OpenAI Decisions API ile Jev: Fiyatlandırma, Hız & Kullanım

TL;DR

OpenAI Decisions API ve TypeSafe Jev, sıradan üretilmiş düzyazı yerine sınırlandırılmış, olasılıkla desteklenmiş kararlar döndürür. OpenAI, GPT-6 Luna’yı özel bir uç nokta üzerinden kullanır; TypeSafe Jev ise uzmanlaşmış bir System One modelidir. Jev, yayımlanan giriş belirteci ücretlerinde daha ucuzdur (milyon başına $0.042’a karşı $0.10), OpenAI ise yerel görsel desteğine sahiptir. Burada incelenen satıcı rakamları, bire bir doğruluk veya hız açısından bir kazanan ortaya koymamaktadır.

Öne Çıkanlar

• Fiyatlandırma: Jev, yayımlanan taban oranlarda giriş belirteci başına %58 daha ucuz.
• Mimari: OpenAI Decisions API, GPT-6 Luna kullanır; Jev, karar işlemesi için amaç odaklıdır.
• Modalite: OpenAI metin ve görselleri destekler; Jev metin ve yapılandırılmış girdiye odaklanır.
• Kıyaslamalar: Satıcı hız iddiaları farklı kıyaslar kullanır; aynı etiketli veri kümesinde karşılaştırın.
• Seçim: Uygulamanıza göre, çok modlu destek ve OpenAI entegrasyonunu ya da yalnızca metin işleme verimini ve maliyeti önceliklendirin.

Kısa Bakış: OpenAI Decisions API vs Jev

Aşağıdaki genel bakış, 12 Ekim 2026 tarihinde kontrol edilen belgelendirilmiş karar uç noktalarını ve yayımlanan taban oranları karşılaştırır. Model erişimi, limitler ve hizmet koşulları dağıtım hesabı için doğrulanmalıdır.

Birçok yapay zekâ iş akışı bir paragraf değil, bir kategori, olasılık veya puan gerektirir. Bir destek talebinin yönlendirilmesi gerekir; bir aracının onaylı bir eylemi seçmesi gerekir; bir inceleme kuyruğu belirsiz girdileri tespit etmelidir. Her iki ürün de bu tür kararları birinci sınıf API çıktıları hâline getirir.

OpenAI, Decisions API’yi 6 Ekim 2026’da betada yayımladı. GPT-6 Luna uç noktası metin ve görselleri kabul eder. Jev, TypeSafe AI’nin üretici olmayan değerlendirme için uzmanlaşmış System One modelidir ve eğitimi Kalibre Edilmiş Kararlar için Pekiştirmeli Öğrenme (RLCD) olarak tanımlanır.

Tablodaki soru türleri üç ortak görevi kapsar. OpenAI’nin predicate’i ve Jev’in noul’ü, iade niyeti veya uygunluk gibi bir koşulun doğru olup olmadığını tahmin eder. Choice, yönlendirme için Faturalama (Billing), Teknik (Technical) ve Gönderim (Shipping) gibi önceden tanımlı kategorilerden seçim yapar. Score, aciliyet veya öncelik gibi bir girdiyi bir rubriğe ya da seviyelere göre değerlendirir. Bu açıklamalar iki ürün genel bakışını birleştirir; istek şemaları ve olasılık semantiği hâlâ sağlayıcıya özgü işlem gerektirir.

OpenAI Decisions API ve Jev nedir?

OpenAI Decisions API ve TypeSafe Jev, girdileri açık uçlu metin yerine yapılandırılmış, sınırlandırılmış çıktılara dönüştürmek üzere tasarlanmış karar odaklı yapay zekâ servisleridir. Açıklamalar veya sohbet yanıtları üreten geleneksel büyük dil modellerinin aksine bu API’ler, önceden tanımlı soruları değerlendirir ve kararlar, olasılıklar veya puanlar döndürür. Bu da müşteri isteği yönlendirme, içerik sınıflandırma, risk değerlendirmesi ve yapay zekâ aracının araç seçimi gibi, öngörülebilir çıktılar ve verimli işlem gerektiren otomatik iş akışlarında özellikle kullanışlıdır.

