Decisions API ของ OpenAI: GPT-6 Luna หยุดแชตและเลือกเพียงคำตอบเดียว

GPT-6 Luna เปิดตัวเมื่อวันที่ 22 กันยายน 2026 ในฐานะขั้นที่ราคาถูกที่สุดของบันได GPT-6 ของ OpenAI สิ่งที่ใหม่ในวันที่ 29 กันยายน คือหน้าที่การงานสำหรับมันที่ไม่เกี่ยวข้องกับการสนทนาเลย Decisions API ของ OpenAI รับคำถามที่คุณเขียน รายการคำตอบที่มีจำกัดซึ่งคุณอนุญาต และบริบทหนึ่งชิ้น — ข้อความหรือรูปภาพ — แล้วส่งคืนคำตอบหนึ่งรายการจากเหล่านั้น ไม่ใช่ข้อความร้อยแก้ว ไม่ใช่ย่อหน้าที่ต้องตีความแล้วหวังเอา แต่เป็นตัวเลือกเดียว ดังนั้นตั๋วซัพพอร์ตจะถูกส่งไปยังหนึ่งในห้าคิว รูปภาพจะถูกจัดเข้าหมวดหมู่การกลั่นกรองหนึ่งหมวด หรือเอเจนต์เลือกการดำเนินการถัดไปจากนโยบายที่คุณกำหนดไว้ มันถูกประกาศที่ DevDay 2026 และตอนนี้อยู่ในช่วงพรีวิวแบบจำกัด โดย OpenAI กล่าวว่ามีแผนจะเปิดตัวแบบวงกว้างในอีกไม่กี่วันข้างหน้า

ข้อมูลส่วนใหญ่ที่ทีมจำเป็นต้องมีก่อนจะสร้างต่อยอดจากสิ่งนี้ยังไม่ถูกเผยแพร่ ยังไม่มีราคาต่อการเรียก ไม่มีข้อจำกัดที่ระบุไว้ว่าคำขอหนึ่งรายการสามารถบรรจุคำตอบตัวเลือกได้กี่คำตอบ ไม่มีคำแถลงว่าคุณสามารถปรับแต่งมันด้วยข้อมูลของคุณเองได้หรือไม่ และ — ณ วันที่ 30 กันยายน — ไม่มีข้อมูลของมันอยู่ที่ใดเลยในดัชนีเอกสารสำหรับนักพัฒนา บันทึกการเปลี่ยนแปลง หรือเอกสารอ้างอิง API ของ OpenAI เอง เราตรวจสอบทั้งสามแห่งแล้ว ความสามารถนี้ในปัจจุบันปรากฏอยู่ในสรุปงาน DevDay ของ OpenAI และในสิ่งที่โฆษกของ OpenAI บอกกับผู้สื่อข่าวในวันเปิดตัว ดังนั้นส่วนที่เหลือของบทความนี้จะแยกสามระดับให้เห็นชัดเจน: สิ่งที่ OpenAI ยืนยันแล้ว สิ่งที่การวัดผลในวันเปิดตัวครั้งหนึ่งอ้างไว้ และสิ่งที่ยังไม่มีใครรู้ได้

การตัดสินใจภายใต้ข้อจำกัดจริง ๆ แล้วคืออะไร

แนวทางที่มีอยู่สองแบบทำงานนี้ได้ไม่ดีนัก และ Decisions API ก็มุ่งเป้าไปที่ช่องว่างระหว่างทั้งสองแบบ แบบแรกคือการพรอมป์โมเดลแชต: คุณเขียนคำสั่งอย่างระมัดระวังเพื่อขอให้มันเลือกจากรายการ มันจะเขียนประโยคหนึ่งให้คุณ และถ้าคุณโชคดี คุณก็สามารถอ่านค่าความน่าจะเป็นของโทเค็นจากคำตอบได้ เพื่อให้ได้สิ่งที่คล้ายกับคะแนนความมั่นใจ วิธีนี้ใช้ได้ แต่มันเผาโทเค็น และตัวเลขความมั่นใจก็เป็นเพียงการเดาแบบคร่าว ๆ แบบที่สองคือการฝึกตัวจำแนกขนาดเล็ก: เร็ว ถูก และต้องใช้ข้อมูลที่มีป้ายกำกับ บวกกับการรันฝึกใหม่ทุกครั้งที่ชุดป้ายกำกับเปลี่ยนแปลง

