OpenAI ra mắt Decisions API trong bản beta công cộng, được hỗ trợ bởi GPT-6 Luna

OpenAI đã phát hành Decisions API trong bản beta công cộng vào ngày 6 tháng 10 năm 2026, giới thiệu một endpoint trả về các câu trả lời có kiểu dữ liệu cho các câu hỏi do nhà phát triển định nghĩa trên đầu vào văn bản và hình ảnh. OpenAI API changelog ghi lại việc phát hành ở giai đoạn beta với gpt-6-luna, được cung cấp qua một dịch vụ riêng POST /v1/decisions endpoint.

OpenAI cho biết endpoint mới tạo ra các câu trả lời nhanh hơn khoảng 10 lần so với Responses API. Theo Decisions API documentation, API có thể được thử nghiệm trong Playground, nơi các nhà phát triển có thể thử nghiệm các câu hỏi và đầu vào trước khi viết mã.

Việc phát hành theo sau việc giới thiệu API tại DevDay 2026, nơi nó có sẵn trong bản xem trước có hạn. DevDay recap của OpenAI cho biết API áp dụng khả năng suy luận của mô hình Luna cho một tập hợp các câu hỏi do người dùng định nghĩa, mỗi câu hỏi có một tập hợp câu trả lời đã định sẵn, cho phép các nhà phát triển cung cấp ngữ cảnh văn bản hoặc hình ảnh và nhận lại kết quả có thể điều khiển việc phân loại nội dung, định tuyến yêu cầu, hoặc hành động tiếp theo của một tác nhân. OpenAI cho biết vào thời điểm đó rằng một bản phát hành rộng rãi đã được lên kế hoạch trong những ngày tới.

Endpoint chạy trên GPT-6 Luna, một mô hình suy luận mà OpenAI phát hành cùng với GPT-6 Sol vào ngày 22 tháng 9 năm 2026. Cả hai mô hình đều chấp nhận đầu vào văn bản và hình ảnh và tạo ra văn bản thông qua các API Responses và Chat Completions.

Cách hoạt động của Decisions API

Mỗi yêu cầu bao gồm ba phần. Trường model chọn mô hình đánh giá; hiện tại chỉ hỗ trợ gpt-6-luna. Trường input mang lại bằng chứng chung cho các câu hỏi, có thể là một chuỗi văn bản hoặc là các tin nhắn người dùng chứa văn bản và hình ảnh. Mảng questions xác định những gì mô hình cần đánh giá: loại câu hỏi, hướng dẫn của nó, và bất kỳ lựa chọn hoặc mức điểm nào được cho phép. Phản hồi chứa một mảng answers, và mỗi câu hỏi có một tên duy nhất mà API trả lại cùng với câu trả lời.

Một câu hỏi predicate kiểm tra một điều kiện, chẳng hạn như hư hỏng có thể nhìn thấy trên một sản phẩm hoặc liệu một đoạn văn có liên quan hay không, và trả về ước lượng xác suất từ 0 đến 1 cho thấy điều kiện là đúng. Trong ví dụ của hướng dẫn, một bức ảnh sản phẩm được kiểm tra xem có vết nứt, rách hoặc móp, và phản hồi minh họa trả về xác suất 0.92; một ứng dụng có thể đánh dấu các ảnh để xem xét khi giá trị vượt qua ngưỡng mà nhà phát triển thiết lập.

Một câu hỏi choice chọn một giá trị từ một tập hợp các tùy chọn được cung cấp, mỗi tùy chọn có mô tả giải thích khi nào nó áp dụng. Câu trả lời chứa giá trị đã chọn, một mảng probabilities bao gồm mọi tùy chọn, và một trường confidence riêng biệt. Ví dụ định tuyến trong hướng dẫn gửi khiếu nại của khách hàng về việc bị tính phí gấp đôi tới tùy chọn billing trước các tùy chọn kỹ thuật, vận chuyển và các lựa chọn khác. Hướng dẫn của OpenAI là thêm một giá trị fallback như other cho các đầu vào mà các danh mục không dự đoán; ứng dụng có thể định tuyến kết quả fallback đó tới một hàng đợi xem xét chung.

