TL;DR
OpenAI Decisions API は、テキストと画像を生成文ではなく実行可能な機械可読の決定に変換する特化エンドポイントです。GPT-6 Luna を使用し、predicate、choice、score の質問タイプをサポートします。OpenAI は、対応する意思決定タスクにおいて Responses API 比で約 10 倍の高速性能と、標準入力価格 $0.10/100 万トークンを報告しています。
Key Takeaways
- 目的特化の決定: 自由形式の会話ではなく、あらかじめ定義された質問に回答
- 3 種の決定タイプ: predicate、choice、score
- 確率を考慮した自動化: 曖昧または重大な入力を人手レビューに回すルーティング
- ベンダー報告の速度向上と、入力のみの標準価格 $0.10/100 万トークンにより大規模判断に有用
- ルーティング、分類、視覚チェック、AI エージェントの意思決定ゲートに最適
What Is the OpenAI Decisions API?
OpenAI Decisions API は情報を評価し、境界付けされた機械可読の決定を返します。OpenAI は2026 年 10 月 6 日にベータ版をリリースしました。本ガイドは、API キーや JSON の前提知識があり、分類やルーティングのワークフローを評価したい開発者向けです。製品詳細は 2026 年 10 月 12 日時点で確認しています。
POST /v1/decisions リクエストスキーマは、モデル、共有テキストまたは画像入力、開発者が定義する質問を受け入れます。専用エンドポイントは、説明文ではなく型付きの判断結果を返します。
OpenAI Decisions API specifications
| Specification | Documented endpoint details |
|---|---|
| Product type | 特化エンドポイント（基盤モデル単体ではない） |
| Endpoint | POST /v1/decisions |
| Underlying model | gpt-6-luna |
| Inputs | テキストと画像 |
| Decision types | predicate、choice、score |
| Outputs | 型付きの決定と確率情報 |
| Performance | Responses API 比で約 10× 高速（ベンダー主張） |
| Standard input price | $0.10 / 1M tokens |
| Output charge | Decisions API ではなし |
| Tool calling / streaming | このエンドポイントでは直接サポートされない |
Current availability and access
2026 年 10 月 15 日時点で、公式ガイドはパブリックベータアクセスを案内しており、対応モデルは gpt-6-luna のみです。POST /v1/decisions に送信してください。ベータは本番安定性を保証しません。
OpenAI API プロジェクトを使用し、モデルアクセス、請求状況、レート制限をデプロイ前に確認してください。ガイドは Python SDK 3.26.0 以降を記載しています。アカウント固有のアクセスは小さなテストリクエストで確認してください。
Eligible customers can use Zero Data Retention and HIPAA arrangements. ガイドは米国および欧州での地域処理を記載しています。適格性と契約要件は引き続き適用されます。サードパーティの Luna インターフェース経由のアクセスは、この専用エンドポイントとの互換性を保証しません。
How Does the OpenAI Decisions API Work?
リクエストは、共有の入力証拠と開発者定義の質問を組み合わせます。API は GPT-6 Luna を用いて入力を評価し、アプリケーションコードが自動化、レビュー、エスカレーションに利用できる回答を返します。複数の質問が同一入力を共有できますが、依存関係のある質問はアプリケーション側で順序制御してください。
Predicate evaluation
predicate は、特定の条件が成り立つかを評価します。たとえば小売業者は、写真に目視可能な製品ダメージがあるかを尋ねられます。レスポンスは 0 から 1 の確率を返します。
Illustrative predicate answer excerpt.
{
"type": "predicate",
"name": "visible_damage",
"probability": 0.92
}
Choice selection
choice 質問は、明示的に提供されたカテゴリ（例: Billing、Technical Support、Account Access）の中から選択します。分布と信頼度フィールドは、下流のルーティングやエスカレーション方針を支援します。
Score evaluation
score 質問は、順序付けされたルーブリックに対して入力を評価します。期待スコアは、定義レベルの確率加重インデックスを反映できますが、現実世界のリスクに対してキャリブレーションされた値を自動的に意味するものではありません。
| Index | Severity | Interpretation |
|---|---|---|
| 0 | Low | 即時対応不要 |
| 1 | Moderate | 通常のフォローアップ |
| 2 | High | 顧客への重大な影響 |
| 3 | Critical | 直ちにエスカレーション |
What Are the Main Features of the OpenAI Decisions API?
