OpenAI выпустила Decisions API: для каких задач нужен новый endpoint
22 октября OpenAI сделала Decisions API общедоступным. Разбираем predicate, choice и score, отличие от Structured Outputs и учебный сценарий ограниченной классификации.
В этом материале7 разделовРедакционная схема PENROUZ NEWS. Endpoint полезен, когда пространство решений известно заранее и результат можно проверить программно.PENROUZ NEWS
22 октября 2026 года OpenAI объявила Decisions API общедоступным интерфейсом для задач, где множество допустимых решений известно заранее. Это дата события, а не дата проверки страницы: официальные материалы перечитаны 28 октября. Новый интерфейс не является универсальной заменой Responses API. Он предназначен для ограниченного выбора, проверки предиката или выставления оценки, а не для свободного написания текста.
На момент запуска Decisions API работает с моделью gpt-6-luna и вызывается отдельным запросом POST /v1/decisions. Вопрос можно задать для текста, изображения или собственного JSON-объекта. Ответ возвращает решения по заранее описанным вопросам, поэтому приложение получает не произвольный абзац, а результат, который проще сопоставить с разрешёнными вариантами.
Три режима решения
Predicate отвечает на вопрос с двумя исходами: например, содержит ли обращение персональные данные или соответствует ли карточка обязательному условию. Choice выбирает один вариант из закрытого перечня — допустим, delivery, payment, account или other. Score выставляет числовую оценку по заданной шкале. Во всех трёх случаях разработчик сначала формулирует пространство решений, а уже затем передаёт вход модели.
Главное отличие от обычной генерации — не только формат. В Structured Outputs модель генерирует объект по схеме, но значения внутри полей всё равно могут требовать проверки. Decisions API строится вокруг ограниченного решения: вариант, логическое условие или оценка являются частью контракта запроса.
Decisions API или Structured Outputs
Если нужен объект с несколькими полями, пояснениями и извлечёнными значениями, начните с материала про структурированный JSON от ИИ. Decisions API логичнее, когда результат — одно или несколько ограниченных решений над входом: выбрать маршрут заявки, проверить соответствие критерию, ранжировать небольшое число кандидатов. Эти подходы можно сочетать, но они решают разные задачи.
Не стоит переносить в Decisions API задачу, где ожидается письмо, длинное резюме, план или творческий текст. Не подходит он и для скрытого выполнения действий: ответ модели не должен сам отправлять платёж, блокировать аккаунт или менять запись. Решение сначала проверяет доверенный код, а последствия выполняет отдельный сервис с правами, журналом и подтверждениями.
Практический пример: маршрутизация обращения
Представим вымышленную службу поддержки «Север». На вход приходит обезличенный текст: «Заказ A-17 должен был прийти вчера, но статус не меняется». Приложение создаёт вопрос типа choice с вариантами delivery, payment, account и other. Ожидаемый результат — delivery. Для второго примера «Не могу войти после смены телефона» ожидается account. Это учебные ожидания, а не результаты проведённого теста: фактические ответы нужно сохранить и сравнить после реального запуска.
Минимальная последовательность такова: подготовьте несколько обезличенных примеров; задайте закрытый список вариантов и однозначные описания; отправьте их через /v1/decisions с моделью gpt-6-luna; проверьте, что каждый ответ входит в разрешённый список; сравните результат с заранее размеченным ожидаемым классом. Ошибки складывайте отдельно, чтобы уточнять критерий, а не подгонять отдельный пример.
Форма запроса в псевдо-cURL проста: POST /v1/decisions, модель gpt-6-luna, input с текстом обращения и questions с типом choice и четырьмя вариантами. Точные имена полей и заголовок авторизации берите из актуального официального руководства. Секрет API храните в переменной окружения; не помещайте его в клиентский JavaScript или журнал.
Как проверить результат
Сначала проверьте контракт: число ответов совпадает с числом вопросов, тип решения соответствует запросу, choice содержит только разрешённый вариант, score попадает в указанную шкалу. Затем проверьте смысл на контрольном наборе. Для каждой ошибки запишите вход, ожидаемый класс, полученный класс и причину расхождения. Одного красивого ответа недостаточно: полезен повторяемый набор примеров, включающий неоднозначные и неполные обращения.
Если интеграция получает 429 или 503, не запускайте бесконечный цикл. Отдельное руководство про ошибки 429 и 503 в API ИИ показывает, как ограничить повторы, учитывать Retry-After и не создавать дубли. Сам повтор запроса не исправляет плохо сформулированный список решений или неверную разметку контрольного примера.
Ограничения, цена и данные
Официальный анонс указывает поддержку до 400 вопросов в одном запросе, prompt caching и региональную обработку в США и ЕС. Для Zero Data Retention и HIPAA действуют требования допуска клиента. Эти свойства нельзя автоматически переносить на любой аккаунт: перед рабочим запуском проверьте настройки проекта, регион, договорные условия и актуальную документацию.
OpenAI указывает отдельную тарификацию Decisions API: стоимость зависит от входных токенов, для кэшированного ввода действует сниженная ставка, а выходные токены отдельно не тарифицируются. Это меняющийся факт, поэтому перед расчётом бюджета нужно перепроверить текущую страницу продукта. Экономия не доказывает качество классификации: контрольный набор и проверка значений остаются обязательными.
Для повторяющихся критериев полезно заранее понять, как устроено кэширование промптов. После запуска сравните счётчики использования и фактическую стоимость на тестовом наборе, но не смешивайте cache hit с точностью решения.
Кому подходит новый API
Decisions API подходит командам, у которых уже есть ограниченная схема решения: модерационная метка, маршрут заявки, приоритет, соответствие правилу или оценка кандидата. Его ценность — в явном пространстве ответов и программной проверяемости. Если список вариантов постоянно меняется или задача требует развернутого объяснения, сначала стоит спроектировать данные и критерии, а не выбирать endpoint по названию.
Следующий шаг после первого прототипа — включить его в обычный процесс разработки с тестами и журналированием. Общие сценарии собраны в обзоре ИИ для работы с кодом. Начните с малого набора обезличенных примеров и одного типа решения; расширяйте задачу только после того, как можете объяснить каждую ошибку.