TL;DR
De OpenAI Decisions API is een gespecialiseerde endpoint die tekst en afbeeldingen omzet in uitvoerbare, machineleesbare beslissingen in plaats van gegenereerde proza. Het gebruikt GPT-6 Luna en ondersteunt predicaat-, keuze- en scorevragen. OpenAI meldt ongeveer 10× snellere prestaties dan de Responses API voor ondersteunde beslissingstaken en een standaard invoertarief van $0.10 per miljoen tokens.
Key Takeaways
- Doelgerichte beslissingen: vooraf gedefinieerde vragen in plaats van vrije conversatie.
- Drie beslissingstypen: predicaat, keuze en score.
- Kansbewuste automatisering: stuur ambigue of ingrijpende inputs naar menselijke review.
- Door de leverancier gerapporteerde snelheidswinst en uitsluitend-invoer standaardtarief van $0.10 per miljoen tokens maken de endpoint relevant voor beslissingen op grote schaal.
- Het best voor routering, classificatie, visuele controles en beslissingspoorten voor AI-agents.
What Is the OpenAI Decisions API?
De OpenAI Decisions API evalueert informatie en retourneert begrensde, machineleesbare beslissingen. OpenAI bracht het op 6 oktober 2026 als bèta uit (https://developers.openai.com/api/docs/changelog). Deze gids is voor ontwikkelaars die al API-sleutels en JSON begrijpen en classificatie- of routeringsworkflows willen evalueren. Productdetails zijn gecontroleerd op 12 oktober 2026.
Het schema van het verzoek POST /v1/decisions (https://developers.openai.com/api/reference/resources/decisions/methods/create) accepteert een model, gedeelde tekst- of afbeeldinginvoer, en door de ontwikkelaar gedefinieerde vragen. De dedicated endpoint retourneert getypeerde oordelen in plaats van verklarende proza.
OpenAI Decisions API specifications
| Specificatie | Gedocumenteerde endpointdetails |
|---|---|
| Producttype | Gespecialiseerde API-endpoint, geen zelfstandig foundation model |
| Endpoint | POST /v1/decisions |
| Onderliggend model | gpt-6-luna |
| Invoer | Tekst en afbeeldingen |
| Beslissingstypen | predicaat, keuze, score |
| Uitvoer | Getypeerde beslissingen en waarschijnlijkheidsinformatie |
| Prestaties | Ongeveer 10× sneller dan Responses API (claim van leverancier) |
| Standaard invoerprijs | $0.10 / 1M tokens |
| Uitvoerkosten | Geen voor Decisions API |
| Toolaanroepen / streaming | Niet direct ondersteund door deze endpoint |
Current availability and access
Vanaf 15 oktober 2026 vermeldt de officiële gids (https://developers.openai.com/api/docs/guides/decisions) publieke bètatoegang, met gpt-6-luna als het enige ondersteunde model. Stuur verzoeken naar POST /v1/decisions; bètastatus is geen garantie voor productiestabiliteit.
Gebruik een OpenAI API-project en controleer vóór uitrol de modeltoegang, factureringsstatus en snelheidslimieten. De gids vermeldt Python SDK 3.26.0 of later; accountspecifieke toegang moet met een kleine testrun worden bevestigd.
In aanmerking komende klanten kunnen Zero Data Retention en HIPAA-regelingen gebruiken. De gids vermeldt verwerking in de VS en Europa; geschiktheid en contractuele vereisten blijven van toepassing. Toegang via een externe Luna-interface impliceert geen compatibiliteit met deze dedicated endpoint.
How Does the OpenAI Decisions API Work?
Een request combineert gedeelde input met door de ontwikkelaar gedefinieerde vragen. De API evalueert de input met GPT-6 Luna en retourneert antwoorden die applicatiecode kan gebruiken om te automatiseren, te reviewen of te escaleren. Meerdere vragen kunnen dezelfde input delen, al moeten afhankelijke vragen door de applicatie worden geserialiseerd.
Predicate evaluation
Een predicaat evalueert of een bepaalde conditie geldt. Een retailer kan bijvoorbeeld vragen of een foto zichtbare productschade toont; de respons geeft een waarschijnlijkheid tussen 0 en 1.
