Modele i platformy AI
OpenAI udostępnia Decisions API w wersji publicznej beta, napędzane przez GPT-6 Luna
Dodaj Unite.AI do preferowanych źródeł w Google
OpenAI udostępniło Decisions API w wersji publicznej beta 6 października 2026 r., wprowadzając punkt końcowy, który zwraca typowane odpowiedzi na pytania zdefiniowane przez programistów, oparte na danych tekstowych i obrazowych. OpenAI API dziennik zmian rejestruje wydanie w wersji beta z gpt-6-luna, obsługiwane przez dedykowany POST /v1/decisions punkt końcowy.
OpenAI twierdzi, że nowy punkt końcowy generuje te odpowiedzi około 10‑krotnie szybciej niż Responses API. Zgodnie z dokumentacją Decisions API, API można testować w Playground, gdzie programiści mogą eksperymentować z pytaniami i danymi wejściowymi przed napisaniem kodu.
Wydanie następuje po wprowadzeniu API na DevDay 2026, gdzie było dostępne w ograniczonym podglądzie. DevDay podsumowanie OpenAI stwierdziło, że API stosuje rozumowanie modelu Luna do zestawu pytań zdefiniowanych przez użytkownika, z każdą z ograniczoną liczbą predefiniowanych odpowiedzi, umożliwiając programistom dostarczanie kontekstu tekstowego lub obrazowego i otrzymywanie wyników, które mogą napędzać klasyfikację treści, routing żądań lub kolejną akcję agenta. OpenAI powiedziało wówczas, że szerokie udostępnienie jest planowane w najbliższych dniach.
Punkt końcowy działa na GPT-6 Luna, modelu rozumowania, który OpenAI wypuściło równocześnie z GPT-6 Sol 22 września 2026 r. Oba modele akceptują dane tekstowe i obrazowe oraz generują tekst za pośrednictwem API Responses i Chat Completions.
Jak działa Decisions API
Każde żądanie składa się z trzech części. Pole model wybiera model oceniający; obecnie obsługiwany jest tylko gpt-6-luna. Pole input zawiera wspólne dowody dla pytań, jako ciąg tekstowy lub jako wiadomości użytkownika zawierające tekst i obrazy. Tablica questions określa, co model ma ocenić: typ każdego pytania, jego instrukcje oraz ewentualne dozwolone wybory lub poziomy oceny. Odpowiedź zawiera tablicę answers, a każde pytanie posiada unikalną nazwę, którą API odtwarza wraz z odpowiedzią.
Pytanie predykat sprawdza warunek, np. widoczne uszkodzenie produktu lub czy fragment tekstu jest istotny, i zwraca szacowaną prawdopodobność od 0 do 1, że warunek jest prawdziwy. W przykładzie z przewodnika zdjęcie produktu jest analizowane pod kątem pęknięcia, rozdarcia lub wgniecenia, a przykładowa odpowiedź zwraca prawdopodobieństwo 0,92; aplikacja może oznaczyć zdjęcia do przeglądu, gdy wartość przekroczy próg ustalony przez programistę.
Pytanie wyboru wybiera jedną wartość z ustalonego zestawu dostępnych opcji, z opisem wyjaśniającym, kiedy ma zastosowanie. Odpowiedź zawiera wybraną wartość, tablicę probabilities obejmującą wszystkie opcje oraz oddzielne pole confidence. Przykład routingu z przewodnika kieruje skargę klienta dotyczącą podwójnej opłaty do opcji rozliczeniowej, przed opcjami technicznymi, wysyłkowymi i innymi alternatywami. Wskazówka OpenAI to dodanie wartości awaryjnej, takiej jak other dla danych, których kategorie nie przewidują; aplikacja może skierować ten awaryjny wynik do ogólnej kolejki przeglądu.
Pytanie punktowe ocenia dane względem uporządkowanych poziomów, np. stopnia powagi problemu, ułożonych od najniższego do najwyższego. Zwrócona ocena jest średnią ważoną prawdopodobieństwem indeksów poziomów, które zaczynają się od 0, więc wynik może znajdować się pomiędzy dwoma zdefiniowanymi poziomami. W przykładowym obliczeniu prawdopodobieństwa 0,1, 0,7 i 0,2 dla trzech poziomów powagi dają wynik 1,1 z pewnością 0,55.
W przypadku wyników wykraczających poza te trzy typy odpowiedzi, dokumentacja kieruje programistów do Structured Outputs w ramach Responses API, gdy potrzebny jest obiekt zgodny z niestandardowym schematem JSON, oraz do wywołań funkcji, gdy model musi żądać wywołania narzędzia z argumentami.
Wskazówki dotyczące użycia i limity danych wejściowych
Obrazy muszą być przesyłane jako wbudowane adresy URL danych base64; punkt końcowy nie obsługuje hostowanych adresów URL obrazów HTTP lub HTTPS ani danych wejściowych file_id. Aby ocenić obraz wraz z instrukcjami lub innym kontekstem, programiści umieszczają części input_text i input_image razem w jednej wiadomości użytkownika.
Niezależne pytania mogą współdzielić jedną tablicę questions w żądaniu, a każde pytanie może używać innego typu, dzięki czemu aplikacja może sprawdzić zdjęcie produktu pod kątem uszkodzeń i sklasyfikować kategorię produktu w jednym wywołaniu. Gdy jedna decyzja zależy od wcześniejszej odpowiedzi, aplikacja musi wysłać oddzielne żądania, wykorzystując pierwszy wynik do warunkowania kolejnego, np. potwierdzając uszkodzenie przed zapytaniem o kategorię naprawy.
Wytyczne tworzenia dokumentacji koncentrują się na kryteriach obserwowalnych: zachowaj odrębne zagadnienia w osobnych pytaniach, nadaj każdemu wyborowi odrębne znaczenie oraz zdefiniuj poziomy oceny tak, aby sąsiadujące poziomy różniły się wyraźnie. Co do interpretacji, zaleca się kalibrację progów w oparciu o oznaczone przykłady z aplikacji produkcyjnej, uwzględniając względne koszty fałszywych alarmów i pominięć.
Cennik, kontrola danych i głos
Cennik punktu końcowego z gpt-6-luna wynosi 0,10 $ za 1 M tokenów wejściowych. Płatne są wyłącznie tokeny wejściowe: odczyty i zapisy pamięci podręcznej oraz tokeny wyjściowe nie są obciążane. Premie za przetwarzanie regionalne oraz mnożniki cenowe za długie konteksty nadal obowiązują, podczas gdy żądania gpt-6-luna spoza /v1/decisions stosują odpowiedni cennik modelu i poziomu przetwarzania.
API obsługuje Zero Data Retention i użycie zgodne z HIPAA dla kwalifikujących się klientów, z rezydencją danych i przetwarzaniem regionalnym oferowanym w Stanach Zjednoczonych oraz w Europie (Europejskim Obszarze Gospodarczym i Szwajcarii). Dla aplikacji sterowanych głosem delegowanie klienta za pomocą Live API pozwala agentowi wybierać akcje z żądań głosowych i zgłaszać wyniki z powrotem do użytkownika.
OpenAI twierdzi, że oczekuje, iż Decisions API osiągnie ogólną dostępność w nadchodzących tygodniach.
