ИИтог

OpenAI запустила Decisions API в публичной бете для классификации и маршрутизации

инструментыРедакция ИИтогHacker News🔥80Рейтинг ИИтог80Влияние65Новизна70Релевантность100Неожиданность45Участники90Достоверность82
OpenAI запустила Decisions API в публичной бете для классификации и маршрутизации

OpenAI в документации объявила, что Decisions API находится в публичной бете, а общий доступ (GA) компания ждёт в ближайшие недели. Это отдельный эндпоинт POST /v1/decisions: он принимает текст, изображения или то и другое вместе и возвращает типизированные ответы. Сейчас доступна только одна модель, gpt-6-luna. В документации сказано, что API отдаёт такие ответы примерно в 10 раз быстрее, чем Responses API; методика, оборудование и нагрузка для этого сравнения в видимой части текста не приведены.

Ответы бывают трёх видов: вероятность того, что условие верно (предикатный вопрос), выбор из фиксированного набора (choice) и оценка по шкале (score). Choice и score возвращают вероятности по дискретным вариантам. Choice подходит для категорий без порядка, например отделов. Score нужен для упорядоченных уровней, например степени серьёзности: он берёт среднее, взвешенное по вероятностям, от числовых индексов уровней, поэтому итог может лежать между уровнями. По замыслу OpenAI, эти ответы используют, чтобы классифицировать контент, маршрутизировать запросы и расставлять приоритеты в работе приложения.

Запрос состоит из трёх частей, ответ содержит массив answers. Каждому вопросу нужно дать уникальное имя (name): API возвращает его в ответе, чтобы вы могли сопоставить ответ с вопросом. Среди типов ответа в примерах кода встречается и отказ (refusal), его нужно обрабатывать отдельно.

Главный пример в документации: проверка фото товара на видимые повреждения. К изображению добавляется инструкция искать трещину, разрыв или вмятину и игнорировать тени и повреждения упаковки. В иллюстративном фрагменте ответа для вопроса visible_damage стоит вероятность 0,92. Её предлагается сравнивать с выбранным разработчиком порогом, чтобы отправлять фото на проверку. Это пример формата, а не измеренный результат.

Второй пример: маршрутизация обращения клиента («Меня дважды списали деньги за заказ») по отделам с вариантами billing, technical, shipping и other, у каждого есть описание, когда он применим. Ещё на странице показана классификация документов на счёт, чек и договор с распределением вероятностей.

Условия по изображениям строгие: только встроенные data URL в base64. Ссылки HTTP/HTTPS на размещённые картинки и ввод через file_id этим эндпоинтом не поддерживаются. Текст и изображения можно сочетать в одном пользовательском сообщении.

Документация разграничивает инструменты: Decisions нужен, когда приложению требуется один из перечисленных типов ответа. Structured Outputs в Responses API предназначен для генерации объекта по вашей JSON-схеме (извлечённые поля, написанное пояснение), а вызов функций (function calling), когда модель должна запросить вызов инструмента с аргументами. Для примеров кода нужны не ниже версии SDK: Python 3.26.0, JavaScript 7.30.0, Go 3.73.0, Ruby 0.101.0 и Java 4.78.0. Эндпоинт можно попробовать в Playground. Текст источника в доступной части обрывается на примере вопроса choice, поэтому подробности про оценку по шкале, лимиты и цены здесь не видны.

Ключевые факты

  • Decisions API в публичной бете, GA OpenAI ожидает в ближайшие недели; эндпоинт POST /v1/decisions, доступна только модель gpt-6-luna.
  • Принимает текст, изображения или оба вида входа; возвращает вероятность условия, выбор из фиксированного набора или оценку по шкале.
  • Документация заявляет скорость примерно в 10 раз выше, чем у Responses API; подтверждения и условий замера в видимом тексте нет.
  • Изображения только в виде встроенных base64 data URL: ссылки HTTP/HTTPS и file_id не поддерживаются.
  • Для примеров нужны SDK не ниже Python 3.26.0, JavaScript 7.30.0, Go 3.73.0, Ruby 0.101.0 и Java 4.78.0.

Почему это важно

OpenAI выделила в отдельный эндпоинт типовые задачи классификации, маршрутизации и приоритизации. Вместо генерации текста или JSON приложение получает готовые вероятности и оценки, которые удобно сравнивать с порогом. Заявленный выигрыш в скорости около 10x относительно Responses API (по словам самой документации) делает это интересным для сценариев, где важна задержка. Но это утверждение производителя без приведённых замеров.

Кому это важно

Разработчикам, которые встраивают в продукты сортировку обращений по отделам, модерацию и проверку контента, приоритизацию задач, а также проверку фото (например, повреждений товара). Тем, кто сейчас решает такие задачи через Structured Outputs или вызов функций, стоит сравнить подходы.

Как это применить

Задайте вопросы нужного типа: предикатный (вероятность условия), choice (категории без порядка, например отделы) или score (упорядоченные уровни, например серьёзность). Дайте каждому вопросу уникальное имя и сравнивайте полученную вероятность с порогом, который вы выбрали сами. Картинки передавайте как base64 data URL. Обрабатывайте ответ типа refusal. Нужны актуальные версии SDK, а попробовать вопросы можно в Playground. Цены на Decisions API и gpt-6-luna в видимой части документации не указаны.

Можно ли доверять

Источник, официальная документация OpenAI, поэтому описание формата и ограничений надёжно. Заявление о скорости около 10x, утверждение самой компании, без бенчмарка, методики и условий. Вероятность 0,92 в примере, иллюстрация формата ответа, а не измеренная точность. Текст доступной страницы обрывается на середине примера вопроса choice, так что часть документации не учтена.

Риски и подводные камни

Продукт в бете, и OpenAI лишь ожидает GA в ближайшие недели; точной даты нет. Сейчас доступна единственная модель gpt-6-luna, в видимом тексте не объяснено, что это за модель. Изображения нельзя передавать ссылкой или через file_id, только inline base64. Ответ может оказаться отказом (refusal), и код должен его учитывать. Порог срабатывания выбирает разработчик, и подбирать его придётся самому.