Decisions API od OpenAI jest już w publicznej becie — a jego cena nie jest taka, jak przewidywały relacje z premiery

Osiem dni po tym, jak dostawca pokazał Decisions API na DevDay, przestało być czymś, na co trzeba było mieć zaproszenie. Endpoint trafił do publicznej bety 6 października 2026 r., wraz ze stroną dokumentacji, linkiem do Playground i pierwszą opublikowaną ceną tej usługi. Dwa szczegóły w tym wydaniu mają większe znaczenie niż pozostałe. Pierwszy z nich jest taki, że GPT-6 Luna jest jedynym modelem, jaki przyjmie endpoint — więc możliwości API i jego pułap są na razie tym samym. Drugi z nich jest taki, że arytmetyka dnia premiery, którą wykonali niemal wszyscy, w tym my, była błędna w sposób wart skorygowania: w pierwszej fali relacji koszt za wywołanie wywnioskowano, wskazując na cennik tokenów Luna, a to wnioskowanie okazuje się zaniżać rabat pięciokrotnie.

Nic z tego, co następuje, nie jest spekulacją. Wszystko to można dziś przeczytać w dokumentacji dla programistów samego OpenAI — i to jest właśnie ta zmiana: 30 września nigdzie w dokumentacji OpenAI nie było strony dokumentacji dla tego endpointu, żadnego wpisu w changelogu, żadnej stawki ani określonego kształtu żądania. Teraz są wszystkie cztery.

Co zostało wydane, dokładnie

Wersja beta to dedykowany punkt końcowy — POST /v1/decisions — i nie jest trybem w Responses API, z którym jest porównywana. Żądanie zawiera trzy pola:

• model — obecnie gpt-6-luna i nic więcej
• dane wejściowe — wspólne dane: ciąg tekstowy lub wiadomości użytkownika zawierające tekst i obrazy
• pytania — jedno lub więcej pytań, każde z typem, instrukcjami i wszelkimi dozwolonymi opcjami

Odpowiedź to odpowiedziowa tablica, po jednym wpisie na pytanie, z kluczami według dowolnej nazwy, którą im nadałeś. To cały kontrakt, a ciekawa inżynieria tkwi w trzech typach pytań, a nie w infrastrukturze.

• predicate — zwraca probability od 0 do 1, że podany warunek jest spełniony. „Czy to zdjęcie produktu pokazuje widoczne uszkodzenie?” Przykład z dokumentacji zwraca 0,92 i zaleca porównanie go z wybranym przez siebie progiem.
• choice — zwraca jedną wartość ze zbioru, który podasz, plus rozkład prawdopodobieństwa dla wszystkich opcji oraz osobne pole confidence. Przykład z dokumentacji kieruje skargę dotyczącą rozliczeń do billing na poziomie 0,95.
• score — zwraca średnią ważoną prawdopodobieństwem dla uporządkowanych poziomów. Podaj mu trzy poziomy dotkliwości — kosmetyczny, z dostępnym obejściem, całkowicie zablokowany — a prawdopodobieństwa 0,1, 0,7 i 0,2 wrócą jako wynik 1,1, który celowo plasuje się między dwoma poziomami, zamiast przyporządkowywać się do jednego z nich.

Cena jest niższa, niż podpowiada oczywiste przypuszczenie, a model rozliczeń jest inny.

Oto sprostowanie. Gdy Decisions API było w fazie ograniczonych podglądów, uczciwym stanowiskiem było to, że żadna cena nie istnieje i że każdy, kto ją podawał, tylko ją wnioskował. Naturalnym wnioskiem były stawki za tokeny Luna: $0.10 za milion tokenów wejściowych i $0.50 za milion tokenów wyjściowych. To nie jest sposób, w jaki endpoint nalicza opłaty.

Udokumentowana stawka dla /v1/decisions z gpt-6-luna wynosi 0,10 USD za milion tokenów wejściowych, przy całkowitym braku opłaty za wyjście, a także bez opłat za odczyt lub zapis pamięci podręcznej. Płacisz za dowody, które wysyłasz, a nie za odpowiedź, która wraca. W zestawieniu z własną kartą stawek modelu — gdzie wyjście kosztuje pięć razy więcej niż wejście, a odczyt z pamięci podręcznej to jedna dziesiąta tej kwoty — jest to znacząco odmienny profil kosztów, i to lepszy dokładnie dla tego obciążenia, na które nastawiony jest ten endpoint, gdzie wejściem jest akapit lub obraz, a wyjściem decyzja warta jednego tokena.

Z tą liczbą wiążą się dwa zastrzeżenia i oba są podane przez OpenAI, a nie wywnioskowane: regionalne dopłaty za przetwarzanie i mnożniki danych wejściowych dla długiego kontekstu nadal obowiązują, a statyczna stawka 0,10 USD to konkretnie stawka za /v1/decisions — inne żądania korzystające z gpt-6-luna podlegają zwykłemu cennikowi modelu i poziomu przetwarzania.

Jeśli szacujesz to w oparciu o cennik Luna, przy założeniu, że decyzja kosztuje jedno wejście plus jedno wyjście, przelicz to jeszcze raz. To około jednej piątej tego, co sugeruje ten model — i to przed uwzględnieniem progu długiego kontekstu.