Illustratief fragment van een predicaatantwoord.
{
"type": "predicate",
"name": "visible_damage",
"probability": 0.92
}
Choice selection
Een keuzevraag selecteert uit expliciet opgegeven categorieën, zoals Billing, Technical Support of Account Access. Verdelings- en betrouwbaarheidsvelden ondersteunen vervolgroutering en escalatiebeleid.
Score evaluation
Een scorevraag evalueert input aan de hand van een geordende rubric. De verwachte score kan de kansgewogen indices van de gedefinieerde niveaus weerspiegelen; dit vertegenwoordigt niet automatisch een gekalibreerd risico in de echte wereld.
| Index | Ernst | Interpretatie |
|---|---|---|
| 0 | Laag | Geen directe actie |
| 1 | Matig | Routinematige opvolging |
| 2 | Hoog | Aanzienlijke klantimpact |
| 3 | Kritiek | Onmiddellijke escalatie |
What Are the Main Features of the OpenAI Decisions API?
Fast, bounded execution
Getypeerde uitvoer vermindert de noodzaak om proza te genereren, tekst te parsen of onjuist geformatteerde antwoorden te retrypen. OpenAI beschrijft een relatieve snelheidsverbetering van ongeveer tienvoud voor ondersteunde beslissingstaken; de daadwerkelijke winst hangt af van invoerlengte, netwerkoverhead en gelijktijdigheid.
Multiple questions over shared context
Eén supportticket kan in één request worden beoordeeld op afdeling, urgentie en review-geschiktheid. Applicaties moeten nog steeds deterministische bedrijfsregels en autorisatiecontroles afdwingen.
Text and image understanding
Tekst en afbeeldingen ondersteunen ticketroutering, screenshottriage en visuele inspectie. Raadpleeg de officiële documentatie voor ondersteunde afbeeldingsformaten, limieten en momenteel geaccepteerde payloadstructuren.

OpenAI gebruikt deze gedeukte mok in zijn visuele beslissingsvoorbeeld (https://developers.openai.com/api/docs/guides/decisions). De afbeelding illustreert waarneembare schade; het is geen bewijs van een gemeten nauwkeurigheid. Deze endpoint accepteert inline base64 image data-URL’s, niet gehoste image-URL’s of file-ID’s.
Probability-aware automation
Gerapporteerde vertrouwensscores zijn geen gegarandeerde nauwkeurigheid. Teams moeten drempels afstemmen op gelabelde hold-outdata, met aparte drempels voor gevallen met hoge kosten voor false positives of false negatives.
Security and data controls
Dataretentie, regionale verwerking en gereguleerd gebruik hangen af van de accountconfiguratie en toepasselijke contractuele vereisten. Bevestig geschiktheid voordat u gereguleerde of gevoelige informatie verwerkt.
How Much Does the OpenAI Decisions API Cost?
Het gemelde standaardtarief is $0.10 per miljoen invoertokens zonder facturering van uitvoertokens via de dedicated Decisions-endpoint. Regionale verwerking of long-context-multipliers kunnen de uiteindelijke rekening beïnvloeden.
| Component | Prijs via dedicated endpoint |
|---|---|
| Standaardinvoer | $0.10 per 1M tokens |
| Uitvoertokens | $0 |
| Cache-lezingen/-schrijvingen | $0 |
| Regionale verwerking | Er kan een toeslag gelden |
| Lange context | Er kan een multiplier gelden |
| Facturatie-eenheid | Invoertokens |
How much can Decisions API save versus Responses API?
Vergelijk equivalente taken op hetzelfde model. De Decisions-gids (https://developers.openai.com/api/docs/guides/decisions) vermeldt $0.10 per miljoen invoertokens en geen kosten voor uitvoer of cache. De Luna-modelpagina (https://developers.openai.com/api/docs/models/gpt-6-luna) vermeldt standaard tekstarieven van $0.10/M niet-gecachete invoer en $0.50/M uitvoer voor algemeen gebruik van het model.
Illustratieve berekening, geen benchmark: 1.000.000 tekstrequests, 500 niet-gecachete factureerbare invoertokens per request op elke endpoint, één classificatie per request, en geen regionale of long-context-toeslagen. Gebruik voor Responses het totale aantal gefactureerde uitvoertokens, inclusief eventueel gefactureerde reasoning-tokens, niet alleen de zichtbare antwoordlengte.