OpenAI Decisions API, GPT-6 Luna tarafından desteklenir ve /v1/decisions uç noktası üzerinden çalışır. Hem metin hem görsel girdileri destekler ve üç karar türüne sahiptir: predicate, choice ve score. Başlıca avantajı, genel amaçlı bir yapay zekâ modelinin bağlamsal anlayışını özel bir karar arayüzüyle birleştirerek çok modlu sınıflandırma ve OpenAI ekosistemine zaten entegre uygulamalar için uygun olmasıdır.

TypeSafe Jev ise, /v1/systemone uç noktasıyla erişilen uzmanlaşmış bir karar modelidir. Üç soru türünü kullanarak metin tabanlı değerlendirmeye odaklanır: noul, choice ve score. Jev, verimli çıkarım, yapılandırılmış tahminler ve olasılık kalibrasyonunu vurgular; bu da yüksek hacimli sınıflandırma ve otomatik karar hatları için cazip kılar. Her iki hizmet benzer sorunları ele alsa da mimari, girdi yetenekleri, fiyatlandırma ve API tasarımındaki farklılıklar belirli bir uygulama için hangisinin daha uygun olduğunu önemli ölçüde etkileyebilir.

Model Yaklaşımı, Girdi Limitleri ve Kapsam

Karşılaştırma, belgelendirilmiş API davranışı ve ürün konumlandırmasıyla ilgilidir. OpenAI, GPT-6 Luna’yı bir karar uç noktasıyla sunarken TypeSafe, Jev’i uzmanlaşmış bir System One modeli olarak konumlandırır. Bu açıklamalar tek başına bir doğruluk üstünlüğü ortaya koymaz ya da tüm uygulama ayrıntılarını açığa çıkarmaz.

Jev, tüm istek boyunca 64K belirtece ve state ile en uzun soru için ayrı bir 32K sınırına izin verir. Soru yönergelerini ve kriterlerini, paylaşılan girdinin yanı sıra sayın. Bağlantılı OpenAI Decisions kılavuzu bu uç nokta için ayrı bir sayısal bağlam sınırı belirtmez; genel bir model bağlam penceresi rakamının olduğu gibi uygulanacağını varsaymak yerine geçerli limitleri doğrulayın.

Yaratıcı akıl yürütme ve kodlama kıyasları bu sınırlandırılmış karar uç noktalarının kapsamı dışındadır. Açıklama üretimi veya kod üretimi için uygun bir üretken uç noktayı ayrı değerlendirin. Altta yatan genel amaçlı model için elde edilen sonuçlar, Decisions uç noktası performansını ortaya koymaz.

Doğruluk ve Gecikme

Atıf yapılan satıcı materyalleri, doğruluk veya gecikme açısından bir kazananı ortaya koyan eşleşmiş bir bire bir testi sağlamaz. OpenAI’nin yaklaşık 10× hız beyanı, Decisions ile Responses API’yi karşılaştırır. TypeSafe, uçtan uca 70–500 ms gecikme bildirir ve yayımlanan değerlendirmelerinin genellikle Amerika Birleşik Devletleri’nin batısında bir dizüstü bilgisayardan çalıştırıldığını belirtir.

Olasılık Kalibrasyonu ve İnceleme Eşikleri

Bir model doğru olabilir ama zayıf kalibre edilmiş olabilir. Seçilen sınıf için 0.90 olasılığı atanan tahminler arasında, değerlendirme dağılımında bu olasılık kalibre edilmişse yaklaşık %90’ının doğru olması beklenir. Bu olasılık yerine, adı confidence olan bir API alanını tanımını kontrol etmeden ikame etmeyin. Jev, Choice confidence alanını olasılık dağılımından türetir: confidence = (p_max − 1/n) / (1 − 1/n), burada n, seçeneklerin sayısıdır. Noul sonucunun ayrı bir confidence alanı yoktur. Uygun olasılıklardan ECE ve Brier skorunu, hassasiyet, geri çağırım ve makro F1 ile birlikte ölçün; inceleme eşiklerini etiketli örneklerden seçin.