Fast, bounded execution
型付きの出力により、説明文の生成、テキスト解析、書式不正のリトライの多くが不要になります。OpenAI は、対応する意思決定タスクで相対的に約 10 倍の速度向上を説明しています。実際の向上幅は入力長、ネットワークオーバーヘッド、同時実行数に依存します。
Multiple questions over shared context
1 件のサポートチケットを 1 回のリクエストで、担当部署、緊急度、レビュー対象かどうかなど複数質問で評価可能です。アプリケーション側では依然として決定的なビジネスルールと認可チェックを実装する必要があります。
Text and image understanding
テキストと画像により、チケットのルーティング、スクリーンショットのトリアージ、目視検査が可能です。サポートされる画像形式、サイズ制限、現在受け付けられるペイロード構造については公式ドキュメントを参照してください。
OpenAI は視覚判断の例でこの凹んだマグを使用しています。この画像は目視可能な損傷を示すものであり、測定済み精度率の根拠ではありません。このエンドポイントはホストされた画像 URL やファイル ID ではなく、インラインの base64 画像データ URL を受け付けます。
Probability-aware automation
報告される信頼度は正確性を保証するものではありません。チームはラベル付きホールドアウトデータに対して閾値をチューニングし、偽陽性/偽陰性の影響が高いケースには別の閾値を使用してください。
Security and data controls
データ保持、地域処理、規制対象の利用は、アカウント構成と適用される契約要件に依存します。規制または機微情報を処理する前に適格性を確認してください。
How Much Does the OpenAI Decisions API Cost?
報告される標準料金は、専用 Decisions エンドポイント経由での入力トークンが 100 万トークンあたり $0.10 で、出力トークンの課金はありません。地域処理や長コンテキストの乗数により最終的な請求額は変動します。
| Component | Dedicated endpoint pricing |
|---|---|
| Standard input | $0.10 per 1M tokens |
| Output tokens | $0 |
| Cache reads / writes | $0 |
| Regional processing | プレミアムが適用される場合あり |
| Long context | 乗数が適用される場合あり |
| Billing unit | 入力トークン |
How much can Decisions API save versus Responses API?
同一モデルで同等のタスクを比較してください。Decisions ガイドは、入力 100 万トークンあたり $0.10、出力やキャッシュ料金なしと記載しています。Luna モデルページは、一般モデル利用の標準テキスト価格として、未キャッシュ入力 $0.10/M、出力 $0.50/M を記載しています。
例示の試算でありベンチマークではありません: 1,000,000 件のテキストリクエスト、各エンドポイントで 1 件あたり未キャッシュの課金対象入力 500 トークン、各リクエスト 1 回の分類、地域や長コンテキストのプレミアムなし。Responses では、可視回答の長さではなく、課金対象の出力トークン（課金対象の推論トークンを含む）の合計を使用してください。
この前提では: Decisions cost = N × I × $0.10 / 1,000,000. Responses cost = N × (I × $0.10 + O × $0.50) / 1,000,000. Savings percentage = (Responses cost − Decisions cost) / Responses cost × 100%, where N is requests, I input tokens/request, and O billed output tokens/request.
| Billed Responses output / request | Decisions cost / 1M requests | Responses cost / 1M requests | Estimated savings |
|---|---|---|---|
| 5 tokens | $50.00 | $52.50 | $2.50 (4.8%) |
| 20 tokens | $50.00 | $60.00 | $10.00 (16.7%) |
| 100 tokens | $50.00 | $100.00 | $50.00 (50.0%) |
上記の節約は、想定した Responses の出力課金に由来します。固定のエンドポイント割引ではありません。実測の入力使用量、キャッシュヒット/書き込み、処理階層、リトライを反映して再計算してください。キャッシュや Batch/Flex 料金は結果を変え得ます。ツール料金、人手レビュー、インフラを別途加算してください。品質とレイテンシを確認したうえで、受理された正解あたりのコストを比較してください。短いラベルと長い説明は別のワークロードです。
