La API Decisions de OpenAI ya es una beta pública, y su precio no es lo que supuso la cobertura del lanzamiento.

Ocho días después de que el proveedor mostrara la Decisions API en DevDay, dejó de ser algo a lo que había que ser invitado. El endpoint entró en beta pública el 6 de octubre de 2026, junto con una página de documentación, un enlace al Playground y el primer precio publicado del servicio. Dos detalles de ese lanzamiento importan más que el resto. El primero es que GPT-6 Luna es el único que el endpoint aceptará —así que las capacidades de la API y su techo son, por ahora, lo mismo. El segundo es que la aritmética del día del lanzamiento que casi todo el mundo hizo, incluida la nuestra, estaba equivocada de una manera que vale la pena corregir: la primera ola de cobertura infirió el coste por llamada señalando la tarifa de tokens de Luna, y esa inferencia resulta subestimar el descuento en un factor de cinco.

Nada de lo que sigue es especulación. Todo es legible hoy en la propia documentación para desarrolladores de OpenAI, y ahí está el cambio: el 30 de septiembre no había ninguna página de documentación para este endpoint en ningún lugar de los docs de OpenAI, ni entrada en el registro de cambios, ni tarifa, ni una forma de solicitud declarada. Ahora están las cuatro.

Qué se lanzó, exactamente

La beta es un endpoint dedicado — POST /v1/decisions — y no es un modo de la API Responses, que es aquello con lo que se la compara. Una solicitud incluye tres campos:

• modelo — actualmente gpt-6-luna y nada más
• entrada — la evidencia compartida: una cadena de texto, o mensajes de usuario que contienen texto e imágenes
• preguntas — una o más preguntas, cada una con un tipo, instrucciones y las opciones permitidas

La respuesta es un array de respuestas, una entrada por pregunta, indexado por el nombre que le hayas dado a cada una. Ese es todo el contrato, y la ingeniería interesante está en los tres tipos de preguntas y no en la fontanería.

• predicate — devuelve una probabilidad de 0 a 1 de que se cumpla una condición determinada. «¿Muestra esta foto del producto daños visibles?» El ejemplo de la documentación devuelve 0,92 y te indica que lo compares con un umbral que hayas elegido.
• choice — devuelve un valor de un conjunto que tú proporcionas, además de una distribución de probabilidad entre todas las opciones y un campo confidence aparte. El ejemplo de la documentación dirige una reclamación de facturación a billing con 0,95.
• score — devuelve una media ponderada por probabilidad entre niveles ordenados. Introdúcele tres niveles de gravedad —cosmético, solución alternativa disponible, totalmente bloqueado— y las probabilidades de 0,1, 0,7 y 0,2 se devuelven como una puntuación de 1,1, que se sitúa deliberadamente entre dos niveles en lugar de ajustarse a uno de ellos.

El precio es más bajo que la suposición obvia, y la forma de facturación es diferente.

Esta es la corrección. Cuando la API de Decisions estaba en vista previa limitada, la postura honesta era que no existía ningún precio y que quien citara uno lo estaba infiriendo. La inferencia natural eran las tarifas de tokens de Luna: $0.10 por millón de tokens de entrada y $0.50 por millón de salida. Así no es como factura el endpoint.

La tarifa documentada de /v1/decisions con gpt-6-luna es de $0.10 por millón de tokens de entrada, sin ningún cargo por salida en absoluto, y tampoco ningún cargo por lectura ni escritura de caché. Pagas por la evidencia que envías, no por la respuesta que vuelve. Leído frente a la tarjeta de tarifas del propio modelo —donde la salida cuesta cinco veces el precio de entrada y las lecturas de caché son una décima parte de este—, ese es un perfil de costos sustancialmente distinto, y es mejor para exactamente la carga de trabajo a la que está dirigido el endpoint, donde la entrada es un párrafo o una imagen y la salida es una decisión que vale un solo token.

Sobre esa cifra pesan dos advertencias, y ambas las declara OpenAI en lugar de inferirse: los recargos por procesamiento regional y los multiplicadores de entrada de contexto largo siguen aplicándose, y el valor fijo de $0.10 corresponde específicamente a la tarifa de /v1/decisions — las demás solicitudes que usan gpt-6-luna siguen la tarifa ordinaria del modelo y del nivel de procesamiento.

