ما هي OpenAI Decisions API وكيف تعمل

خلاصة موجزة

OpenAI Decisions API هي نقطة نهاية متخصصة تحوّل النصوص والصور إلى قرارات قابلة للتنفيذ وقابلة للقراءة آلياً بدلاً من نثر مُولّد. تستخدم GPT-6 Luna وتدعم أسئلة من نوع predicate وchoice وscore. تفيد OpenAI بأن الأداء أسرع بنحو 10× مقارنةً بـ Responses API للمهام المدعومة الخاصة بالقرارات، مع تسعير قياسي للمدخلات بقيمة $0.10 لكل مليون tokens.

أهم النقاط الأساسية

• قرارات مُصممة لغرض محدد: أسئلة مُسبقة التعريف بدلاً من محادثة حرة.
• ثلاثة أنواع من القرارات: predicate، choice، وscore.
• أتمتة واعية بالاحتمالات: توجيه المدخلات الملتبسة أو ذات الأثر الكبير إلى مراجعة بشرية.
• مكاسب السرعة المُعلنة من المورّد وتسعير قياسي للمدخلات فقط بقيمة $0.10 لكل مليون tokens يجعل نقطة النهاية ملائمة للقرارات ذات الحجم الكبير.
• الأفضل لعمليات التوجيه، التصنيف، الفحص البصري، وبوابات قرارات وكلاء الذكاء الاصطناعي.

ما هي OpenAI Decisions API؟

OpenAI Decisions API تقيم المعلومات وتعيد قرارات محكومة قابلة للقراءة آلياً. أعلنت OpenAI أصدرته تجريبياً في 6 أكتوبر 2026. هذا الدليل موجّه للمطورين الذين يفهمون مسبقاً مفاتيح واجهات البرمجة وJSON ويرغبون في تقييم سير عمل التصنيف أو التوجيه. تم التحقق من تفاصيل المنتج في 12 أكتوبر 2026.

يقبل مخطط طلب POST /v1/decisions نموذجاً، ومدخلاً مشتركاً نصياً أو صورة، وأسئلة يعرّفها المطور. تعيد هذه النقطة النهائية المخصصة أحكاماً مُنtyped بدلاً من نثر تفسيري.

مواصفات OpenAI Decisions API

التوفّر الحالي والوصول

اعتباراً من 15 أكتوبر 2026، يسرد الدليل الرسمي وصولاً تجريبياً عاماً، مع gpt-6-luna كنموذج مدعوم وحيد. أرسل الطلبات إلى POST /v1/decisions؛ حالة البيتا ليست ضماناً لاستقرار الإنتاج.

استخدم مشروع OpenAI API وتحقق من وصول النموذج، حالة الفوترة، وحدود المعدل قبل النشر. يسرد الدليل Python SDK 3.26.0 أو أحدث؛ يجب تأكيد الوصول الخاص بالحساب عبر طلب اختبار صغير.

يمكن للعملاء المؤهلين استخدام Zero Data Retention وترتيبات HIPAA. يسرد الدليل معالجة إقليمية في الولايات المتحدة وأوروبا؛ ما يزال التأهيل والمتطلبات التعاقدية سارية. الوصول عبر واجهة Luna من طرف ثالث لا يثبت التوافق مع نقطة النهاية المخصصة هذه.

كيف تعمل OpenAI Decisions API؟

يجمع الطلب بين أدلة الإدخال المشتركة والأسئلة التي يحددها المطور. تقيم API الإدخال باستخدام GPT-6 Luna وتعيد إجابات يمكن لكود التطبيق استخدامها للأتمتة أو المراجعة أو التصعيد. يمكن مشاركة عدة أسئلة نفس الإدخال، رغم أن الأسئلة الاعتمادية ينبغي تسلسلها بواسطة التطبيق.

تقييم predicate

يقيّم predicate ما إذا كان الشرط المحدد متحققاً. يمكن لمتجر تجزئة أن يسأل ما إذا كانت الصورة تُظهر تلفاً مرئياً للمنتج؛ يوفر الرد احتمالية بين 0 و1.

مقتطف توضيحي لإجابة predicate.

{
  "type": "predicate",
  "name": "visible_damage",
  "probability": 0.92
}

اختيار choice

يحدد سؤال choice ما بين فئات مُزوّدة صراحةً، مثل Billing أو Technical Support أو Account Access. تدعم حقول التوزيع والثقة سياسات التوجيه اللاحقة والتصعيد.