Onder deze aannames: 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%, waarbij N requests zijn, I invoertokens/request en O gefactureerde uitvoertokens/request.
| Gefactureerde Responses-uitvoer / aanvraag | Kosten Decisions / 1M aanvragen | Kosten Responses / 1M aanvragen | Geschatte besparing |
|---|---|---|---|
| 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%) |
De besparing hierboven komt voort uit de aangenomen Responses-uitvoerfacturering; het is geen vaste endpointkorting. Herbereken met gemeten invoergebruik, cache-hits, cache-schrijvingen, verwerkingstarief en retries. Cache-invoer of Batch/Flex-tarieven kunnen het resultaat veranderen. Tel toolkosten, menselijke review en infrastructuur apart mee. Vergelijk kosten per geaccepteerde correcte beslissing nadat kwaliteit en latency zijn gecontroleerd; een kort label en een langere uitleg zijn verschillende workloads.
OpenAI Decisions API vs Responses API vs Jev and Aplomb 1
De tabel richt zich op dedicated beslissingsservices. Voor gegenereerde uitleg, aangepaste extractieschemas of toolworkflows gebruikt u de Responses API zoals beschreven in de OpenAI-beslissingsgids (https://developers.openai.com/api/docs/guides/decisions). Een beslissing kan een workflowtak selecteren, terwijl Responses content genereert of een toolcall aanvraagt, waarbij applicatiecode de uitvoering van de custom tool afhandelt.
Capabilities and pricing overview
| Dimensie | OpenAI Decisions API | Jev 1.13 | Aplomb 1 |
|---|---|---|---|
| Invoer | Tekst en afbeeldingen | Tekst; experimentele afbeeldingen met opt-in | Tekst, JSON, afbeeldingen, video en audio |
| Standaard invoerprijs / 1M tokens | $0.10 | $0.042 | $0.02 |
| Toegang | Gehoste OpenAI API | Gehoste TypeSafe API | Gehoste API; downloadbare gewichten onder de EmpirioLabs Model License |
| Evaluatiegeschiktheid | Routering, filtering en scoring in OpenAI-workflows | Classificatie en intentroutering | Mixed-media beslissingen; deployment met vereiste gewichten |
Selectiescope: Jev en Aplomb zijn opgenomen vanwege hun gepubliceerde beslissingsmogelijkheden, niet als populariteitsranglijst. Specificaties en standaard invoerprijzen zijn gecontroleerd op 16 oktober 2026. TypeSafe (https://docs.typesafe.ai/models) mapte nog steeds jev-latest naar 1.13 en jev-preview naar 1.14, dus deze vergelijking fixeert 1.13. Jev-ondersteuning voor afbeeldingen is experimenteel. Aplomb-gewichten zijn licentiebeperkt; controleer de voorwaarden voor commerciële inzet. Gepubliceerde tokenprijzen zijn geen kwaliteitsrangschikking of schatting van totale workflowkosten.
Workflow selection
Maak een shortlist op basis van vereiste invoer en deploymentopties, test ze vervolgens op dezelfde gelabelde cases. Stem inputvoorbereiding, beslissingsrubrics, end-to-end-latentiemetingen en human-reviewbeleid op elkaar af. Vergelijk routeringsnauwkeurigheid, gemiste cases, review-werkbelasting en kosten per geaccepteerde correcte beslissing. Rapporteer deze samen zodat een lager tokenprijs of sneller antwoord niet meer fouten of reviewkosten verbergt.
How Can You Use the OpenAI Decisions API?
Step 1: Configure credentials
Maak een API-sleutel en lever die aan als de omgevingvariabele OPENAI_API_KEY. Hardcode nooit geheime sleutels in repositories of front-endapplicaties.
Step 2: Send a request with cURL
De volgende request volgt het officiële schema voor een keuzevoorbeeld (https://developers.openai.com/api/reference/resources/decisions/methods/create). Stel OPENAI_API_KEY in vóór het uitvoeren; een succesvolle respons bevat een answers-array. De shell-commando’s gebruiken Bash-syntaxis.