Si estuvieras dimensionando esto con la tarjeta de tarifas de Luna partiendo de la suposición de que una decisión cuesta una entrada más una salida, vuelve a calcular la cifra. Es aproximadamente una quinta parte de lo que implica ese modelo, antes de considerar el nivel de contexto largo.

La afirmación sobre la latencia, reformulada

La otra cosa que cambió es la formulación de la afirmación central sobre el rendimiento, y el cambio es lo suficientemente sutil como para merecer que se señale, porque desplaza aquello que se está comparando.

El texto de lanzamiento de OpenAI decía que la Decisions API toma decisiones "hasta 10 veces más rápido que GPT-6 Luna a través de la Responses API". La documentación ahora comienza destacando: la API "evalúa texto, imágenes o ambos y devuelve respuestas tipadas aproximadamente 10 veces más rápido que la Responses API".

Esas no son la misma frase. La primera compara un endpoint de decisión restringida con una llamada generativa completa y atribuye la diferencia al endpoint. La segunda compara el endpoint con la Responses API en general. En cualquier caso, la cifra sigue siendo declarada por el proveedor y no reproducida —sin distribución, sin región, sin tamaño de entrada, sin nivel de concurrencia, sin acuerdo de nivel de servicio—, y una única mediana sigue siendo la cifra equivocada sobre la que basar una fecha límite. Si tu decisión se sitúa entre un clic y un pago, mide tus propios p95 y p99 con tus propias imágenes.

Lo que realmente ha mejorado es que ahora la pregunta se puede responder, aunque sea. En la vista previa no podías probar esto sin acceso. En la beta pública, sí puedes.

Dónde se ejecuta, y lo único que hay que tener al lado

Dos notas operativas de la documentación que es fácil pasar por alto al leer rápido. El endpoint admite Zero Data Retention y el uso con HIPAA para clientes elegibles, y la residencia de datos se ofrece en Estados Unidos y Europa; en concreto, el EEE más Suiza. Ambas están condicionadas a la elegibilidad en lugar de ser predeterminadas, así que lee la página de controles de datos antes de asumir que cualquiera de las dos se aplica a tu cuenta.

También hay una guía complementaria para conectar el endpoint a la Live API, de modo que una solicitud de voz pueda convertirse en una acción elegida cuyo resultado se informe luego a quien habla. Ese es el uso de segundo orden más interesante de la primitiva: no «clasifica este ticket», sino «decide qué debe hacer el agente a continuación, en voz alta, en una conversación».

La API es el empaquetado propio de OpenAI y nosotros no la enrutamos; si quieres este endpoint específico, OpenAI es donde está. El modelo subyacente es otro asunto — GPT-6 Luna es una ruta activa en OrcaRouter al precio de lista de OpenAI con cero de margen de beneficio repercutido, y como los límites del propio endpoint pueden moverse durante una beta, la forma sensata de un despliegue en producción es una decisión acotada en la ruta crítica con una alternativa basada en prompts ya en espera activa detrás. Mantener esa alternativa en la misma clave que todo lo demás significa sin un segundo contrato y sin reescribir la ruta de la alternativa cuando una vista previa cambia sus límites.

Qué hacer esta semana, y qué falta todavía

El resumen honesto del estado de las cosas: dos de los cuatro vacíos desde el lanzamiento se han llenado y dos no. El precio está publicado, la forma de la solicitud también, los tres tipos de preguntas están documentados con ejemplos resueltos, y la historia del manejo de datos al menos está enunciada. Lo que sigue ausente es cualquier límite publicado sobre cuántos candidatos puede llevar una sola solicitud, cualquier declaración sobre si puedes ajustar la cosa con tus propios datos y —es una beta de OpenAI— cualquier compromiso de que la tarifa que lees hoy sobreviva hasta la disponibilidad general.

Eso hace que el cálculo sea sencillo en lugar de dramático. Si tu problema es la clasificación o el enrutamiento en grandes volúmenes, donde una rama incorrecta es barata y reversible, la beta pública ahora es realmente construible y el precio solo por entrada hace que la aritmética sea inusualmente indulgente. Si tu decisión autoriza dinero o envía mensajes a un cliente, el endpoint ha dejado de ser incognoscible, pero aún no ha dejado de ser una beta, y la diferencia entre ambas cosas es la diferencia entre un prototipo y una dependencia que soporta carga.