Fiyatlandırma ve Kabul Edilen Karar Başına Maliyet

OpenAI, /v1/decisions için milyon başına 0.10 $ giriş belirteci listeler; Jev, milyon başına 0.042 $ giriş belirteci listeler. Her ikisi de bu karar servisleri için çıktı belirteci ücreti listelemez. Bu taban oranlarda, Jev giriş belirteci başına %58 daha ucuzdur. OpenAI’nin bölgesel işlem primleri ve uzun bağlam çarpanları uygulanabilir; yeniden denemeler, ön işleme ve inceleme, iş akışı maliyetlerine eklenebilir.

Her isteğin her iki hizmette de 500 faturalandırılabilir giriş belirteci kullandığını varsayın. Bunlar satıcı faturası değildir, örnek hesaplamalardır.

Kabul edilen doğru karar başına maliyet = (API harcaması + yeniden deneme harcaması + insan inceleme harcaması) / kabul edilen doğru karar sayısı. Düşük belirteç başına oran, daha yüksek yanlış yönlendirme veya tırmandırma oranıyla dengelenebilir.

Geleneksel bir GPT-6 Luna iş akışı için, CometAPI model fiyatlandırma tablosu, 12 Ekim 2026’da kontrol edilen, milyon belirteç başına aşağıdaki USD oranlarını listeler. Bunlar model uç noktası oranlarıdır; bağlantılı sayfa bir Responses API örneği gösterir ve yerel /v1/decisions desteğini veya fiyatlandırmasını ortaya koymaz.

CometAPI’nin sıradan GPT-6 Luna çıktı belirteçleri ücretlendirilir. Bu tahmini, çıktı belirteci ücreti sıfır olan yukarıdaki iki karar servisinden ayrı tutun. Örneğin, 500 giriş belirteci artı 20 çıkış belirteci, kısa bağlam kademesinde istek başına $0.000048 veya diğer ücretler öncesi milyon istek başına $48 tutar. Bütçelemeden önce canlı model kataloğunda geçerli kademeyi ve hesap oranını doğrulayın.

Aracı İş Akışları ve Modalite Tavizleri

Her ikisi de bir araç çağrısını yönlendirebilir, bir koruma koşulunun karşılanıp karşılanmadığını değerlendirebilir veya bir eylemi puanlayabilir. Hiçbiri yetkilendirme, girdi doğrulama veya açık araç izinlerinin yerini tutmaz. Görsel otomasyon için, OpenAI’nin yerel görsel desteği hattı basitleştirir; yalnızca metin yönlendirmesinde Jev’in daha düşük taban maliyeti cazip olabilir.

Çıkış işleme, yanıt sınırında farklılık gösterir. OpenAI, soruları tanımlayan isimlerle answers dizisi döndürür; Jev, question ID ile anahtarlanmış answers nesnesi döndürür. Ortak iş kurallarını uygulamadan önce bu yapıları normalize edin. Jev, confidence değerini olasılık dağılımından türetir; aynı adlı alanların sağlayıcılar arasında eşdeğer anlamlara sahip olduğunu varsaymayın. Etiketleri doğrulayın ve inceleme eşiklerini uygulama verilerinde kalibre edin.

Kaynak: System One Modelleri ve Jev’in Tanıtımı; orijinal görsel. Bu, OpenAI Decisions API’ye karşı eşleşmiş bir kıyas değil, iş akışı bileşimini göstermektedir.

API Kullanımı Nasıl Farklılık Gösterir: OpenAI Decisions API vs Jev

Erişim her sağlayıcı için ayrı yapılandırılmalıdır: aşağıdaki her örnek kendi ana bilgisayarını ve API anahtarını kullanır. OpenAI, Decisions’ı genel beta bir uç nokta olarak belgelendirir. Jev için, dağıtımdan önce TypeSafe ile mevcut erişimi ve kimlik bilgilerini doğrulayın. Her iki hizmet için de, hesap izinlerini, bölgesel kullanılabilirliği, kotaları ve hizmet şartlarını doğrulayın; bir örnek istek, üretim erişimini garanti etmez. Üçüncü taraf bir üretken modele erişim, tek başına yerel karar uç noktası desteğini teyit etmez.