Một câu hỏi score đánh giá một đầu vào dựa trên các mức độ được sắp xếp, chẳng hạn như mức độ nghiêm trọng của vấn đề, từ thấp đến cao. Điểm trả về là trung bình có trọng số xác suất của các chỉ số mức độ, bắt đầu từ 0, do đó kết quả có thể nằm giữa hai mức độ đã định. Trong ví dụ thực tế, các xác suất 0.1, 0.7 và 0.2 trên ba mức độ nghiêm trọng tạo ra điểm 1.1 với độ tin cậy 0.55.

Đối với các đầu ra vượt ra ngoài ba loại câu trả lời này, tài liệu hướng dẫn các nhà phát triển tới Structured Outputs với Responses API khi họ cần một đối tượng tuân theo một schema JSON tùy chỉnh, và tới function calling khi một mô hình cần yêu cầu gọi công cụ với các đối số.

Hướng dẫn sử dụng và giới hạn đầu vào

Hình ảnh phải được gửi dưới dạng URL dữ liệu base64 nội tuyến; endpoint không hỗ trợ URL hình ảnh HTTP hoặc HTTPS được lưu trữ hoặc đầu vào file_id. Để đánh giá một hình ảnh cùng với hướng dẫn hoặc ngữ cảnh khác, các nhà phát triển đặt các phần input_text và input_image cùng nhau trong một tin nhắn người dùng duy nhất.

Các câu hỏi độc lập có thể chia sẻ một mảng questions trong một yêu cầu duy nhất, và mỗi câu hỏi có thể sử dụng một loại khác nhau, vì vậy một ứng dụng có thể kiểm tra ảnh sản phẩm để phát hiện hư hỏng và phân loại danh mục sản phẩm trong một lần gọi. Khi một quyết định phụ thuộc vào câu trả lời trước đó, ứng dụng phải gửi các yêu cầu riêng biệt, sử dụng kết quả đầu tiên để điều kiện cho yêu cầu tiếp theo, chẳng hạn xác nhận hư hỏng trước khi hỏi về danh mục sửa chữa.

Hướng dẫn viết tài liệu tập trung vào các tiêu chí có thể quan sát được: giữ các mối quan tâm riêng biệt trong các câu hỏi tách nhau, cung cấp cho mỗi lựa chọn một ý nghĩa riêng, và định nghĩa các mức độ score sao cho các mức lân cận khác nhau rõ ràng. Về việc diễn giải, hướng dẫn khuyến nghị hiệu chỉnh ngưỡng dựa trên các ví dụ đã được gắn nhãn từ ứng dụng thực tế, cân nhắc chi phí tương đối của các kết quả dương tính giả và âm tính giả.

Giá cả, kiểm soát dữ liệu và giọng nói

Giá cho endpoint với gpt-6-luna là $0.10 cho mỗi 1 triệu token đầu vào. Chỉ tính phí token đầu vào: việc đọc bộ nhớ đệm, ghi bộ nhớ đệm và token đầu ra không bị tính phí. Phụ phí xử lý khu vực và hệ số nhân giá cho đầu vào dài vẫn áp dụng, trong khi các yêu cầu gpt-6-luna bên ngoài /v1/decisions tuân theo mức giá mô hình và cấp xử lý áp dụng.

API hỗ trợ Không Giữ Dữ Liệu và việc sử dụng HIPAA cho khách hàng đủ điều kiện, với việc lưu trữ dữ liệu và xử lý khu vực được cung cấp tại Hoa Kỳ và châu Âu (Khu vực Kinh tế Châu Âu và Thụy Sĩ). Đối với các ứng dụng dựa trên giọng nói, ủy quyền khách hàng với Live API cho phép một đại lý chọn các hành động từ yêu cầu giọng nói và báo cáo kết quả trở lại cho người dùng.

OpenAI cho biết họ dự kiến Decisions API sẽ đạt mức khả dụng chung trong vài tuần tới.