OpenAI در تاریخ ۶ اکتبر ۲۰۲6 endpoint جدیدی به نام Decisions API را در حالت بت عمومی منتشر کرد. این endpoint متن و تصویر را دریافت می‌کند و به‌جای تولید متن آزاد، پاسخ‌های نوع‌دار برمی‌گرداند که کد می‌تواند مستقیماً روی آن‌ها شرط‌گذاری کند. تنها مدل پشتیبانی‌شده gpt-6-luna است و OpenAI انتظار دارد دسترسی عمومی (GA) در هفته‌های آینده فراهم شود.

سه نوع سؤال و ساختار پاسخ#

هر درخواست شامل سه فیلد model، input و questions است. سه نوع سؤال پشتیبانی می‌شود:

  • predicate: یک شرط را بررسی می‌کند و احتمال بین ۰ تا ۱ برمی‌گرداند. مثال: آیا عکس محصول ترک یا پارگی دارد؟
  • choice: یک مقدار از گزینه‌های ارائه‌شده انتخاب می‌کند و احتمال هر گزینه و یک فیلد اطمینان را برمی‌گرداند.
  • score: ورودی را بر اساس سطوح مرتب‌شده (شماره‌گذاری از ۰) ارزیابی می‌کند. نمره، میانگین وزن‌دارِ احتمال‌ها روی شاخص سطوح است. در مثال OpenAI، احتمالات ۰٫۱، ۰٫۷ و ۰٫۲ نمره‌ی ۱٫۱ تولید می‌کنند.

عملکرد و محدودیت‌ها#

OpenAI سرعت Decisions API را حدود ۱۰ برابر Responses API اعلام کرده است. پوشش DevDay یک تصمیم را نزدیک به ۱۵۰ میلی‌ثانیه در برابر حدود ۱٫۶ ثانیه برای فراخوانی‌های معمولی Luna گزارش داده است. نکته مهم: OpenAI هنوز داده‌ی دقت یا کالیبراسیون برای این endpoint منتشر نکرده و مستندات توصیه می‌کنند آستانه‌ها را با نمونه‌های برچسب‌دار از اپلیکیشن خودتان تنظیم کنید.

قیمت و در دسترس بودن#

ورودی با gpt-6-luna هر ۱ میلیون توکن ۰٫۱۰ دلار است و هزینه‌ی خروجی، cache-read و cache-write صفر است. پنجره‌ی context مدل ۱,۰۵۰,۰۰۰ توکن است. برای پرامپت‌های بالای ۲۷۲K توکن، نرخ ورودی ۲ برابر می‌شود. این API فقط روی سرور OpenAI اجرا می‌شود؛ وزن‌های باز یا self-hosting در دسترس نیست. حداقل نسخه‌های SDK: Python 3.26.0، JavaScript 7.30.0، Go 3.73.0، Ruby 0.101.0 و Java 4.78.0. انطباق: Zero Data Retention و HIPAA برای مشتریان واجد شرایط. اقامت داده: آمریکا و اروپا (EEA به‌علاوه سوئیس).

رقیب نزدیک: TypeSafe Jev#

نزدیک‌ترین رقیب TypeSafe Jev است که ۱۵ سپتامبر ۲۰۲۶ در حالت early access منتشر شد. Jev ورودی را ۰٫۰۴۲ دلار هر ۱ میلیون توکن قیمت‌گذاری کرده (حدود ۲٫۴ برابر ارزان‌تر از OpenAI)، سرعت ۷۰ تا ۵۰۰ میلی‌ثانیه end-to-end گزارش می‌کند و تا ۲۵۵ گزینه پشتیبانی می‌کند، اما هنوز در early access است. مزیت OpenAI ورودی تصویر، گزینه‌های انطباقی و دسترسی باز بت است.

خوانش تحریریه#

برای کسی که همین حالا ایجنت یا خط لوله‌ی اتوماسیون می‌سازد، Decisions API یک الگوی تکراری را حذف می‌کند: فراخوانی LLM، گرفتن متن آزاد، و بعد parse کردن آن به لیبل. حالا می‌توانید مستقیماً احتمال، انتخاب یا نمره بگیرید و روی آن شرط بگذارید. اما دو هشدار جدی وجود دارد. اول، عدد ۱۰ برابر فقط از خود OpenAI آمده و هیچ ارزیابی مستقلی منتشر نشده؛ تا زمانی که داده‌ی دقت و کالیبراسیون نبینید، این عدد یک ادعای بازاریابی است نه یک واقعیت تأییدشده. دوم، با یک مدل، یک endpoint و وضعیت بت سروکار دارید. اگر الان روی Structured Outputs یا function calling سرمایه‌گذاری کرده‌اید، Decisions API آن‌ها را جایگزین نمی‌کند — OpenAI خودش خط مرز مشخصی بین سه ابزار کشیده است. در عمل، این API برای case‌هایی مناسب است که واقعاً به احتمال عددی نیاز دارید (تشخیص نقص در تصویر، طبقه‌بندی شدت باگ) و نه صرفاً به یک JSON پرشده.

منبع: MarkTechPost