OpenAI Decisions API vs Responses API vs Jev and Aplomb 1
この表は専用の意思決定サービスに焦点を当てています。説明文生成、カスタム抽出スキーマ、ツールワークフローには、OpenAI decision guideで説明されている Responses API を使用してください。decision はワークフロー分岐を選択でき、Responses はコンテンツ生成やツールコール要求を行い、カスタムツールの実行はアプリケーションコードが処理します。
Capabilities and pricing overview
| Dimension | OpenAI Decisions API | Jev 1.13 | Aplomb 1 |
|---|---|---|---|
| Inputs | テキストと画像 | テキスト；オプトインの実験的画像 | テキスト、JSON、画像、動画、音声 |
| Standard input price / 1M tokens | $0.10 | $0.042 | $0.02 |
| Access | Hosted OpenAI API | Hosted TypeSafe API | Hosted API；EmpirioLabs Model License に基づくダウンロード可能な重み |
| Evaluation fit | OpenAI ワークフローでのルーティング、フィルタ、スコアリング | 分類とインテントルーティング | マルチメディア判断；重みのデプロイが必要 |
選定範囲: Jev と Aplomb は公開された意思決定機能に基づき含めています。人気ランキングではありません。仕様と標準入力価格は 2026 年 10 月 16 日に確認しました。TypeSafe は、jev-latest を 1.13、jev-preview を 1.14 にマッピングし続けているため、この比較は 1.13 に固定しています。Jev の画像対応は実験的です。Aplomb の重みはライセンス制約があります。商用デプロイの条件を確認してください。公表されたトークン価格は品質の序列でもワークフロー総コストの推定でもありません。
Workflow selection
必要な入力とデプロイオプションでサービスを絞り込み、同じラベル付きケースでテストしてください。入力準備、判断ルーブリック、エンドツーエンドのレイテンシ測定、人手レビュー方針を一致させます。ルーティング精度、見落とし、レビュー作業量、受理された正解あたりのコストを比較し、トークン単価や回答速度の向上が追加エラーやレビューコストの増加で覆い隠されないように報告してください。
How Can You Use the OpenAI Decisions API?
Step 1: Configure credentials
API キーを作成し、OPENAI_API_KEY 環境変数として指定してください。秘密鍵をリポジトリやフロントエンドにハードコードしないでください。
Step 2: Send a request with cURL
以下のリクエストは公式の choice 例スキーマに従います。実行前に OPENAI_API_KEY を設定してください。成功レスポンスには answers 配列が含まれます。シェルコマンドは Bash 構文を使用しています。
Route a support request with 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"}
]
}
]
}'
Step 3: Integrate with Python
必要な Python SDK をインストールします。
pip install --upgrade "openai>=3.26.0"
choice 決定を要求して確認します。
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)
Step 4: Define an escalation rule
例示的なルーティング閾値を適用します。
if answer.type == "choice":
if answer.choice != "other" and answer.confidence >= 0.90:
print("Eligible for automatic routing")
else:
print("Send to human review")
0.90 の閾値は例示であり、プロバイダの保証や推奨デフォルトではありません。実例と事業リスクに基づいて検証してください。
How Can You Access GPT-6 Luna Through CometAPI?
開発者はCometAPI の GPT-6 Luna APIを使用して、汎用モデルタスクを実行できます。これは専用の OpenAI Decisions エンドポイント対応とは別物であり、互換性には個別の確認が必要です。
CometAPI Responses を通じたテキスト分類。
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)
このサンプルは、CometAPI 互換モデルインターフェースによる汎用の分類であり、ネイティブな Decisions API の確率構造は返さず、その入力のみの価格も適用されません。
What Are the Best Use Cases for the OpenAI Decisions API?
