一张对比图表给出了一个很具体的数字：180ms。这是 GPT-6 Luna 在全球请求中的延迟表现，也是它被列为速度最快决策模型的依据。

排在它身后的是 Jev 和 Perplexity Decider。这份对比没有展开各家差距有多大，但把名次摆得很清楚——Luna 在第一，另外两个紧随其后。

快，被摆到了台面上

这条信息来自 OpenRouter 的推文，讨论的场景是「Decisions」API，指向的是路由或分类这类任务。也就是说，比的不是谁能写更长的文章，而是谁能在极短时间内把请求分到该去的地方。

这类任务对延迟格外敏感。用户感知不到模型在后台做了多少次判断，只会在意结果回来得够不够快。180ms 这个数字之所以被单独拎出来，正是因为它直接对应实时响应能力。

速度成了差异化标签

对比图表把 GPT-6 Luna、Jev、Perplexity Decider 放在同一张图里，本身就说明了一件事：在决策模型这个方向上，响应速度正在被当作一个可比较、可排名的指标。

OpenRouter 的这条推文没有给出更多技术细节，也没有解释 180ms 是怎么测出来的。它只强调了一点——在全球请求的维度上，Luna 目前排在最前面。

对于做路由、分类这类工作的团队来说，这个数字提供了一个参照：当模型能力逐渐接近时，谁先返回结果，谁就多一分被选中的理由。