Decisions API от OpenAI теперь в публичной бете — и его цена не такая, как предполагалось в публикациях о запуске.

Через восемь дней после того, как вендор представил Decisions API на DevDay, он перестал быть чем-то, для доступа к чему требовалось приглашение. 6 октября 2026 года эндпоинт вышел в публичную бету вместе со страницей документации, ссылкой на Playground и первой опубликованной ценой за сервис. Две детали в этом релизе важнее остальных. Первая — GPT-6 Luna — единственная модель, которую будет принимать эндпоинт, — так что возможности API и его потолок пока что одно и то же. Вторая — арифметика дня запуска, которую проделали почти все, включая нас, была неверной, причём так, что это стоит исправить: первая волна публикаций вывела стоимость за вызов, опираясь на тарифную карту токенов Luna, и, как выясняется, эта оценка занижает скидку в пять раз.

Ничто из нижеследующего не является домыслами. Всё это сегодня можно прочитать в собственной документации OpenAI для разработчиков, и в этом-то и состоит перемена: 30 сентября страницы документации для этой конечной точки не было нигде в документации OpenAI, не было записи в журнале изменений, не было тарифа и не была указана форма запроса. Теперь есть всё четыре.

Что именно было выпущено?

Бета-версия — это выделенный эндпоинт — POST /v1/decisions — и это не режим в Responses API, с которым его сравнивают. Запрос содержит три поля:

• модель — в настоящее время gpt-6-luna и ничего больше
• входные данные — общие свидетельства: текстовая строка или сообщения пользователя, содержащие текст и изображения
• вопросы — один или несколько вопросов, каждый с типом, инструкциями и любыми разрешёнными вариантами

Ответ — это answers — массив: по одной записи на каждый вопрос, с ключом, равным тому name, которое вы задали для каждого из них. Это и есть весь контракт, а вся интересная инженерия — в трёх типах вопросов, а не в инфраструктуре.

• predicate — возвращает вероятность от 0 до 1 того, что заданное условие выполняется. «На этой фотографии товара видны повреждения?» Пример в документации возвращает 0.92 и предлагает сравнить это с выбранным вами порогом.
• choice — возвращает одно значение из заданного вами набора, а также распределение вероятностей по всем вариантам и отдельное поле confidence. В примере из документации жалоба на выставление счёта относится к billing с вероятностью 0.95.
• score — возвращает средневзвешенное по вероятностям значение по упорядоченным уровням. Передайте ему три уровня серьёзности — косметический, есть обходной путь, полностью заблокировано — и вероятности 0.1, 0.7 и 0.2 вернутся в виде оценки 1.1, которая намеренно находится между двумя уровнями, а не привязывается к одному из них.

Цена ниже, чем очевидное предположение, и форма выставления счетов иная

Вот исправление. Когда Decisions API находился в ограниченном предварительном просмотре, честная позиция заключалась в том, что никакой цены не существовало и что любой, кто её называл, лишь делал собственный вывод. Естественным выводом были тарифы Luna на токены: 0,10 доллара за миллион входных токенов и 0,50 доллара за миллион выходных. Но эндпоинт выставляет счёт не так.

Задокументированная ставка для /v1/decisions с gpt-6-luna составляет $0,10 за миллион входных токенов, при этом плата за вывод вообще не взимается, как и плата за чтение из кэша или запись в кэш. Вы платите за доказательства, которые отправляете, а не за ответ, который приходит обратно. Если сравнить с собственной тарифной картой модели — где вывод стоит в пять раз дороже ввода, а чтение из кэша — десятую часть цены ввода, — это существенно иной профиль затрат, и он лучше именно для той рабочей нагрузки, на которую рассчитан этот эндпоинт, где вход — это абзац или изображение, а вывод — решение размером в один токен.

На этой цифре есть две оговорки, и обе они заявлены OpenAI, а не подразумеваются: региональные надбавки за обработку и множители для длинного контекста по-прежнему применяются, а фиксированная сумма $0.10 относится именно к /v1/decisions — это ставка; другие запросы с использованием gpt-6-luna тарифицируются по обычным ценам модели и уровня обработки.

