条 0.52 就是「请问支持流式输出吗」。分布整体保守，阈值拿这张表去标。
两个关键校准特征：
- 保守校准：概率整体下压。「加微信 xxx888888」0.87，但「同行价格更低找我，扣 1 发链接」0.42、「代做私我」0.53，广告形态越弱分越低。文档示例阈值直接进生产 = 自动化率 0%，阈值必须用自有样本标定
- 失败模式不对称：「威信 same as 上面，懂的都懂」noul=0.05 高置信放行（中英混排+指代盲区），「薇❤ aaa888 领/取/全/套/资/料」0.79 抓住。高置信放行不进人工队列，变体字防线需要第二道工序
实测三：对照 qwen3.8-flash JSON mode
同 20 条，chat completions + response_format json_object + temperature 0：
- 解析：20/20 通过（字段完整、选项合法），JSON mode 可靠性已可用，不必妖魔化
- 延迟：p50 3857.6ms / max 6613.1ms，与决策模型 p50 差约 83 倍（口径同为服务端 p50）
- token：3603 in + 3175 out（20 条），成本 ≈0.0115 元（限免期决策模型 0 元）
选型含义：离线审核批处理 flash 足够；实时链路（聊天内意图识别、电话实时分流、inline 风控）只有 46ms 量级可进。
下游校验设计
- 交叉矛盾 6/20：noul 与 choice 以 0.5 为界违规性不一致（例：noul=0.52 而 choice=normal）。0.5 附近按「无把握」路由人工
- 概率量化 9/20：probabilities 两位小数，和为 0.99（8 条）/1.01（1 条）。校验留容差（|sum-1| < 0.02），精确等值会误杀 45% 响应
CLI 核账三坑
bl log audit list --model decision-model-preview对 systemone 流量过滤不生效（totalCount=0），拉全量后按originLog.model客户端过滤--max-results超 20 静默返回空（totalCount=0，不报错），单页上限 20- 响应顶层仅
list/totalCount，无翻页 token 字段，--next-token实际不可用，分页用--skip递增
核账结果：当日 166 条审计记录中 23 条 decision 调用（冒烟 1 + 三任务 1 + 校准 20 + 批量探测 1），input_tokens 合计 2408，与实测侧 34+157+2128+89 逐条一致。审计行字段：request_id / start_time / duration / status_code / usage（JSON 字符串需二次解析）。
另：state 传 Array 不是批量接口：4 条评论的数组被序列化为单 state 返回聚合判定（noul=0.63），批量需并发单次调用。
接入清单
- 用 50-100 条自有真实样本标定阈值（最重要）
- criteria 各选项等粒度设计，兜底项收窄
- 下游校验留概率容差，0.5 附近路由人工
- 变体字场景加第二道工序
- 批量走并发单调用，别指望 state 数组