โมเดลสำหรับตัดสินใจจะอยู่ตรงกลางระหว่างสองสิ่งนั้น มันรับป้ายกำกับใหม่ ๆ ในพรอมป์ตได้ เช่นเดียวกับที่พรอมป์ตทำงาน แต่จะคืนค่าคะแนนหรือตัวเลือกที่นักพัฒนาสามารถใช้แตกแขนงการทำงานได้โดยไม่ต้องแยกวิเคราะห์ ซึ่งเป็นคุณสมบัติที่ตัวจำแนกประเภทมี แต่โมเดลแชตไม่เคยมี OpenAI ไม่ได้เพิ่งรู้จักรูปแบบนี้: Moderation API ของ OpenAI คืนค่าคะแนนแยกตามหมวดหมู่แทนข้อความมาหลายปีแล้ว โดยมีความต่างหนึ่งอย่างที่สำคัญตรงนี้ หมวดหมู่ของ Moderation เป็นของ OpenAI ส่วนหมวดหมู่ของ Decisions API เป็นของคุณ

ข้อจำกัดคือผลิตภัณฑ์ และควรพูดให้ชัดเจนว่ามันให้สิ่งใดและไม่ให้สิ่งใด พื้นที่เอาต์พุตแบบจำกัดหมายความว่าทุกค่าที่อนุญาตเป็นที่รู้ล่วงหน้า ดังนั้นแอปพลิเคชันของคุณจึงสามารถปฏิเสธคำตอบที่มันไม่ได้กำหนดไว้ กำหนดระดับสิทธิ์ที่แตกต่างกันให้แต่ละสาขา และส่งต่อให้มนุษย์เมื่อความมั่นใจหรือบริบทมีจำกัด มันยังทำให้การประเมินผลแบบออฟไลน์สามารถทำได้จริง เพราะทุกกรณีทดสอบมีคลาสเป้าหมายและต้นทุนที่วัดได้เมื่อทำนายผิด สิ่งที่มันไม่ได้ให้คือความถูกต้อง โมเดลที่มีข้อจำกัดยังสามารถเลือกคำตอบที่ถูกต้องตามข้อจำกัดแต่ผิดได้ ถูกชี้นำด้วยบริบทที่ทำให้เข้าใจผิด หรือสืบทอดอคติของหมวดหมู่ที่คุณเขียนไว้

คำกล่าวอ้าง 150 มิลลิวินาที และตัวเลขที่ OpenAI ไม่ได้เปิดเผย

OpenAI กล่าวว่า Decisions API ตัดสินใจได้เร็วกว่า GPT-6 Luna ที่ทำงานผ่าน API ปกติประมาณสิบเท่า — อยู่ในระดับ 150 มิลลิวินาที เทียบกับประมาณ 1.6 วินาที ตัวเลขดังกล่าวเป็นข้อมูลที่ผู้ขายระบุและยังไม่มีการทำซ้ำ; ไม่มีการวัดผลที่เป็นอิสระในเรื่องนี้เลยในสองวันนับตั้งแต่เปิดตัว และบทสรุปของ OpenAI เองก็ระบุเพียง "การตัดสินใจแบบเรียลไทม์" ไม่มีการแจกแจงความหน่วง ไม่มีภูมิภาค ไม่มีขนาดอินพุต ไม่มีระดับการทำงานพร้อมกัน และไม่มีข้อตกลงระดับบริการมาพร้อมกับตัวเลขนี้