تقييم score

يقيم سؤال score الإدخال مقابل سلم مرتب. يمكن أن يعكس score المتوقع المؤشرات المرجحة بالاحتمال للمستويات المحددة؛ هذا لا يمثل تلقائياً مخاطرة حقيقية مُعايرة.

ما هي الميزات الرئيسية لـ OpenAI Decisions API؟

تنفيذ سريع ومحكوم

تزيل المخرجات المُنtyped الكثير من الحاجة إلى توليد نثر، أو تحليل نص، أو إعادة المحاولات للإجابات المشوّهة. تصف OpenAI تحسناً نسبياً في السرعة يبلغ نحو عشرة أضعاف في المهام المدعومة الخاصة بالقرارات؛ ستعتمد المكاسب الفعلية على طول الإدخال، حمل الشبكة، والتزامن.

أسئلة متعددة على سياق مشترك

يمكن تقييم تذكرة دعم واحدة لقسم المعالجة، والملحّية، وقابلية المراجعة في طلب واحد. لا يزال يتعين على التطبيقات فرض قواعد أعمال حتمية وفحوصات التفويض.

فهم النصوص والصور

تدعم النصوص والصور توجيه تذاكر الدعم، فرز لقطات الشاشة، والفحص البصري. راجع الوثائق الرسمية لصيغ الصور المدعومة، حدود الحجم، والبُنى المقبولة حالياً للحمولة.

تستخدم OpenAI هذا الكوب المُبعّج في مثال قرار بصري. تُظهر الصورة تلفاً مرئياً؛ ليست دليلاً على معدل دقة مُقاس. تقبل هذه النقطة النهائية بيانات صور مضمّنة بصيغة base64 عبر data URLs، وليس عناوين صور مستضافة أو معرفات ملفات.

أتمتة واعية بالاحتمالات

القيم المُبلغ عنها للثقة ليست ضماناً للدقة. يجب على الفرق ضبط العتبات مقابل بيانات تحقّق مُوسومة، باستخدام عتبات منفصلة للحالات ذات عواقب مرتفعة للإنذارات الكاذبة أو السهو.

الأمان وضوابط البيانات

تعتمد احتفاظ البيانات، المعالجة الإقليمية، والاستخدام المنظم على تكوين الحساب والمتطلبات التعاقدية المعمول بها. أكد التأهيل قبل معالجة معلومات منظمة أو حساسة.

كم تبلغ تكلفة OpenAI Decisions API؟

السعر القياسي المُبلغ عنه هو $0.10 لكل مليون tokens للمدخلات دون فوترة لمخرجات الرموز عبر نقطة Decisions المخصصة. يمكن أن تغيّر المعالجة الإقليمية أو مضاعِفات السياق الطويل الفاتورة النهائية.

كم يمكن أن توفر Decisions API مقارنةً بـ Responses API؟

قارن المهام المكافئة على نفس النموذج. يسرد دليل Decisions $0.10 لكل مليون tokens للمدخلات دون رسوم مخرجات أو كاش. تسرد صفحة نموذج Luna تسعير النص القياسي بقيمة $0.10/M للمدخل غير المُخزَّن و$0.50/M للمخرجات عند الاستخدام العام للنموذج.

حساب توضيحي، وليس معياراً: 1,000,000 طلب نصي، 500 رمز مدخل قابل للفوترة غير مخزّن لكل طلب على كل نقطة نهاية، تصنيف واحد لكل طلب، ودون علاوات إقليمية أو سياق طويل. بالنسبة إلى Responses، استخدم إجمالي رموز المخرجات المفوترة، بما في ذلك أي رموز تفكير مفوترة، بدلاً من طول الإجابة المرئي وحده.

وفق هذه الافتراضات: Decisions cost = N × I × $0.10 / 1,000,000. Responses cost = N × (I × $0.10 + O × $0.50) / 1,000,000. نسبة التوفير = (Responses cost − Decisions cost) / Responses cost × 100%، حيث N عدد الطلبات، وI رموز المدخلات/طلب، وO رموز المخرجات المفوترة/طلب.

ينبع التوفير أعلاه من رسوم مخرجات Responses المفترضة؛ ليس خصماً ثابتاً لنقطة النهاية. أعد الحساب مع استخدام المدخلات المقاس، إصابات الكاش، كتابات الكاش، مستوى المعالجة، وإعادة المحاولة. يمكن أن تغير المدخلات المُخزّنة أو أسعار Batch/Flex النتيجة. أضف رسوم الأدوات، المراجعة البشرية، والبنية التحتية بشكل منفصل. قارن التكلفة لكل قرار صحيح مقبول بعد التحقق من الجودة والكمون؛ التصنيف القصير والتفسير الأطول عمليتان مختلفتان.