OpenAI Decisions API nasıl kullanılır

Kavramlar örtüşür, ancak istek şemaları farklıdır. OpenAI, girdi ve isimlendirilmiş sorulardan oluşan bir dizi gönderir; Jev, state ve question ID ile anahtarlanmış questions nesnesini kullanır. Ortak bir karar politikasını uygulamadan önce sağlayıcıya özel bir adaptör uygulayın.

OpenAI Decisions API ile bir destek talebini yönlendirin.

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 team should handle this?",
      "choices": [
        {"value":"billing","description":"Charges and refunds"},
        {"value":"technical","description":"Product errors"},
        {"value":"other","description":"Other requests"}
      ]
    }]
  }'

Jev API nasıl kullanılır

Aşağıdaki cURL isteği, bir destek talebini sınıflandırmak için Jev’in System One uç noktasını kullanır. Ortamınızda TYPESAFE_API_KEY’i ayarlayın, talebi state içine yerleştirin ve questions nesnesi içinde department’ı tanımlayın. criteria haritası izin verilen yönlendirme etiketlerini ve açıklamalarını listeler. İstek başarıyla tamamlandıktan sonra answers içindeki department girişini okuyun ve talebi yönlendirmeden önce seçilen etiketi doğrulayın. Model tanımlayıcısının hesabınızda mevcut olduğunu doğrulayın.

TypeSafe Jev ile bir destek talebini yönlendirin.

curl https://api.typesafe.ai/v1/systemone \
  -H "Authorization: Bearer $TYPESAFE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "jev-1.13.0",
    "state": "I was charged twice for my order.",
    "questions": {
      "department": {
        "type": "choice",
        "instructions": "Which team should handle this?",
        "criteria": {
          "billing":"Charges and refunds",
          "technical":"Product errors",
          "other":"Other requests"
        }
      }
    }
  }'

Seçilen Sınıf Olasılıkları İçin Paylaşılan İnceleme Politikası

Seçilen sınıf olasılığına açıkça kalibre edilmiş bir eşik uygulayın.

from dataclasses import dataclass
from math import isfinite

@dataclass
class NormalizedDecision:
    label: str | None
    selected_probability: float | None
    provider: str
    needs_review: bool

def apply_review_policy(label, selected_probability, provider, threshold):
    if not isfinite(threshold) or not 0.0 <= threshold <= 1.0:
        raise ValueError("threshold must be between 0 and 1")
    valid_probability = (
        selected_probability is not None
        and isfinite(selected_probability)
        and 0.0 <= selected_probability <= 1.0
    )
    return NormalizedDecision(
        label=label,
        selected_probability=selected_probability,
        provider=provider,
        needs_review=(
            not label
            or not valid_probability
            or selected_probability < threshold
        ),
    )

Bu Python 3.10+ örneği bir uygulama politika katmanıdır, bir API yanıtı ayrıştırıcısı değildir. Her sağlayıcı adaptörü, yanıtı doğrulamalı ve seçilen sınıf olasılığını çıkarmalıdır. Jev’in ham confidence alanını selected_probability olarak göndermeyin. Sağlayıcı, soru ve değerlendirme veri kümesi için kalibre edilmiş bir eşik sağlayın; politikayı çağırmadan önce retleri ve taşıma hatalarını ele alın.

OpenAI Decisions API vs Jev: Nasıl seçilmeli

İki aşamada seçin. Önce dağıtım gereksinimlerine göre ön eleme yapın: görsel girdi, hesap erişimi, girdi limitleri ve entegrasyon eforu. Ardından, uygun hizmetleri aynı etiketli iş yükünde kıyaslayın. Yalnızca metin yönlendirmesinde, Jev’in daha düşük yayımlanan giriş fiyatının toplam maliyeti düşürüp düşürmediğini test edin; görsele dayalı kararlarda, OpenAI’nin yerel görsel yolunu değerlendirin. Anlaşılmış bir kalite hedefinde yanlış yönlendirmeler, kalibrasyon, kuyruk gecikmesi, yeniden denemeler ve insan incelemesini karşılaştırın. Aşağıdaki tablo bir başlangıç kısa listesi olup genel bir performans galibini kanıtlamaz.