Routeer een supportverzoek met 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
Installeer de vereiste Python SDK.
pip install --upgrade "openai>=3.26.0"
Vraag een keuzebeslissing op en inspecteer die.
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
Pas een illustratieve routeringsdrempel toe.
if answer.type == "choice":
if answer.choice != "other" and answer.confidence >= 0.90:
print("Eligible for automatic routing")
else:
print("Send to human review")
De drempel van 0,90 is illustratief, geen providergarantie of officieel aanbevolen standaard. Valideer deze tegen echte voorbeelden en bedrijfsrisico.
How Can You Access GPT-6 Luna Through CometAPI?
Ontwikkelaars kunnen de GPT-6 Luna API in CometAPI gebruiken (https://www.cometapi.com/models/openai/gpt-6-luna/) voor algemene modeltaken. Dit moet niet worden verward met ondersteuning voor de dedicated OpenAI Decisions-endpoint, waarvoor aparte compatibiliteitsverificatie vereist is.
Classificeer tekst via 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)
Dit voorbeeld betreft algemene classificatie via de CometAPI-compatibele modelinterface; het retourneert niet de native Decisions API-probabiliteitsstructuur en erft het uitsluitend-invoertarief niet.
What Are the Best Use Cases for the OpenAI Decisions API?
Dit zijn illustratieve toepassingsworkflows, geen gerapporteerde deployments of benchmarkresultaten. Ze gebruiken de predicaat-, keuze- en scorevraagtypen uit de officiële Decisions-gids (https://developers.openai.com/api/docs/guides/decisions). Applicatiecode voert de vervolgacties uit.
Customer support classification
Lever de tickettekst, relevante conversatiegeschiedenis en een vooraf gedefinieerde lijst met supportteams. Een keuzevraag kan Billing, Technical Support of Account Access selecteren; een aparte scorevraag kan urgentie beoordelen aan de hand van een geschreven rubric. Applicatiecode kan de voorgestelde wachtrij toewijzen en onzekere of onvolledige cases naar een reviewer sturen.
Evalueer de workflow op tickets die door supportmedewerkers zijn gelabeld, en meet routeringsnauwkeurigheid per categorie, gemiste urgente gevallen, herverdelingspercentages en review-werkbelasting. Vergelijk deze resultaten met het bestaande routeringsproces voordat u de uitrol uitbreidt.
Content moderation and review queues
Lever ingediende tekst of afbeeldingen samen met duidelijk gedefinieerde reviewcategorieën. Predicaatvragen kunnen evalueren of specifieke condities in de content voorkomen, terwijl een scorevraag volgens een gedocumenteerde ernstrubric kan prioriteren. De applicatie kan vervolgens gemarkeerde items in de juiste wachtrij plaatsen en de relevante content aan reviewers presenteren; de endpoint zelf verwijdert geen content en handhaaft geen platformregels.
Evalueer gemiste overtredingen, onnodige flags, reviewerovereenstemming en wachtrijvertragingen op representatieve gelabelde voorbeelden. Pas drempels afzonderlijk aan voor categorieën met verschillende gevolgen.
E-commerce image inspection
Lever productfoto’s en de inspectiecriteria die relevant zijn voor het item, zoals zichtbare scheuren, scheuren in materiaal of beschadigde verpakking. Predicaatvragen kunnen beoordelen of elke conditie voorkomt, en een scorevraag kan een gedefinieerde ernstrubric toepassen wanneer de afbeeldingen voldoende bewijs bevatten. Applicatiecode kan een nieuwe foto aanvragen of een menselijke inspectietaak aanmaken wanneer het bewijs onduidelijk is.
Evalueer detectienauwkeurigheid ten opzichte van geïnspecteerde items, inclusief gemiste schade en vals alarm over productcategorieën en beeldcondities heen. Houd restitutie- of vervangingsbeslissingen in de bestaande goedkeuringsworkflow van de retailer.
AI-agent action gating
Lever de voorgestelde actie, de argumenten, het relevante gebruikersverzoek en de schriftelijke uitvoeringsregels van de applicatie. Predicaatvragen kunnen beoordelen of het voorstel overeenkomt met de gevraagde taak of review vereist. Applicatiecode kan het resultaat gebruiken om een vooraf gedefinieerde tak te kiezen: doorgaan, om verduidelijking vragen of escaleren. Onafhankelijke toestemmingscontroles moeten nog steeds bepalen of uitvoering is toegestaan; het oordeel van het model is slechts één input.