مقارنة OpenAI Decisions API مع Responses API وJev وAplomb 1

تركز الجدول على خدمات القرارات المخصصة. للحصول على تفسيرات مُولّدة، مخططات استخراج مخصصة، أو سير عمل الأدوات، استخدم Responses API كما هو موصوف في دليل القرارات من OpenAI. يمكن للقرار اختيار فرع سير عمل، بينما يولد Responses محتوى أو يطلب استدعاء أداة، مع تعامل كود التطبيق مع تنفيذ الأدوات المخصصة.

نظرة عامة على القدرات والتسعير

نطاق الاختيار: تم تضمين Jev وAplomb لقدراتهما المنشورة في مجال القرارات، وليس كترتيب شعبية. تم التحقق من المواصفات وأسعار المدخل القياسية في 16 أكتوبر 2026. لا تزال TypeSafe تُشير إلى jev-latest باعتباره 1.13 وjev-preview باعتباره 1.14، لذا تم تثبيت المقارنة عند 1.13. دعم الصور في Jev تجريبي. أوزان Aplomb مقيدة بالترخيص؛ تحقق من الشروط للنشر التجاري. أسعار الرموز المنشورة ليست تصنيف جودة ولا تقديراً لتكلفة سير العمل الكلية.

اختيار سير العمل

قصّر قائمة الخدمات بناءً على المدخلات المطلوبة وخيارات النشر، ثم اختبرها على نفس الحالات الموسومة. طابِق إعداد الإدخال، سلالم القرار، قياسات الكمون من طرف إلى طرف، وسياسات المراجعة البشرية. قارن دقة التوجيه، الحالات الفائتة، عبء المراجعة، والتكلفة لكل قرار صحيح مقبول. أبلغ عن هذه النتائج معاً حتى لا يخفي سعر رمزي أقل أو إجابة أسرع أخطاء إضافية أو تكاليف مراجعة.

كيف يمكنك استخدام OpenAI Decisions API؟

الخطوة 1: تهيئة بيانات الاعتماد

أنشئ مفتاح API وقدّمه كمتغير البيئة OPENAI_API_KEY. لا تقم أبداً بترميز المفاتيح السرية في المستودعات أو تطبيقات الواجهة الأمامية.

الخطوة 2: إرسال طلب باستخدام cURL

يتبع الطلب التالي مخطط مثال choice الرسمي. اضبط OPENAI_API_KEY قبل تشغيله؛ يحتوي الرد الناجح على مصفوفة answers. تستخدم أوامر الصدفة صيغة Bash.

توجيه طلب دعم باستخدام cURL.

curl https://api.openai.com/v1/decisions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "input": "I was charged twice for my order.",
    "questions": [
      {
        "type": "choice",
        "name": "department",
        "instructions": "Which department should handle this complaint?",
        "choices": [
          {"value": "billing", "description": "Payments and refunds"},
          {"value": "technical", "description": "Product issues"},
          {"value": "other", "description": "Everything else"}
        ]
      }
    ]
  }'

الخطوة 3: التكامل مع Python

ثبّت حزمة Python SDK المطلوبة.

pip install --upgrade "openai>=3.26.0"

طلب وفحص قرار من نوع choice.

from openai import OpenAI

client = OpenAI()
result = client.decisions.create(
    model="gpt-6-luna",
    input="I was charged twice for my order.",
    questions=[{
        "type": "choice",
        "name": "department",
        "instructions": "Which team should handle this request?",
        "choices": [
            {"value": "billing", "description": "Payments and refunds"},
            {"value": "technical", "description": "Product issues"},
            {"value": "other", "description": "Other requests"}
        ]
    }]
)
answer = result.answers[0]
if answer.type == "refusal":
    print("Decision refused")
elif answer.type == "choice":
    print(answer.choice, answer.confidence)

الخطوة 4: تعريف قاعدة تصعيد

تطبيق عتبة توجيه توضيحية.

if answer.type == "choice":
    if answer.choice != "other" and answer.confidence >= 0.90:
        print("Eligible for automatic routing")
    else:
        print("Send to human review")

عتبة 0.90 توضيحية، ليست ضماناً من المزوّد أو توصية افتراضية رسمية. تحقق منها مقابل أمثلة حقيقية ومخاطر الأعمال.

كيف يمكنك الوصول إلى GPT-6 Luna عبر CometAPI؟

يمكن للمطورين استخدام GPT-6 Luna API in CometAPI لمهام النموذج العامة. ينبغي عدم الخلط بين ذلك ودعم نقطة OpenAI Decisions المخصصة، والتي تتطلب تحقق توافق منفصل.

