OpenAI wprowadza Decisions API: błyskawiczne podejmowanie decyzji w czasie rzeczywistym
Firma OpenAI oficjalnie zaprezentowała Decisions API – wyspecjalizowany interfejs programistyczny stworzony z myślą o podejmowaniu decyzji w czasie rzeczywistym przez aplikacje oraz systemy agentowe. Zamiast generowania długich odpowiedzi tekstowych, nowe narzędzie skupia możliwości modelu Luna (gpt-6-luna) na natychmiastowej analizie informacji i wyborze rozstrzygnięcia ze skończonego zestawu zdefiniowanych przez dewelopera opcji, ocen lub wartości logicznych. Ogłoszone podczas konferencji DevDay 2026 rozwiązanie stanowi bezpośrednią odpowiedź OpenAI na rynkowy debiut modelu Jev i otwiera nowy etap w optymalizacji autonomicznych architektur sztucznej inteligencji.
Od rozwlekłych odpowiedzi do natychmiastowych rozstrzygnięć
Dotychczasowe wykorzystanie dużych modeli językowych w pętlach decyzyjnych niosło ze sobą poważne wyzwania inżynieryjne. Gdy agent programistyczny musiał zdecydować, które narzędzie uruchomić, jak sklasyfikować zgłoszenie klienta lub czy zapytanie spełnia reguły bezpieczeństwa, standardowe punkty końcowe generowały swobodny tekst token po tokenie. Wymagało to stosowania skomplikowanego parsowania formatów, wymuszania schematów JSON i godzenia się na opóźnienia rzędu kilku sekund.
W wielu krytycznych punktach kodu generowanie prozy jest jednak zbędnym narzutem. Deweloperzy potrzebowali odpowiednika klasycznej instrukcji warunkowej – semantycznego rozstrzygnięcia, które oceni kontekst i natychmiast zwróci konkretną wartość logiczną lub kategorię. Nowy interfejs programistyczny został zaprojektowany właśnie w tym celu, udostępniając dedykowany punkt końcowy POST /v1/decisions pozbawiony narzutu konwersacyjnego.
Architektura gpt-6-luna: jak działa pojedyncze przejście w przód
Sercem nowego rozwiązania jest model gpt-6-luna. W przeciwieństwie do klasycznych modeli wielozadaniowych, gpt-6-luna w ramach tego punktu końcowego nie korzysta z generatywnej pętli dekodowania. Zamiast tego wykonuje pojedyncze przejście w przód (single forward pass), po którym wyspecjalizowana głowica klasyfikacyjna bezpośrednio oblicza prawdopodobieństwa dla wskazanych wariantów.
Interfejs zachowuje pełne wsparcie multimodalne. Przyjmuje dane wejściowe w postaci tekstu oraz obrazów zakodowanych w formacie inline base64. W pojedynczym zapytaniu programista przekazuje analizowany stan (obiekt input) oraz tablicę zadań ewaluacyjnych (questions). W odpowiedzi system zwraca obiekt answers, zawierający ustrukturyzowane, gotowe do natychmiastowego przetworzenia rezultaty.
Trzy prymitywy logiczne: predicate, choice oraz score
Decisions API opiera swoje działanie na trzech podstawowych prymitywach logicznych, które wyczerpują większość zapotrzebowań systemów sterujących:
predicate– służy do weryfikacji binarnej warunków logicznych. Zwraca skalibrowane prawdopodobieństwo (wartość od 0 do 1) potwierdzające, czy dana przesłanka jest prawdziwa. Wykorzystywany jest m.in. jako filtr bezpieczeństwa (guardrail) weryfikujący, czy zapytanie nie narusza zdefiniowanych reguł.choice– umożliwia wybór dokładnie jednej opcji z nieuporządkowanego, zamkniętego zestawu wariantów podanych w zapytaniu. Zwraca wybraną wartość, rozkład prawdopodobieństw dla pozostałych pozycji oraz wskaźnik ufności (confidence score). Stanowi idealne narzędzie do kategoryzacji zgłoszeń oraz routingu zapytań do wyspecjalizowanych modułów.score– ocenia dane wejściowe na uporządkowanej skali (np. waga incydentu w skali 1–5 lub poziom zadowolenia klienta). Model oblicza średnią ważoną prawdopodobieństwem i zwraca precyzyjną ocenę liczbową wraz z miarą pewności.
150 milisekund i zerowy koszt tokenów wyjściowych
Przejście z generowania tekstu na bezpośrednią klasyfikację przekłada się na skokową poprawę wydajności. Według danych przedstawionych przez OpenAI, Decisions API działa do 10 razy szybciej niż standardowe wywołania modelu gpt-6-luna w ramach Responses API. Typowy czas odpowiedzi wynosi około 150 ms, podczas gdy standardowe generowanie odpowiedzi tekstowej zajmuje około 1,6 s. Taka redukcja opóźnień pozwala na stosowanie modelu w procesach działających ściśle w czasie rzeczywistym.
Rewolucyjnie prezentuje się także model rozliczeń. Koszt korzystania z usługi wynosi dokładnie 0,10 USD za 1 milion tokenów wejściowych ($0,10 / 1M). Co kluczowe, OpenAI całkowicie zrezygnowało z opłat za tokeny wyjściowe, a także za odczyt i zapis w pamięci podręcznej (cache). Wyeliminowanie opłat wyjściowych drastycznie obniża koszty operacyjne w architekturach, które wykonują tysiące mikrodecyzji na minutę.
Do obsługi nowego endpointu wymagane są zaktualizowane biblioteki narzędziowe OpenAI SDK, w tym wersje co najmniej Python 3.26.0+ oraz JavaScript 7.30.0+. Narzędzie udostępniono także bezpośrednio w środowisku testowym OpenAI Playground.
Wyścig modeli decyzyjnych: odpowiedź na Jev i alternatywy open source
Zapowiedź ze strony OpenAI wpisuje się w szerszy trend architektoniczny inspirowany podziałem na procesy poznawcze typu System 1 i System 2, spopularyzowanym przez Daniela Kahnemana. W systemach autonomicznych rolę powolnego, analitycznego Systemu 2 pełnią rozbudowane modele wnioskujące. Brakiem na rynku były natomiast wyspecjalizowane, błyskawiczne komponenty typu System 1, podejmujące intuicyjne, powtarzalne decyzje bez zbędnego namysłu.
Falę tę zapoczątkował startup TypeSafe AI, który we wrześniu 2026 roku zaprezentował model Jev – komercyjne narzędzie decyzyjne cechujące się czasem reakcji poniżej 500 ms. Równolegle w segmencie rozwiązań lokalnych pojawił się udostępniony przez firmę Amazon model Strands Decider 2B, który bazując na architekturze Qwen 3.5-2B, pozwala na samodzielne hostowanie procesu decyzyjnego z opóźnieniami poniżej 100 ms na procesorach graficznych.
Wprowadzenie Decisions API sprawia, że deweloperzy budujący w chmurze OpenAI nie muszą już uciekać się do kompromisów pomiędzy powolnym generowaniem JSON-a a utrzymywaniem własnej infrastruktury dla modeli wyspecjalizowanych. Wyraźny podział na warstwę szybkiej decyzji i warstwę głębokiego rozumowania staje się nowym standardem w inżynierii systemów sztucznej inteligencji.
