Decisions API: anunciada i sense manual

Una pregunta, una llista tancada i el model tria

L'exemple que va posar OpenAI és un tiquet de suport: s'envia el seu contingut juntament amb la llista d'equips que el podrien atendre i el model retorna l'equip triat. Per sota és una classificació de tota la vida, amb la diferència que la fa un model capaç de mirar també imatges.

El que OpenAI va vendre a l'escenari va ser la velocitat. Allà va dir que el model respon «en una fracció de segon», tant que interactuar-hi «se sent gairebé instantani», i va mostrar el model manejant un ordinador i avançant pels passos d'una tasca, amb l'avís que la demostració no estava accelerada.

L'explicació que dona la companyia és que el truc no és un model nou, sinó estrènyer-li el camp: donant-li un conjunt d'opcions fixat per endavant i concentrant-lo en aquesta única elecció, se li pot treure molta velocitat conservant la comprensió d'imatges, el maneig de molts idiomes i les proteccions de seguretat.

Al darrere hi ha Luna, el model barat de la casa

La xifra que resumeix el producte és una comparació del model amb ell mateix. Segons OpenAI, decidir per la Decisions API és deu vegades més ràpid que demanar-li el mateix a Luna per l'API normal; la dada la recull The Decoder, un mitjà alemany d'intel·ligència artificial que viu del que paguen els seus lectors. És una mesura de la companyia mateixa, no d'un tercer.

El repartiment de papers que proposa OpenAI és el d'un model gran que planifica i un de petit que decideix: Astra o Sol pensen la tasca i escriuen la resposta, i Luna tria el pas següent, l'eina o l'etiqueta entre les que se li han permès. Són dues feines diferents i es paguen a preus diferents.

Com que accepta imatges, OpenAI va apuntar al DevDay a un ús que no és el d'un xat: va dir que podrà servir perquè un robot actuï de pressa a partir del que veu, gairebé en temps real. És una intenció declarada a l'escenari, sense producte al darrere ni res publicat que permeti comprovar-la.

El que s'estalvia és la bastida, no el model

Un model de conversa qualsevol ja sap classificar un correu. El problema és tot el que cal muntar-li al voltant perquè serveixi en producció: instruccions que li prohibeixin afegir text, un esquema que encotilli la resposta, un programa que extregui l'etiqueta del que retorni i reintents per quan s'inventi una categoria que no existeix. La Decisions API posa la llista de respostes permeses dins del contracte mateix de la crida, de manera que aquesta bastida sobra.

Els usos que se li veuen són els de sempre en una empresa: repartir tiquets, correus i oportunitats de venda entre equips o cues; posar etiquetes de moderació d'un catàleg tancat; triar l'eina següent o el pas següent d'un agent entre els permesos; classificar fotos de productes, formularis o rebuts; i prendre decisions de bifurcació a molt volum dins d'un procés amb diversos models.

Hi ha una trampa que convé veure abans de muntar-ho. Que la resposta sigui una de les permeses no vol dir que sigui la correcta: si l'entrada és ambigua, hostil o simplement no encaixa en cap de les categories que es van enviar, el model en retornarà una igualment. Per això, AlphaSignal —publicació especialitzada en intel·ligència artificial dirigida a desenvolupadors— recomana incloure sempre una opció d'escapament explícita —un `needs_review` o un `unknown`— i enviar aquests casos a un altre circuit, en lloc de deixar que el sistema triï l'etiqueta menys dolenta.

Llegir-ne més: AlphaSignal — OpenAI's Decisions API Gives Developers a Constrained GPT-6 Luna Router (29-09-2026) ↗

Anunciada el dimarts i sense documentació el dijous

Aquí hi ha el que distingeix aquest anunci de gairebé tot el que OpenAI va explicar aquell dia: no hi ha manual. L'1 d'octubre, la Decisions API no apareixia a l'índex de la documentació per a desenvolupadors d'OpenAI, i el registre de canvis de l'API, que per al 29 de setembre sí que recull computer use, GPT-6.1 Sol i el mode Ultrafast, no la menciona. El que hi ha és la seva fitxa al resum del DevDay i el que es va explicar a l'escenari.

Aquesta fitxa és, de fet, la font de l'estat: OpenAI diu allà que està «en vista prèvia limitada avui, amb una obertura àmplia prevista en els pròxims dies». I no nomena ni un pla, quan en vint de les fitxes d'aquest mateix resum sí que diu en quins plans entra cada anunci. Per saber qui ho pot provar cal anar a AlphaSignal, que parla de clients seleccionats de l'API.

Aquest mateix mitjà enumera el que falta: OpenAI no ha publicat la tarifa, ni els límits de peticions, ni mesures de latència més enllà del gràfic que va ensenyar a l'escenari, ni en quines regions funciona, ni quantes respostes com a màxim admet una llista. Són exactament les cinc dades que algú necessita per decidir si ho posa en un sistema que prendrà milions de decisions.

I la latència mitjana, que és la xifra que OpenAI sí que va destacar, no és la que decideix. Un sistema que crida aquest servei a cada bifurcació pateix per la cua de les peticions lentes, no per la mitjana. AlphaSignal mateix suggereix a qui provi la vista prèvia que la faci córrer en paral·lel amb els classificadors que ja tingui, anoti en què s'equivoca amb cada taxonomia i compari cost i latència a volums reals abans de substituir res.

Sense tarifa pròpia: només se sap què costa Luna

OpenAI no ha publicat tarifa per a la Decisions API. L'única cosa que se'n sap és què costa el model que la mou per la via normal: GPT-6 Luna es cobra a 0,10 dòlars per milió de tokens d'entrada, 0,01 per milió de tokens llegits de la memòria cau i 0,50 per milió de sortida. No s'ha dit si aquest servei es factura amb aquests mateixos preus, amb un recàrrec per la velocitat o d'una altra manera.

El buit no és menor, perquè és la dada que decideix. Un servei pensat per contestar a cada bifurcació d'un procés es crida moltíssimes vegades, i a aquest volum la diferència entre una tarifa i una altra es nota més que qualsevol promesa de velocitat. Fins que OpenAI publiqui un preu, qualsevol càlcul sobre el que costaria fer-lo servir és una suposició.