ข้อมูลทราฟฟิกของเราเองไม่ใช่สิ่งทดแทนการทดสอบนั้น แต่ช่วยอธิบายว่าทำไมการกระจายตัวที่ขาดหายไปจึงสำคัญ ตลอดเจ็ดวันจนถึงวันที่ 30 กันยายน GPT-6 Luna ที่ให้บริการผ่านเส้นทาง chat-completions ปกติของ OrcaRouter แสดงค่ามัธยฐานที่ 699 มิลลิวินาที และ p95 ที่ 7.6 วินาที จากปริมาณโทเค็นรวม 3.23 พันล้านโทเค็นของงานแบบผสม — มีความต่างมากกว่าหนึ่งอันดับขนาดระหว่างค่ากลางกับส่วนปลาย นั่นเป็นรูปแบบคำขอที่แตกต่างจากการตัดสินใจแบบมีข้อจำกัด ดังนั้นจึงไม่ใช่การเปรียบเทียบกับข้อกล่าวอ้าง 150 มิลลิวินาที มันคือเหตุผลว่าทำไม p50 พาดหัวเดียวจึงเป็นตัวเลขที่ไม่ถูกต้องสำหรับใช้ออกแบบเดดไลน์ ถ้าคุณทดสอบพรีวิว ให้บันทึกค่ามัธยฐาน p95 และ p99 แยกกันสำหรับอินพุตข้อความและรูปภาพ รวมเวลาเครือข่ายและการลองใหม่ และวัดเดดไลน์ที่ผลิตภัณฑ์ของคุณมีจริง — การตัดสินใจด้านการกำหนดเส้นทางสำหรับคิวแบบอะซิงโครนัส กับการตัดสินใจที่อยู่ระหว่างการคลิกและการชำระเงิน ไม่ได้ใช้งบประมาณด้านความหน่วงร่วมกัน

การกำหนดราคา: โมเดลที่อยู่เบื้องหลังมีต้นทุนเท่าใด และทำไมสิ่งนั้นจึงไม่ใช่ราคาของ API

OpenAI ยังไม่ได้ประกาศอัตราค่าบริการสำหรับ Decisions API และไม่ปลอดภัยที่จะสันนิษฐานว่าอัตราต่อโทเคนของ Luna จะนำมาใช้ได้ เพราะ Decisions API เป็นแพ็กเกจของตัวเอง — เป็นเอนด์พอยต์ที่แตกต่างซึ่งมีขีดจำกัดต่างกัน และ OpenAI ระบุว่าจะเปิดเผยรายละเอียดเพิ่มเติม "ในการเปิดตัวในวงกว้าง" ใครก็ตามที่บอกคุณถึงค่าใช้จ่ายต่อการตัดสินใจในตอนนี้กำลังคาดเดาเอง

สิ่งที่เผยแพร่คือตารางราคาสำหรับโมเดลที่มันใช้เป็นพื้นฐาน โดยอ่านจากหน้าตาราคาของ OpenAI เมื่อวันที่ 30 กันยายน 2026:

• อินพุต — $0.10 ต่อล้านโทเคน ซึ่งจะกลายเป็น $0.20 เมื่อเกิน 272,000 โทเคนอินพุต
• เอาต์พุต — $0.50 ต่อล้านโทเคน ซึ่งจะกลายเป็น $0.75 เมื่อเกิน 272,000 โทเคนอินพุต
• อินพุตที่แคชไว้ — $0.01 ต่อล้านโทเคน; การเขียนแคชคิดค่าบริการที่ $0.125 ซึ่งเป็นราคาพรีเมียม 25% จากอัตราที่ไม่แคช
• การประมวลผลแบบ Batch และ Flex — 50% ของอัตรามาตรฐาน; โหมด Fast — 2 เท่าของอัตราที่ใช้

