एआई मॉडल और प्लेटफ़ॉर्म
OpenAI ने Decisions API को सार्वजनिक बीटा में जारी किया, GPT-6 Luna द्वारा संचालित
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
OpenAI ने 6 अक्टूबर 2026 को Decisions API को सार्वजनिक बीटा में जारी किया, एक ऐसा एंडपॉइंट पेश किया जो टेक्स्ट और इमेज इनपुट पर डेवलपर‑परिभाषित प्रश्नों के लिए टाइप्ड उत्तर लौटाता है। OpenAI API परिवर्तन लॉग बीटा रिलीज़ को gpt-6-luna के साथ रिकॉर्ड करता है, जो एक समर्पित POST /v1/decisions एंडपॉइंट।
OpenAI कहता है कि नया एंडपॉइंट उन उत्तरों को Responses API की तुलना में लगभग 10 गुना तेज़ी से उत्पन्न करता है। Decisions API दस्तावेज़ के अनुसार, API को Playground में परीक्षण किया जा सकता है, जहाँ डेवलपर्स कोड लिखने से पहले प्रश्नों और इनपुट के साथ प्रयोग कर सकते हैं।
यह रिलीज़ DevDay 2026 पर API की प्रस्तुति के बाद आई, जहाँ यह सीमित प्रीव्यू में उपलब्ध था। OpenAI की DevDay recap ने कहा कि API Luna मॉडल की तर्कशक्ति को उपयोगकर्ता‑परिभाषित प्रश्नों के सेट पर लागू करती है, प्रत्येक के पास पूर्वनिर्धारित उत्तरों का सीमित सेट होता है, जिससे डेवलपर्स टेक्स्ट या इमेज संदर्भ प्रदान कर सकते हैं और ऐसे परिणाम प्राप्त कर सकते हैं जो कंटेंट वर्गीकरण, अनुरोध रूटिंग, या एजेंट की अगली कार्रवाई को संचालित कर सकते हैं। OpenAI ने उस समय कहा कि आने वाले दिनों में व्यापक रिलीज़ की योजना है।
यह एंडपॉइंट GPT-6 Luna पर चलता है, जो एक तर्क मॉडल है जिसे OpenAI ने 22 सितंबर 2026 को GPT-6 Sol के साथ जारी किया। दोनों मॉडल टेक्स्ट और इमेज इनपुट स्वीकार करते हैं और Responses तथा Chat Completions API के माध्यम से टेक्स्ट उत्पन्न करते हैं।
Decisions API कैसे काम करता है
प्रत्येक अनुरोध के तीन भाग होते हैं। मॉडल फ़ील्ड मूल्यांकन मॉडल का चयन करता है; वर्तमान में केवल gpt-6-luna समर्थित है। इनपुट फ़ील्ड प्रश्नों के लिए साझा साक्ष्य ले जाता है, चाहे वह टेक्स्ट स्ट्रिंग हो या टेक्स्ट और इमेज वाली उपयोगकर्ता संदेश। प्रश्नों की एरे यह निर्दिष्ट करती है कि मॉडल क्या मूल्यांकन करे: प्रत्येक प्रश्न का प्रकार, उसके निर्देश, और कोई भी अनुमत विकल्प या स्कोर स्तर। प्रतिक्रिया में उत्तरों की एरे होती है, और प्रत्येक प्रश्न एक अद्वितीय नाम ले जाता है जिसे API अपने उत्तर के साथ वापस दोहराता है।
एक प्रेडिकेट प्रश्न किसी शर्त की जांच करता है, जैसे उत्पाद पर दिखाई देने वाला नुकसान या कोई अनुच्छेद प्रासंगिक है या नहीं, और शर्त के सत्य होने की संभावना 0 से 1 के बीच अनुमानित करता है। गाइड के उदाहरण में, एक उत्पाद फोटो को दरार, फट या डेंट के लिए जांचा जाता है, और एक उदाहरणात्मक प्रतिक्रिया 0.92 की संभावना लौटाती है; एक एप्लिकेशन तब फोटो को समीक्षा के लिए चिह्नित कर सकता है जब मान डेवलपर द्वारा सेट किए गए थ्रेशोल्ड को पार कर जाता है।
एक चॉइस प्रश्न प्रदान किए गए विकल्पों के स्थिर सेट में से एक मान चुनता है, प्रत्येक के साथ एक विवरण होता है जो बताता है कि यह कब लागू होता है। उत्तर में चयनित मान, सभी विकल्पों को कवर करने वाली संभावनाओं की एरे, और एक अलग confidence फ़ील्ड शामिल होती है। गाइड के रूटिंग उदाहरण में दोहरी चार्ज की ग्राहक शिकायत को तकनीकी, शिपिंग और अन्य विकल्पों से पहले बिलिंग विकल्प पर भेजा जाता है। OpenAI का मार्गदर्शन है कि एक फॉलबैक मान जोड़ें जैसे other जब इनपुट उन श्रेणियों में नहीं आते जिनकी अपेक्षा की गई है; एप्लिकेशन उस फॉलबैक परिणाम को एक सामान्य समीक्षा कतार में रूट कर सकता है।