以下は例示的なアプリケーションワークフローであり、実導入やベンチマーク結果ではありません。公式 Decisions ガイドの predicate、choice、score の質問タイプを用いています。下流のアクションはアプリケーションコードが実行します。
Customer support classification
チケット本文、関連する会話履歴、あらかじめ定義したサポートチームの一覧を提供します。choice 質問で Billing、Technical Support、Account Access を選択し、別の score 質問で文書化されたルーブリックに基づき緊急度を評価できます。アプリケーションコードは提案されたキューに割り当て、曖昧または不完全なケースはレビュアへ送ります。
サポート担当者がラベル付けしたチケットでワークフローを評価し、カテゴリ別のルーティング精度、見落とした緊急案件、再割当率、レビュー作業量を測定してください。既存のルーティングプロセスと比較したうえで展開を拡大します。
Content moderation and review queues
投稿テキストまたは画像と、明確に定義されたレビューカテゴリを提供します。predicate 質問で特定条件の有無を評価し、score 質問で文書化された重大度ルーブリックに基づき優先度を付けられます。アプリケーションは該当アイテムを適切なキューに入れ、関連コンテンツをレビュアに提示します。エンドポイント自体はコンテンツの削除やルールの執行を行いません。
代表的なラベル付き例で、見落とし、不要フラグ、レビュアの一致度、キュー遅延を評価してください。結果に応じて、影響度の異なるカテゴリごとに閾値を調整します。
E-commerce image inspection
商品写真と、対象アイテムに応じた検査基準（ひび、裂け、梱包破損など）を提供します。predicate 質問で各条件の有無を評価し、画像に十分な証拠がある場合は score 質問で定義済み重大度ルーブリックを適用します。証拠が不明瞭な場合、アプリケーションは別の写真を要求するか、人手検査タスクを作成できます。
検査済みアイテムに対する検出精度（見逃しと誤報）を商品カテゴリや画像条件を跨いで評価してください。返金や交換の決定は既存の承認ワークフローに残します。
AI-agent action gating
提案されたアクション、その引数、関連するユーザー要求、アプリケーションの文書化された実行ルールを提供します。predicate 質問で提案が要求に一致するか、レビューが必要かを評価します。アプリケーションコードは、続行、明確化の依頼、エスカレーションといった事前定義の分岐を選択できます。独立した許可チェックは依然として必要であり、モデルの判断は入力の 1 つに過ぎません。
ラベル付きのアクション提案でゲートを評価し、未許可アクションの見逃し、不要なエスカレーション、不完全または矛盾するコンテキストへの感度を測定し、実行と接続する前に確認してください。
Document and email triage
文書やメール本文、関連メタデータ、invoice、support request、meeting request、other といった固定カテゴリを提供します。choice 質問はカテゴリを選択し、predicate 質問は必須情報の欠落などの条件を特定できます。アプリケーションはアイテムを適切な抽出、検索、レビューのワークフローに送ります。decision エンドポイントに後続ステップを実行させる必要はありません。
代表的なラベル付き記録（曖昧なアイテムや不慣れな形式を含む）で、カテゴリ精度、誤った下流ルーティング、レビュー量、処理時間を評価してください。
What Are the OpenAI Decisions API’s Limitations?
この API は任意の説明文生成、ツールの直接実行、予測検証の不要化を提供しません。カテゴリ漏れや不十分な決定ルーブリックは不適切な結果を生み得ます。信頼度はキャリブレーション不全の可能性があり、高リスクの自動化には安全装置、人手レビュー、認可ロジックが必要です。
Conclusion
Decisions API は、型付き確率出力と単純化されたトークン課金モデルを組み合わせることで、高ボリュームの境界付き判断に有望です。同じラベル付きケース、レイテンシ測定、ワークフロー総コストで Structured Outputs や代替の意思決定モデルと比較してください。重要なのは、生成文ではなく「選択」が必要なアプリケーションのステップを特定することです。
FAQs
How should OpenAI Decisions API refusals be handled?
拒否は別のワークフロー結果として扱ってください。choice、score、probability フィールドを読む前に answer.type を確認します。質問名をログに記録し、レビューまたはリカバリ経路へルーティングしてください。拒否を否定的な predicate や 0 スコアとして解釈してはいけません。
How can Decisions API thresholds be maintained over time?
ラベル付きホールドアウト例で閾値を選定し、受理された決定の正確性とレビュー送付の比率を監視します。カテゴリ、指示、入力ソース、モデル挙動を変更した後は再評価してください。ルーティングの変更を構成に紐づけられるよう、版管理されたルーブリックを維持します。
How should OpenAI Decisions API latency tests be reported?
日付、地域、モデル識別子、質問数、テキスト長、画像サイズ、同時実行数、クライアントバージョン、リトライポリシー、比較対象エンドポイントの設定を記録します。サンプル数付きのエンドツーエンド p50 と p95、および品質結果を報告し、単にエラー許容を増やすことで速度向上が得られていないことを示してください。
How should Decisions API categories evolve without breaking integrations?
安定した機械可読値を使用し、下流キューへの明示的なマッピングを維持します。フォールバックカテゴリを追加し、本番展開前に過去の境界ケースをテストしてください。カテゴリ名を変更する場合は、未知の値が本番アクションに到達しないよう、ルーティングマップとルーブリックを同時に更新します。
What should be logged for a Decisions API routing audit?
ルーブリックのバージョン、選択されたカテゴリ、関連する確率または信頼度、閾値、モデル識別子、タイムスタンプ、実施アクションを記録します。保存する入力内容はワークフローに必要な範囲に限定し、組織の保持方針を適用してください。監査記録は、アプリケーションロジックがなぜルーティングまたはエスカレーションを行ったのかを示すべきです。