เส้นแบ่งบริบทยาวเป็นจุดที่ทำให้หลายคนพลาดได้ง่าย และมันทำงานในลักษณะเดียวกันกับที่เกิดขึ้นทั่วทั้งตระกูล {{1}}GPT-6{{/1}}: การข้าม {{2}}272,000{{/2}} โทเค็นอินพุตจะคิดราคาคำขอทั้งหมดใหม่ในระดับที่สูงขึ้น ไม่ใช่แค่ส่วนที่เกินมา API สำหรับการตัดสินใจที่ส่งเอกสารยาวหรือชุดรูปภาพขนาดใหญ่ให้กับโมเดลเป็นการเรียกใช้งานประเภทที่สามารถข้ามเส้นนั้นได้เลย ซึ่งเป็นอีกหนึ่งสิ่งที่ขีดจำกัดที่ยังไม่เปิดเผยของพรีวิวทำให้ยังไม่กระจ่าง

GPT-6 Luna ตามเงื่อนไขของตัวเอง

ถ้าเอาส่วน API ออกไป โมเดลที่อยู่ข้างใต้ก็คือโมเดลให้เหตุผลที่อยู่ระดับล่างสุดของตระกูลสามขั้น — ต่ำกว่า GPT-6 Sol ที่ $2.00/$10.00 และรุ่นเรือธง GPT-6 Astra ที่ $10.00/$50.00 — มีหน้าต่างบริบท 1,050,000 โทเคน เพดานเอาต์พุต 128,000 โทเคน จุดตัดความรู้ 18 พฤษภาคม 2026 และระดับความพยายามในการให้เหตุผลที่ตั้งค่าได้หกค่า ตั้งแต่ none ถึง max รับข้อความและภาพเป็นอินพุต และคืนข้อความ และในเอกสารสำหรับนักพัฒนาของ OpenAI เอง ค่าเริ่มต้นของความพยายามคือ medium ข้อควรระวังในทางปฏิบัติประการหนึ่งจากหน้าเดียวกัน ซึ่งไม่เกี่ยวข้องกับ Decisions API แต่สำคัญหากคุณกำลังเชื่อม Luna เข้ามาเป็นตัวสำรอง: บน Chat Completions การเรียกใช้ฟังก์ชันจะทำงานเฉพาะเมื่อตั้งค่าความพยายามในการให้เหตุผลเป็น none เครื่องมือบนการตั้งค่าความพยายามอื่น ๆ ต้องใช้ Responses API

ในด้านคุณภาพ ตัวเลขที่เป็นอิสระคือ Intelligence Index ของ Artificial Analysis ซึ่งอยู่ที่ 37.3 สำหรับ Luna ที่ระดับความพยายามสูงสุด เทียบกับ 47.5 สำหรับ GPT-6 Sol — ช่องว่างราวสิบจุด ซึ่งเป็นวิธีอ่านช่องว่างราคาที่ยี่สิบเท่าในส่วนอินพุตอย่างตรงไปตรงมา ทั้งสองตัวเลขนี้ไม่ใช่คำกล่าวเกี่ยวกับ Decisions API ซึ่งงานที่มีข้อจำกัดของมันเป็นการวัดที่แตกต่างออกไปโดยสิ้นเชิง และไม่มีคะแนนที่เผยแพร่

Jev, Laya และกรอบแนวคิด “system one”

