Материал
OpenAI запустила Decisions API для быстрых решений и классификации
Редакция Пиксель Вайб
Редакция Пиксель Вайб

OpenAI запустила Decisions API для быстрых решений и классификации

OpenAI открыла Decisions API всем разработчикам — модель принимает быстрые решения вместо того, чтобы генерировать длинные ответы. Она может определить, повреждён ли товар, выбрать один из вариантов действия для ИИ-агента или выставить оценку по шкале. По данным OpenAI, время обработки запроса удалось сократить с 1–3 секунд до 120–180 миллисекунд.

Сначала Decisions API можно протестировать в демоверсии Decisions Playground, а затем подключить к собственному приложению по инструкции. Модель построена на GPT-6 Luna и пока доступна всем разработчикам.

Не чат-бот, а «суперклассификатор»

TechCrunch называет такие модели «суперклассификаторами». Их задача — не поддерживать диалог и не писать развёрнутый текст, а выдавать короткий структурированный результат: бинарное решение, выбранный вариант или число.

Это полезно в сценариях, где нужно быстро обработать большой поток данных:

  • отсортировать товары с повреждениями;
  • проверить, есть ли на изображении нужный объект или признак;
  • решить, должен ли ИИ-агент продолжить работу или запросить помощь человека;
  • оценить степень повреждения или другой параметр по шкале;
  • проверить безопасность цепочки действий нескольких ИИ-агентов.

Короткий ответ уменьшает задержку и расход токенов. Кроме того, модель не должна тратить ресурсы на объяснение решения, если от неё требуется только результат.

Схема: поток изображений, текста и JSON проходит через компактную модель и превращается в короткие ответы — число, выбранный вариант или оценку

Как работает Decisions API

У разработчика есть три режима обработки данных:

  • Predicate — проверка условия. Например, есть ли на товаре повреждения. Ответом становится значение от 0 до 1.
  • Choice — выбор одного варианта из заранее заданного списка. Например, продолжить ли агенту работу или остановиться и запросить помощь.
  • Score — оценка по шкале. Так можно определить степень повреждения товара.

При необходимости модель может дополнить ответ показателем собственной уверенности. Она умеет работать с изображениями, текстом и JSON. Для голосовых интерфейсов Decisions API можно подключить через GPT-Live и использовать для быстрой обработки аудиозаписей.

OpenAI повторила идею Jev

Появление Decisions API связано с моделью Jev, которую в сентябре 2026 года представил стартап TypeSafe. Его основатель Диого Алмейда раньше работал над ChatGPT, а в 2024 году ушёл из OpenAI.

Алмейда считает, что индустрии стоит меньше сосредотачиваться на моделях, которые имитируют общение с человеком. Вместо этого он предлагает создавать системы, похожие «скорее на базу данных, а не на коллегу-человека».

Jev быстро привлекла внимание разработчиков низкой стоимостью и скоростью. Глава продуктового направления API в OpenAI Никундж Ханда рассказал TechCrunch, что после знакомства с моделью сотрудники компании решили: «Для неё найдётся миллион применений» — и в ускоренном темпе сделали собственную версию.

Алмейда называет Jev и похожие решения моделями класса System One. Это отсылка к концепции Даниэля Канемана: «система 1» отвечает за быстрые и интуитивные решения, а «система 2» — за медленное рассуждение и анализ.

Сравнение двух подходов: длинный текстовый ответ чат-бота и быстрый структурированный результат в виде числа или переключателя

Сколько это стоит

Тарифы Decisions API и Jev выглядят так:

  • Decisions API — $0,10 за 1 млн входных токенов;
  • кэшированные входные токены Decisions API — $0,01 за 1 млн;
  • Jev — $0,042 за 1 млн входных токенов.

За выходные токены обе компании не берут плату: ответы короткие и обычно сводятся к числу, выбранному значению или небольшому фрагменту JSON.

Схема сортировки товаров: изображения посылок поступают на обработку, после чего система разделяет их на категории «без повреждений» и «повреждённые»

Важное отличие в подходе к разработке: Jev создавали с нуля как отдельную модель, а Decisions API — это донастроенная GPT-6 Luna. OpenAI уже рассматривает возможность в будущем обучить для этой задачи собственную модель.

Комментарии

Написать комментарийВойти