Twierdzenie o opóźnieniu, przeformułowane

Inną rzeczą, która się zmieniła, jest sformułowanie głównego twierdzenia o wydajności, a zmiana ta jest na tyle subtelna, że warto ją odnotować, ponieważ zmienia to, co jest przedmiotem porównania.

W materiałach premierowych OpenAI napisano, że Decisions API podejmuje decyzje „nawet 10 razy szybciej niż GPT-6 Luna przez Responses API”. Dokumentacja zaczyna się teraz od zdania: API „ocenia tekst, obrazy lub jedno i drugie i zwraca typowane odpowiedzi około 10 razy szybciej niż Responses API”.

To nie są te same zdania. Pierwsze porównuje punkt końcowy podejmowania ograniczonych decyzji z pełnym wywołaniem generatywnym i przypisuje różnicę temu punktowi końcowemu. Drugie porównuje ten punkt końcowy ogólnie z Responses API. Tak czy inaczej liczba pozostaje podana przez dostawcę i nieodtworzona — brak rozkładu, brak regionu, brak rozmiaru danych wejściowych, brak poziomu współbieżności, brak umowy o poziomie usług — a pojedyncza mediana to wciąż niewłaściwa wartość, na której opierać termin. Jeśli Twoja decyzja znajduje się między kliknięciem a płatnością, zmierz własne p95 i p99 na własnych obrazach.

To, co naprawdę się poprawiło, to fakt, że na to pytanie można teraz w ogóle odpowiedzieć. W wersji zapoznawczej nie można było tego przetestować bez dostępu. W publicznej becie można.

Gdzie to działa i jedna rzecz, którą warto trzymać obok

Dwie uwagi operacyjne z dokumentacji, które łatwo przeoczyć przy pobieżnym czytaniu. Endpoint obsługuje Zero Data Retention i zastosowania HIPAA dla uprawnionych klientów, a rezydencja danych jest oferowana w Stanach Zjednoczonych i Europie — konkretnie w EOG oraz Szwajcarii. Są one uzależnione od spełnienia warunków uprawnienia, a nie domyślne, więc przeczytaj stronę dotyczącą kontroli danych, zanim założysz, że którakolwiek z nich dotyczy Twojego konta.

Istnieje również przewodnik towarzyszący dotyczący podłączania punktu końcowego do Live API, dzięki czemu żądanie głosowe można przekształcić w wybraną akcję, której wynik jest następnie przekazywany z powrotem do osoby mówiącej. To najbardziej interesujące użycie tego prymitywu drugiego rzędu: nie „sklasyfikuj to zgłoszenie”, lecz „zdecyduj, co agent powinien zrobić dalej, na głos, w rozmowie”.

To API to własne opakowanie OpenAI i nie kierujemy do niego ruchu; jeśli chcesz ten konkretny endpoint, to OpenAI jest tym, który go udostępnia. Model leżący u podstaw to inna sprawa — GPT-6 Luna to aktywna trasa w OrcaRouter w cenie katalogowej OpenAI z zerową marżą przekazywaną dalej, a ponieważ limity samego endpointu mogą się zmieniać w trakcie bety, rozsądnym kształtem wdrożenia produkcyjnego jest ograniczona decyzja na ścieżce krytycznej z fallbackiem opartym na promptach, już rozgrzanym za nią. Utrzymanie tego fallbacku na tym samym kluczu co wszystko inne oznacza brak drugiej umowy i brak konieczności przepisywania ścieżki fallbacku, gdy wersja podglądowa zmieni swoje limity.

Co zrobić w tym tygodniu i czego jeszcze brakuje

Uczciwe podsumowanie stanu rzeczy: dwie z czterech luk z premierowej wersji zostały wypełnione, a dwie nie. Cena jest opublikowana, struktura żądania jest opublikowana, trzy typy pytań są udokumentowane wraz z rozwiązanych przykładami, a kwestia obsługi danych jest przynajmniej przedstawiona. Wciąż brakuje jakiegokolwiek opublikowanego limitu liczby odpowiedzi kandydujących, jakie może zawierać pojedyncze żądanie, jakiegokolwiek stwierdzenia, czy można to dostroić na własnych oznaczonych danych, oraz — ponieważ według samego OpenAI to beta — jakiegokolwiek zobowiązania, że stawka, którą dziś czytasz, przetrwa do ogólnej dostępności.

To sprawia, że kalkulacja jest prosta, a nie dramatyczna. Jeśli twoim problemem jest klasyfikacja lub routing na dużą skalę, gdzie błędna gałąź jest tania i odwracalna, publiczna beta naprawdę nadaje się już do budowania, a cennik wyłącznie za dane wejściowe sprawia, że arytmetyka jest wyjątkowo łaskawa. Jeśli twoja decyzja autoryzuje przepływ pieniędzy albo wysłanie wiadomości do klienta, punkt końcowy przestał być niewiadomą, ale jeszcze nie przestał być betą, a różnica między tymi dwiema rzeczami to różnica między prototypem a zależnością nośną.