Decisions API ไม่ได้ถือกำเนิดขึ้นในพื้นที่ว่างเปล่า Jevของ TypeSafe AI ซึ่งเปิดตัวเมื่อวันที่ 15 กันยายน 2026 โดย Diogo Almeida และพร้อมใช้งานทั่วไปตั้งแต่วันที่ 21 กันยายน เป็นโมเดลที่ทำให้หมวดหมู่นี้เป็นที่เข้าใจได้สำหรับนักพัฒนา: มันไม่สร้างข้อความใด ๆ เลย แต่คืนคำตอบแบบมีชนิดข้อมูลพร้อมค่าความเชื่อมั่นแทน โดยคิดราคา $0.042 ต่อโทเคนอินพุตหนึ่งล้านโทเคน และไม่คิดค่าใช้จ่ายสำหรับเอาต์พุต การทดสอบอิสระครั้งแรกของ Jev ซึ่งดำเนินการโดย Every ให้ผลการตัดสิน 777 รายการจากเอกสาร 37 ฉบับภายในเวลาไม่ถึง 0.7 วินาที ด้วยค่าใช้จ่ายประมาณหนึ่งในสี่ของหนึ่งเซนต์ และการทดสอบครั้งที่สองจับเวลาได้ค่ามัธยฐาน 0.35 วินาทีต่อหนึ่งท่อน เทียบกับ 8.83 วินาทีสำหรับ Claude Fable 5.1ที่ระดับความพยายามสูง — เร็วกว่าประมาณ 25 เท่า ด้วยค่าใช้จ่ายเพียงประมาณ 1/580 และตรวจจับข้อบกพร่องที่จงใจฝังไว้ได้ 6 จาก 7 จุด ขณะที่ Fable 5 จับได้ทั้งหมด 7 จุด "ดีแต่ยังไม่สมบูรณ์แบบ" คือคำตัดสินของ Every และนั่นคือคำอ่านสั้น ๆ ที่ถูกต้อง Laya คือผู้เข้าแข่งขันรายที่สามในรูปแบบเดียวกัน เป็นโมเดลการตัดสินใจที่ตอบคำถามโดยไม่ต้องเขียนโทเคนแม้แต่ตัวเดียว

การที่ OpenAI สร้าง Decisions API เพราะ Jev นั้นเป็นเพียงการคาดเดา The New Stack ซึ่งรายงานในวันเปิดตัว เรียกว่าปฏิกิริยาต่อ TypeSafe นั้น "เป็นไปได้" และตั้งข้อสังเกตว่า OpenAI อาจเร่งประกาศก่อนงาน DevDay; OpenAI ไม่ได้กล่าวถึงเรื่องทำนองนั้นเลย และจังหวะเวลา — การเปิดให้ใช้ทั่วไปของ Jev เมื่อวันที่ 21 กันยายน งาน DevDay วันที่ 29 กันยายน — ชวนให้คิดแต่ไม่ใช่หลักฐาน สิ่งที่ไม่ใช่การคาดเดาคือทั้งสองยังไม่สามารถเทียบเคียงกันได้ในมิติที่ผู้ซื้อให้ความสำคัญ Jev เผยแพร่ราคา รูปแบบต่อการเรียกใช้ และวันที่เปิดให้ใช้ทั่วไป Decisions API ไม่เผยแพร่ทั้งสามสิ่งนั้นเลย

ที่ที่มันทำงาน และสิ่งที่ควรทำให้อุ่นไว้ข้าง ๆ มัน

Decisions API เป็นแพ็กเกจของ OpenAI เอง ไม่ใช่โมเดลในแคตตาล็อกของเรา และเราไม่ได้จัดเส้นทางไปยังมัน ดังนั้นหากคุณต้องการเอนด์พอยต์นี้โดยเฉพาะ OpenAI คือที่ที่มันอยู่ โมเดลที่มันใช้เป็นฐานนั้นเป็นอีกเรื่องหนึ่ง: GPT-6 Luna เป็นเส้นทางที่ให้บริการจริงบน OrcaRouterในราคาตามรายการของ OpenAI โดยไม่มีมาร์กอัปบวกเพิ่ม — อินพุต $0.10 และเอาต์พุต $0.50 ต่อล้านโทเคน โดยระดับ >272K คิดที่ $0.20/$0.75 — และในช่วงเจ็ดวันถึงวันที่ 30 กันยายน มันให้บริการ 3.23 พันล้านโทเคนผ่านเรา ด้วยอัตราข้อผิดพลาด 0.18%