Destek yönlendirme ve metin sınıflandırma gibi yüksek hacimli iş otomasyonlarında, girdi maliyeti ve işleme verimi kritikse Jev’i önceliklendirmeye değerdir. Ekran görüntüsü inceleme, görsel moderasyon ve görsel tabanlı kararlar dâhil çok modlu uygulamalarda, yerel görsel desteği nedeniyle OpenAI Decisions API daha pratiktir. Yapay zekâ ajanları ve kurumsal iş akışlarında seçim, mevcut altyapıya, entegrasyon karmaşıklığına ve yanlış kararların sonuçlarına bağlıdır. OpenAI, ekosistemini zaten kullanan ekipler için daha sorunsuz bir yol sunabilirken, Jev büyük ölçekli, metin ağırlıklı iş yükleri için dikkate değerdir. Tüm senaryolarda nihai karar, sadece manşet fiyatlandırmaya değil, aynı uygulama verilerinde ölçülen doğruluk, olasılık kalibrasyonu, gecikme ve toplam işletme maliyetine dayanmalıdır.

OpenAI Decisions API, Jev’e Karşı Nasıl Kıyaslanmalı?

Her iki hizmeti de aynı etiketli gerçek dünya girdilerinde, eşleşmiş soru tanımları ve istemci bölgeleriyle çalıştırın. Doğruluk, makro F1, ECE, Brier skoru, p50/p95/p99 gecikme, zaman aşımı, ret, inceleme oranı ve kabul edilen doğru karar başına dolar maliyetini izleyin.

Önerilen prosedür: Temsil edici bir etiketli küme oluşturun; belirsiz ve dağıtım dışı vakaları dâhil edin; anlamsal olarak aynı görevleri gönderin; varyansı ölçmek için yeterince tekrar edin; her sistemin eşiklerini bağımsız olarak kalibre edin; ve tırmandırma ile yeniden denemeler dâhil uçtan uca maliyeti karşılaştırın.

Sonuç

Karar, görsel kanıtlara bağlıysa veya mevcut bir OpenAI entegrasyonu dağıtım işini azaltıyorsa OpenAI Decisions API’yi seçin. Yalnızca metin karar iş yüklerinde, yayımlanan giriş belirteci oranı daha düşük olduğu için Jev’i değerlendirin. Seçmeden önce aynı uygulama verilerinde etiket kalitesini, kalibrasyonu, kuyruğun kuyruk gecikmesini ve inceleme iş yükünü ölçün.

Jev’in yayımlanan taban giriş belirteci fiyatı daha düşüktür; OpenAI Decisions API yerel görsel girdiye sahiptir. Atıf yapılan satıcı rakamları, genel doğruluk veya hız açısından bir kazanan ortaya koymamaktadır. En iyi seçim, tüm iş akışında kabul edilen kararların maliyet ve kalitesine bağlıdır.

Geliştiriciler, daha geniş bir çok modelli iş akışında hafif sınıflandırma prototiplemek için CometAPI’deki GPT-6 Luna API’sini kullanabilir. Bağlantılı model sayfası bir Responses API örneği sağlar. Bu üretken uç noktaya erişim, özel /v1/decisions uç noktası desteğini ortaya koymaz. Bu, geleneksel bir metin üretim prototipidir. Yerel Decisions yanıt şemasını veya kalibre edilmiş sınıf olasılık dağılımını döndürmez. Döndürülen etiketi izin verilen kategorilere karşı doğrulayın ve aşağı akış eylemlerine bağlamadan önce API hatalarını ele alın. Bu uç nokta gerekiyorsa yerel /v1/decisions desteğini ayrıca teyit edin.