Evalueer de poort met gelabelde actievoorstellen, en meet gemiste niet-toegestane acties, onnodige escalaties en gevoeligheid voor onvolledige of conflicterende context voordat u deze aan uitvoering koppelt.
Document and email triage
Lever de document- of e-mailtekst, relevante metadata en een vaste set categorieën, zoals factuur, supportverzoek, vergaderverzoek of anders. Een keuzevraag kan de categorie selecteren, terwijl predicaatvragen condities zoals ontbrekende verplichte informatie kunnen identificeren. Applicatiecode kan het item naar de juiste extractie-, retrieval- of reviewworkflow sturen zonder de beslissingsendpoint te vragen die latere stappen uit te voeren.
Evalueer categorienauwkeurigheid, onjuiste vervolgroutering, reviewvolume en verwerkingstijd met representatieve gelabelde records, inclusief ambigue items en onbekende formats.
What Are the OpenAI Decisions API’s Limitations?
De API genereert geen willekeurige verklarende content, voert niet direct tools uit en elimineert niet de noodzaak om voorspellingen te testen. Ontbrekende categorieën en slecht geschreven beslissingsrubrics kunnen ongeschikte uitkomsten opleveren. Vertrouwenswaarden kunnen miskalibreerd zijn; automatisering met hoge inzet vereist nog steeds vangrails, menselijke review en autorisatielogica.
Conclusion
De Decisions API is veelbelovend voor begrensde oordelen op grote schaal omdat deze getypeerde waarschijnlijkheidsuitvoer combineert met een vereenvoudigd token-prijsmodel. Teams moeten dit vergelijken met Structured Outputs en alternatieve beslissingsmodellen met dezelfde gelabelde cases, latentiemetingen en volledige workflowkosten. De kernkans is het identificeren van stappen in een AI-applicatie die een keuze nodig hebben in plaats van gegenereerd proza.
FAQs
How should OpenAI Decisions API refusals be handled?
Behandel een weigering als een afzonderlijke workflowuitkomst. Controleer answer.type voordat u choice-, score- of probability-velden leest. Log de vraagnaam en stuur de request naar een review- of herstelpad; interpreteer een weigering nooit als een negatief predicaat of een nulscore.
How can Decisions API thresholds be maintained over time?
Kies drempels op gelabelde hold-outvoorbeelden, en monitor vervolgens de nauwkeurigheid onder geaccepteerde beslissingen en het aandeel dat naar review gaat. Her-evalueer na wijzigingen aan categorieën, instructies, invoerbronnen of modelgedrag. Houd een versiebeheer bij van de rubric zodat wijzigingen in routering herleidbaar zijn tot de configuratie die ze veroorzaakte.
How should OpenAI Decisions API latency tests be reported?
Noteer datum, regio, modelidentifier, aantal vragen, tekstlengte, afbeeldingsgrootte, gelijktijdigheid, clientversie, retrybeleid en configuratie van de vergeleken endpoint. Rapporteer end-to-end p50 en p95 met steekproefaantallen en kwaliteitsresultaten, zodat een snelheidswinst niet enkel wordt bereikt door meer fouten te accepteren.
How should Decisions API categories evolve without breaking integrations?
Gebruik stabiele machineleesbare waarden en onderhoud een expliciete mapping naar vervolgwachtrijen. Voeg een fallback-categorie toe en test historische randgevallen voordat u nieuwe beschrijvingen uitrolt. Als een categorie wordt hernoemd, werk de routeringsmap en de rubric samen bij in plaats van onbekende waarden in productieacties te laten belanden.
What should be logged for a Decisions API routing audit?
Leg de rubric-versie, geselecteerde categorie, relevante waarschijnlijkheden of confidence, drempel, modelidentifier, timestamp en genomen actie vast. Beperk opgeslagen invoercontent tot wat de workflow vereist en pas het retentiebeleid van de organisatie toe. Een auditrecord moet laten zien waarom applicatielogica de case heeft gerouteerd of geëscaleerd.


