La Decisions API di OpenAI è ora in beta pubblica — e il suo prezzo non è quello che la copertura del lancio aveva ipotizzato

Otto giorni dopo che il fornitore ha mostrato la Decisions API al DevDay, ha smesso di essere qualcosa per cui dovevi essere invitato. L'endpoint è entrato in beta pubblica il 6 ottobre 2026, insieme a una pagina di documentazione, un link al Playground e il primo prezzo pubblicato per il servizio. Due dettagli in quel rilascio contano più del resto. Il primo è che GPT-6 Luna è l'unico modello che l'endpoint accetterà — quindi le capacità dell'API e il suo tetto massimo sono, per ora, la stessa cosa. Il secondo è che l'aritmetica del giorno del lancio che quasi tutti hanno fatto, inclusi noi, era sbagliata in un modo che vale la pena correggere: la prima ondata di copertura ha dedotto il costo per chiamata indicando la tabella delle tariffe per token di Luna, e quella deduzione si rivela sottostimare lo sconto di un fattore cinque.

Niente di quanto segue è speculazione. È tutto leggibile oggi sulla documentazione per sviluppatori di OpenAI stessa, ed è proprio questo il cambiamento: il 30 settembre non c'era alcuna pagina di documentazione per questo endpoint da nessuna parte nella documentazione di OpenAI, nessuna voce di changelog, nessuna tariffa e nessuna forma della richiesta dichiarata. Ora ci sono tutte e quattro.

Cosa è stato rilasciato, esattamente

La beta è un endpoint dedicato — POST /v1/decisions — e non è una modalità della Responses API, che è il termine di paragone. Una richiesta contiene tre campi:

• modello — attualmente gpt-6-luna e nient'altro
• input — l'evidenza condivisa: una stringa di testo, oppure messaggi utente contenenti testo e immagini
• domande — una o più domande, ciascuna con un tipo, istruzioni e eventuali opzioni consentite

La risposta è un answers array, una voce per domanda, con chiave il name che hai dato a ciascuna. Questo è l'intero contratto, e l'ingegneria interessante sta nei tre tipi di domanda piuttosto che nell'infrastruttura di base.

• predicate — restituisce una probabilità da 0 a 1 che una condizione dichiarata sia vera. "Questa foto del prodotto mostra danni visibili?" L'esempio nella documentazione restituisce 0,92 e ti dice di confrontarlo con una soglia che hai scelto.
• choice — restituisce un valore da un insieme che fornisci, più una distribuzione di probabilità su tutte le opzioni e un campo confidence separato. L'esempio della documentazione instrada un reclamo di fatturazione verso billing con 0,95.
• score — restituisce una media ponderata per probabilità su livelli ordinati. Passagli tre livelli di gravità — estetico, soluzione alternativa disponibile, completamente bloccato — e probabilità di 0,1, 0,7 e 0,2 tornano come punteggio di 1,1, che si colloca deliberatamente tra due livelli invece di agganciarsi a uno.

Il prezzo è inferiore a quanto si potrebbe ovviamente supporre, e la struttura di fatturazione è diversa

Ecco la correzione. Quando la Decisions API era in anteprima limitata, la posizione onesta era che non esisteva alcun prezzo e che chiunque ne citasse uno lo stava desumendo. L'inferenza naturale erano le tariffe per token di Luna: 0,10 $ per milione di token in input e 0,50 $ per milione in output. Ma non è così che l'endpoint fattura.

La tariffa documentata per /v1/decisions con gpt-6-luna è di $0,10 per milione di token di input, con nessun addebito per l'output in assoluto, e nessun addebito nemmeno per lettura o scrittura della cache. Paghi per le prove che invii, non per la risposta che ritorna. Confrontato con il listino del modello stesso — dove l'output costa cinque volte il prezzo dell'input e le letture dalla cache un decimo — è un profilo di costo sostanzialmente diverso, e migliore proprio per il carico di lavoro a cui l'endpoint è destinato, dove l'input è un paragrafo o un'immagine e l'output vale un singolo token di decisione.

Su quella cifra si aggiungono due avvertenze, entrambe dichiarate da OpenAI anziché dedotte: continuano ad applicarsi i supplementi per l'elaborazione regionale e i moltiplicatori per gli input a contesto lungo, e il valore fisso di $0,10 è specificamente la tariffa di /v1/decisions — le altre richieste che usano gpt-6-luna seguono la normale tariffazione del modello e del livello di elaborazione.