เรื่องนี้สำคัญต่อวิธีที่คุณลดความเสี่ยงจากการใช้พรีวิว วิธีที่สมเหตุสมผลในการทดสอบเอนด์พอยต์สำหรับการตัดสินใจที่มีข้อจำกัดคือการทำให้เส้นทางที่อิงพรอมป์ต์ยังพร้อมใช้งานเป็น fallback เพราะพรีวิวอาจเปลี่ยนขีดจำกัดหรือราคาได้โดยไม่แจ้งล่วงหน้า และการตัดสินใจที่อยู่ในเส้นทางวิกฤตจำเป็นต้องมีที่ไป การเก็บ fallback นั้นไว้บนคีย์เดียวกับโมเดลอื่น ๆ ของคุณหมายความว่าไม่ต้องมีสัญญาที่สองและไม่ต้องแก้โค้ดในเส้นทาง fallback: API เดียวสำหรับโมเดล 200+ ตัว พร้อมกับ การ failover อัตโนมัติข้ามผู้ให้บริการเมื่อรายหนึ่งมีปัญหา และถ้าการตัดสินใจของคุณเป็นเพียงขั้นตอนหนึ่งของเชนที่ยาวกว่า routing DSL จะประกอบโมเดลต่าง ๆ ให้เป็นการเรียกครั้งเดียว ซึ่งก็คือรูปแบบ orchestrator-plus-decider ที่การรายงานข่าวของ Jev ทำให้เป็นที่นิยมอย่างแท้จริง — โมเดลขนาดใหญ่กว่าวางแผน โมเดลเล็กเลือกในแต่ละขั้นตอน รูปแบบนั้นสร้างได้ในวันนี้จากโมเดลที่เราให้บริการ ส่วน Decisions API เองจะอยู่นอกเหนือจากนั้นจนกว่า OpenAI จะเปิดให้ใช้งาน

ใครควรย้าย และใครควรรอ

หากปัญหาของคุณคืองานจำแนกประเภทหรือจัดเส้นทางที่มีปริมาณสูง ซึ่งการแยกไปผิดสาขานั้นมีต้นทุนต่ำและย้อนกลับได้ พรีวิวนี้ก็คุ้มค่าที่จะลองกำหนดรูปแบบคำขอและชุดข้อมูลติดป้ายกำกับภายในสัปดาห์นี้ — ความสามารถนี้มีจริง ข้อจำกัดนี้เป็นพัฒนาการที่แท้จริงเมื่อเทียบกับการแยกวิเคราะห์ข้อความร้อยแก้ว และพรีวิวคือช่วงเวลาที่ถูกที่สุดเท่าที่เป็นไปได้ในการเรียนรู้ว่าต้นทุนจากข้อผิดพลาดไปตกอยู่ตรงไหน หากการตัดสินใจของคุณเกี่ยวข้องกับการอนุมัติเงิน การส่งข้อความถึงลูกค้า หรืออยู่ระหว่างผู้ใช้กับขั้นตอนการชำระเงิน ไม่มีอะไรเกี่ยวกับสัปดาห์นี้ที่จะเปลี่ยนการคำนวณของคุณ: ไม่มีราคาที่ประกาศให้จำลอง ไม่มีขีดจำกัดที่ประกาศให้ออกแบบรองรับ ไม่มี SLA และไม่มีข้อมูลว่าคุณจะปรับแต่งระบบนี้กับข้อมูลของคุณเองได้หรือไม่ ช่องว่างสี่ประการเหล่านั้นคือสิ่งที่ "การเปิดตัวแบบกว้าง" ต้องเติมเต็ม และจนกว่า OpenAI จะระบุสิ่งเหล่านั้น การตีความ Decisions API อย่างซื่อตรงก็คืออินเทอร์เฟซที่มีแนวโน้มดี พร้อมกรอบเวลาที่ผู้ขายระบุไว้อย่างรวดเร็ว และยังไม่มีค่าใช้จ่ายผูกมาด้วย