تصنيف النص عبر CometAPI Responses.

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["COMETAPI_KEY"],
    base_url="https://api.cometapi.com/v1"
)
response = client.responses.create(
    model="gpt-6-luna",
    input=(
        "Classify as billing, technical, or other. "
        "Return only the category. "
        "Request: I was charged twice for my order."
    )
)
print(response.output_text)

هذا المثال هو تصنيف عام عبر واجهة نموذج متوافقة مع CometAPI؛ لا يعيد بنية الاحتمال الأصلية لـ Decisions API ولا يرث تسعير المدخلات فقط.

ما أفضل حالات الاستخدام لـ OpenAI Decisions API؟

هذه سير عمل تطبيقية توضيحية، وليست عمليات منشورة أو نتائج معيارية. تستخدم أنواع الأسئلة predicate وchoice وscore في دليل Decisions الرسمي. ينفذ كود التطبيق الإجراءات اللاحقة.

تصنيف دعم العملاء

قدّم نص التذكرة، سجل المحادثة ذي الصلة، وقائمة مُحددة مسبقاً لفرق الدعم. يمكن لسؤال choice اختيار Billing أو Technical Support أو Account Access؛ يمكن لسؤال score منفصل تقييم الملحّية وفق سلم مكتوب. يمكن لكود التطبيق تعيين قائمة الانتظار المقترحة وإرسال الحالات غير المؤكدة أو الناقصة إلى مُراجع.

قيّم سير العمل على تذاكر موسومة من قبل موظفي الدعم، بقياس دقة التوجيه حسب الفئة، الحالات العاجلة الفائتة، معدلات إعادة التعيين، وعبء المراجعة. قارن هذه النتائج بالعملية الحالية قبل توسيع النشر.

مراقبة المحتوى وقوائم المراجعة

زوّد النصوص أو الصور المُقدمة مع فئات مراجعة محددة بوضوح. يمكن لأسئلة predicate تقييم ما إذا كانت ظروف معينة تظهر في المحتوى، بينما يمكن لسؤال score أولوية المراجعة وفق سلم شدة موثّق. يمكن للتطبيق وضع العناصر المُعلّمة في قائمة الانتظار المناسبة وعرض المحتوى ذي الصلة على المُراجعين؛ نقطة النهاية نفسها لا تزيل المحتوى ولا تُطبق قواعد المنصة.

قيّم الانتهاكات الفائتة، الإشارات غير الضرورية، توافق المُراجعين، وتأخيرات قائمة الانتظار على أمثلة موسومة تمثيلية. اضبط العتبات بشكل منفصل للفئات ذات العواقب المختلفة.

فحص الصور في التجارة الإلكترونية

زوّد صور المنتجات ومعايير الفحص ذات الصلة بالصنف، مثل الشقوق المرئية، التمزقات، أو تلف العبوة. يمكن لأسئلة predicate تقييم ما إذا كان كل شرط يظهر، ويمكن لسؤال score تطبيق سلم شدة محدد عندما تحتوي الصور على أدلة كافية. يمكن لكود التطبيق طلب صورة أخرى أو إنشاء مهمة فحص بشري عندما تكون الأدلة غير واضحة.

قيّم دقة الكشف مقابل العناصر المُفحصة، بما في ذلك التلف الفائت والإنذارات الكاذبة عبر فئات المنتجات وظروف الصور. أبقِ قرارات الاسترداد أو الاستبدال ضمن سير الموافقة القائم لدى متجر التجزئة.

بوابة إجراءات وكيل الذكاء الاصطناعي

زوّد الإجراء المقترح، مُعامِلاته، طلب المستخدم ذي الصلة، وقواعد التنفيذ المكتوبة للتطبيق. يمكن لأسئلة predicate تقييم ما إذا كان المقترح يطابق المهمة المطلوبة أو يتطلب مراجعة. يمكن لكود التطبيق استخدام النتيجة لاختيار فرع محدد مسبقاً: المتابعة، طلب التوضيح، أو التصعيد. يجب أن تحدد فحوصات التفويض المستقلة ما إذا كان التنفيذ مُصرّحاً؛ حكم النموذج مجرد مُدخل واحد.

قيّم البوابة عبر مقترحات إجراءات موسومة، بقياس الإجراءات غير المُصرّح بها الفائتة، التصعيدات غير الضرورية، والحساسية للسياق الناقص أو المتعارض قبل ربطها بالتنفيذ.