Если вы оценивали это по тарифной сетке Luna, исходя из предположения, что решение стоит одного входного плюс одного выходного, пересчитайте цифру. Она составляет примерно пятую часть того, что подразумевает эта модель, ещё до учёта уровня длинного контекста.

Утверждение о задержке, переформулированное

Другое, что изменилось, — это формулировка центрального утверждения о производительности, и это изменение достаточно тонкое, чтобы его стоило отметить, поскольку оно смещает то, что сравнивается.

В тексте анонса запуска OpenAI говорилось, что Decisions API принимает решения «до 10 раз быстрее, чем GPT-6 Luna через Responses API». Теперь в документации на первом месте: API «анализирует текст, изображения или и то и другое и возвращает типизированные ответы примерно в 10 раз быстрее, чем Responses API».

Это не одно и то же утверждение. В первом случае конечная точка с ограниченным набором решений сравнивается с полноценным генеративным вызовом, а разницу приписывают конечной точке. Во втором случае конечная точка сравнивается с Responses API в целом. Так или иначе, цифра остаётся заявленной поставщиком и невоспроизведённой — ни распределения, ни региона, ни размера входных данных, ни уровня параллелизма, ни соглашения об уровне обслуживания, — и одно медианное значение всё равно не годится как основа для установления дедлайна. Если ваше решение находится между кликом и платежом, измеряйте собственные p95 и p99 на собственных изображениях.

Что действительно улучшилось, так это то, что на этот вопрос теперь вообще можно ответить. В предварительной версии вы не могли проверить это без доступа. В публичной бете — можете.

Где это работает и единственная вещь, которую нужно держать рядом с этим

Две операционные заметки из документации, которые легко пропустить при беглом просмотре. Конечная точка поддерживает Zero Data Retention и использование HIPAA для подходящих клиентов, а размещение данных предлагается в США и Европе — конкретно в ЕЭЗ плюс Швейцария. Они зависят от соответствия критериям, а не действуют по умолчанию, поэтому прочитайте страницу управления данными, прежде чем предполагать, что то или иное применимо к вашей учётной записи.

Есть также сопутствующее руководство по подключению эндпоинта к Live API, благодаря которому голосовой запрос можно превратить в выбранное действие, результат которого затем сообщается обратно говорящему. Это наиболее интересное использование примитива второго порядка: не «классифицируй этот тикет», а «реши, что агент должен делать дальше, вслух, в разговоре».

Этот API — собственная упаковка OpenAI, и мы его не маршрутизируем; если вам нужна именно эта конечная точка, она находится у OpenAI. А вот модель под ней — совсем другое дело: GPT-6 Luna — это живой маршрут на OrcaRouter по прейскурантной цене OpenAI с нулевой наценкой, переданной без изменений, и поскольку собственные лимиты конечной точки могут меняться во время беты, разумная схема для продакшн-развёртывания — это ограниченное решение на критическом пути с уже прогретым резервным вариантом на основе промпта позади него. Если держать этот резервный вариант на том же ключе, что и всё остальное, это означает никакого второго контракта и не придётся переписывать резервный путь, когда предварительная версия меняет свои лимиты.

Что делать на этой неделе и чего ещё не хватает

Честное резюме текущего положения дел: два из четырёх пробелов с момента запуска заполнены, а два — нет. Цена опубликована, структура запроса опубликована, три типа вопросов задокументированы с разобранными примерами, а история обработки данных по крайней мере заявлена. Всё ещё отсутствует какое-либо опубликованное ограничение на то, сколько кандидатных ответов может содержать один запрос, какое-либо заявление о том, можно ли настраивать эту штуку на ваших собственных размеченных данных, и — поскольку это бета по собственному описанию OpenAI — какое-либо обязательство, что тариф, который вы видите сегодня, сохранится до выхода в общую доступность.

Это делает расчёт прямолинейным, а не драматичным. Если ваша задача — классификация или маршрутизация при больших объёмах, где неверная ветка дешева и обратима, на публичной бете теперь действительно можно строить, а ценообразование только по входу делает арифметику на удивление щадящей. Если ваше решение авторизует денежные операции или отправляет сообщение клиенту, эндпоинт перестал быть непознаваемым, но ещё не перестал быть бетой, и разница между этими двумя вещами — это разница между прототипом и несущей зависимостью.