एक स्कोर प्रश्न इनपुट को क्रमबद्ध स्तरों के विरुद्ध रेट करता है, जैसे मुद्दे की गंभीरता, जो सबसे नीचे से सबसे ऊपर तक व्यवस्थित होते हैं। लौटाया गया स्कोर स्तर सूचकांकों का संभावनात्मक भारित औसत होता है, जो 0 से शुरू होते हैं, इसलिए परिणाम दो परिभाषित स्तरों के बीच आ सकता है। कार्यशील उदाहरण में, तीन गंभीरता स्तरों पर 0.1, 0.7 और 0.2 की संभावनाएँ 1.1 का स्कोर और 0.55 की confidence देती हैं।
इन तीन उत्तर प्रकारों से परे आउटपुट के लिए, दस्तावेज़ डेवलपर्स को Responses API के साथ Structured Outputs की ओर निर्देशित करता है जब उन्हें कस्टम JSON स्कीमा का पालन करने वाला ऑब्जेक्ट चाहिए, और फ़ंक्शन कॉलिंग की ओर जब मॉडल को तर्कों के साथ टूल कॉल का अनुरोध करना हो।
उपयोग मार्गदर्शन और इनपुट सीमाएँ
इमेज को इनलाइन base64 डेटा URL के रूप में भेजना आवश्यक है; एंडपॉइंट होस्टेड HTTP या HTTPS इमेज URL या file_id इनपुट का समर्थन नहीं करता। किसी इमेज को निर्देशों या अन्य संदर्भ के साथ मूल्यांकन करने के लिए, डेवलपर्स input_text और input_image भागों को एक ही उपयोगकर्ता संदेश में साथ रखते हैं।
स्वतंत्र प्रश्न एक ही अनुरोध की प्रश्न एरे को साझा कर सकते हैं, और प्रत्येक प्रश्न अलग प्रकार का उपयोग कर सकता है, इसलिए एक एप्लिकेशन एक कॉल में उत्पाद फोटो में नुकसान की जाँच और उत्पाद की श्रेणी को वर्गीकृत कर सकता है। जब एक निर्णय पहले के उत्तर पर निर्भर करता है, तो एप्लिकेशन को अलग-अलग अनुरोध भेजने चाहिए, पहले परिणाम को फॉलो‑अप के लिए गेट के रूप में उपयोग करते हुए, जैसे नुकसान की पुष्टि करने के बाद मरम्मत श्रेणी पूछना।
दस्तावेज़ की लेखन मार्गदर्शन प्रेक्षणीय मानदंडों पर केंद्रित है: अलग-अलग चिंताओं को अलग प्रश्नों में रखें, प्रत्येक विकल्प को अलग अर्थ दें, और स्कोर स्तरों को इस तरह परिभाषित करें कि निकटवर्ती स्तर स्पष्ट रूप से भिन्न हों। व्याख्या पर, मार्गदर्शन है कि उत्पादन एप्लिकेशन के लेबल किए गए उदाहरणों के विरुद्ध थ्रेशोल्ड को कैलिब्रेट करें, गलत पॉज़िटिव और गलत नेगेटिव की सापेक्ष लागतों को तौलते हुए।
मूल्य निर्धारण, डेटा नियंत्रण, और वॉयस
gpt-6-luna के साथ एंडपॉइंट की कीमत $0.10 प्रति 1M इनपुट टोकन है। केवल इनपुट टोकन ही बिल किए जाते हैं: कैश रीड, कैश राइट और आउटपुट टोकन पर कोई शुल्क नहीं लगता। क्षेत्रीय प्रोसेसिंग प्रीमियम और लांग‑कॉन्टेक्स्ट इनपुट प्राइसिंग मल्टिप्लायर अभी भी लागू होते हैं, जबकि gpt-6-luna अनुरोध बाहर /v1/decisions लागू मॉडल और प्रोसेसिंग‑टियर की कीमतों का पालन करते हैं।
API योग्य ग्राहकों के लिए Zero Data Retention और HIPAA उपयोग का समर्थन करता है, और डेटा निवास तथा क्षेत्रीय प्रसंस्करण संयुक्त राज्य अमेरिका और यूरोप (यूरोपीय आर्थिक क्षेत्र और स्विट्ज़रलैंड) में उपलब्ध कराता है। आवाज़-आधारित अनुप्रयोगों के लिए, Live API के साथ क्लाइंट डेलीगेशन एजेंट को आवाज़ अनुरोधों से कार्य चुनने और परिणाम उपयोगकर्ता को वापस रिपोर्ट करने की अनुमति देता है।
OpenAI कहता है कि वह अपेक्षा करता है कि Decisions API आने वाले हफ़्तों में सामान्य उपलब्धता तक पहुँच जाएगा।