Se stavi dimensionando questo rispetto al tariffario di Luna, presumendo che una decisione costi un input più un output, rifai il calcolo. È all'incirca un quinto di quanto implica quel modello, prima di considerare la fascia long-context.

L'affermazione sulla latenza, riformulata

L'altra cosa che è cambiata è la formulazione dell'affermazione centrale sulle prestazioni, e il cambiamento è abbastanza sottile da meritare di essere segnalato perché sposta ciò che viene confrontato.

Il testo di lancio di OpenAI diceva che la Decisions API prende decisioni "fino a 10 volte più velocemente di GPT-6 Luna tramite la Responses API". La documentazione ora esordisce con: l'API "valuta testo, immagini o entrambi e restituisce risposte tipizzate circa 10 volte più velocemente rispetto alla Responses API".

Quelle non sono la stessa frase. La prima confronta un endpoint a decisione vincolata con una chiamata generativa completa e attribuisce la differenza all'endpoint. La seconda confronta l'endpoint con l'API Responses in generale. In ogni caso il numero resta dichiarato dal fornitore e non riprodotto — nessuna distribuzione, nessuna regione, nessuna dimensione dell'input, nessun livello di concorrenza, nessun accordo sul livello di servizio — e una singola mediana resta comunque il valore sbagliato su cui costruire una scadenza. Se la tua decisione si colloca tra un clic e un pagamento, misura i tuoi p95 e p99 con le tue immagini.

Quello che è migliorato davvero è che ora è finalmente possibile rispondere alla domanda. Nella preview non potevi testarlo senza accesso. Nella beta pubblica puoi.

Dove viene eseguito, e l'unica cosa da tenere accanto

Due note operative dalla documentazione che è facile trascurare. L'endpoint supporta Zero Data Retention e l'uso HIPAA per i clienti idonei, e la residenza dei dati è offerta negli Stati Uniti e in Europa — in particolare SEE e Svizzera. Non sono impostazioni predefinite ma soggette a requisiti di idoneità, quindi consulta la pagina dei controlli dei dati prima di dare per scontato che l'una o l'altra si applichi al tuo account.

Esiste anche una guida complementare per collegare l'endpoint alla Live API, così che una richiesta vocale possa essere trasformata in un'azione scelta il cui risultato venga poi riportato a voce a chi parla. Questo è l'uso di secondo ordine più interessante della primitiva: non «classifica questo», ma «decidi cosa deve fare l'agente in seguito, ad alta voce, in una conversazione».

L'API è il packaging di OpenAI stesso e non la instradiamo noi; se vuoi questo endpoint specifico, è da OpenAI che risiede. Il modello sottostante è un'altra questione — GPT-6 Luna è una rotta live su OrcaRouter al prezzo di listino di OpenAI con zero markup applicato, e poiché i limiti dell'endpoint stesso possono spostarsi durante una beta, la forma sensata per un rollout in produzione è una decisione vincolata sul percorso critico con un fallback basato su prompt già caldo dietro di essa. Mantenere quel fallback sulla stessa chiave di tutto il resto significa nessun secondo contratto e nessuna riscrittura del percorso di fallback quando un'anteprima cambia i suoi limiti.

Cosa fare questa settimana, e cosa manca ancora

Il riepilogo onesto dello stato delle cose: due delle quattro lacune presenti al lancio sono state colmate e due no. Il prezzo è pubblicato, la struttura della richiesta è pubblicata, i tre tipi di domanda sono documentati con esempi svolti, e la questione della gestione dei dati è almeno enunciata. Ciò che manca ancora è qualsiasi limite pubblicato su quante risposte candidate può contenere una singola richiesta, qualsiasi dichiarazione sul fatto che tu possa mettere a punto il sistema sui tuoi dati etichettati, e — poiché è una beta, per come OpenAI stessa la descrive — qualsiasi impegno che la tariffa che stai leggendo oggi sopravviva fino alla disponibilità generale.

Questo rende il calcolo diretto anziché drammatico. Se il tuo problema è la classificazione o l'instradamento ad alto volume, dove un ramo sbagliato è economico e reversibile, la beta pubblica ora è davvero costruibile e il prezzo solo per input rende l'aritmetica insolitamente indulgente. Se la tua decisione autorizza denaro o invia messaggi a un cliente, l'endpoint ha smesso di essere inconoscibile ma non ha ancora smesso di essere una beta, e la differenza tra queste due cose è la differenza tra un prototipo e una dipendenza portante.