فرز المستندات والبريد الإلكتروني

زوّد نص المستند أو البريد الإلكتروني، البيانات الوصفية ذات الصلة، ومجموعة ثابتة من الفئات مثل invoice، support request، meeting request، أو other. يمكن لسؤال choice اختيار الفئة، بينما يمكن لأسئلة predicate تحديد ظروف مثل المعلومات المطلوبة المفقودة. يمكن لكود التطبيق إرسال العنصر إلى سير استخراج أو استرجاع أو مراجعة مناسب دون طلب تنفيذ تلك الخطوات لاحقاً من نقطة القرار.

قيّم دقة الفئة، التوجيه اللاحق غير الصحيح، حجم المراجعة، ووقت المعالجة باستخدام سجلات موسومة تمثيلية، بما في ذلك العناصر الملتبسة والصيغ غير المألوفة.

ما هي قيود OpenAI Decisions API؟

لا تولد API محتوى تفسيريًا عشوائياً، ولا تُشغل الأدوات مباشرةً، ولا تلغي الحاجة إلى اختبار التنبؤات. يمكن أن تؤدي الفئات المفقودة وسلالم القرار السيئة الصياغة إلى نتائج غير مناسبة. قد تكون قيم الثقة غير مُعايرة؛ الأتمتة عالية المخاطر لا تزال بحاجة إلى ضوابط، مراجعة بشرية، ومنطق تفويض.

الخلاصة

تُعد Decisions API واعدة للأحكام المحكومة ذات الحجم الكبير لأنها تجمع مخرجات احتمالية مُنtyped مع نموذج تسعير رموز مُبسّط. ينبغي للفرق مقارنتها مع Structured Outputs ونماذج القرارات البديلة باستخدام نفس الحالات الموسومة، قياسات الكمون، وتكاليف سير العمل الكاملة. الفرصة الأساسية هي تحديد الخطوات في تطبيق الذكاء الاصطناعي التي تحتاج إلى اختيار بدلاً من نثر مُولّد.

الأسئلة الشائعة

كيف ينبغي التعامل مع حالات الرفض في OpenAI Decisions API؟

عامل الرفض كنتيجة سير عمل منفصلة. تحقّق من answer.type قبل قراءة حقول choice أو score أو probability. سجّل اسم السؤال ووجّه الطلب إلى مسار مراجعة أو استرداد؛ لا تفسّر الرفض كـ predicate سلبي أو score صفري.

كيف يمكن الحفاظ على عتبات Decisions API مع مرور الوقت؟

اختر العتبات على أمثلة تحقّق موسومة، ثم راقب الدقة بين القرارات المقبولة ونسبة المُرسَل للمراجعة. أعد التقييم بعد تغيير الفئات، التعليمات، مصادر الإدخال، أو سلوك النموذج. احتفظ بسلم مُرقّم إصداراً بحيث يمكن تتبع تغييرات التوجيه إلى التكوين الذي نتج عنها.

كيف يجب الإبلاغ عن اختبارات زمن الاستجابة لـ OpenAI Decisions API؟

سجّل التاريخ، الإقليم، مُعرّف النموذج، عدد الأسئلة، طول النص، حجم الصورة، التزامن، إصدار العميل، سياسة إعادة المحاولة، وتكوين نقطة النهاية المُقارنة. أبلغ عن p50 وp95 من طرف إلى طرف مع أعداد العينات ونتائج الجودة، حتى لا يتحقق مكسب السرعة بمجرد قبول المزيد من الأخطاء.

كيف ينبغي تطوير فئات Decisions API دون كسر التكاملات؟

استخدم قيم مستقرة قابلة للقراءة آلياً وحافظ على تعيين صريح إلى قوائم الانتظار اللاحقة. أضف فئة احتياطية واختبر حالات الحواف التاريخية قبل نشر أوصاف جديدة. إذا تم إعادة تسمية فئة، حدّث خريطة التوجيه والسلم معاً بدلاً من السماح بوصول قيم غير معروفة إلى إجراءات الإنتاج.

ما الذي يجب تسجيله لتدقيق التوجيه في Decisions API؟

سجّل إصدار السلم، الفئة المُختارة، الاحتمالات أو الثقة ذات الصلة، العتبة، مُعرّف النموذج، الطابع الزمني، والإجراء المُتخذ. حدّ من محتوى الإدخال المخزّن إلى ما يتطلبه سير العمل وطبّق سياسة الاحتفاظ الخاصة بالمؤسسة. ينبغي أن يُظهر سجل التدقيق سبب توجيه أو تصعيد الحالة بواسطة منطق التطبيق.