Model kosztów API Decisions OpenAI: cena tylko za wejście i szybkie typowane wyjścia
Zaktualizowano October 7, 2026 · pierwsza publikacja October 7, 2026
API Decisions OpenAI to endpoint w becie, który zamienia wspólne dowody w postaci tekstu lub obrazu w typowane klasyfikacje, wybory lub oceny. Z GPT-6 Luna kosztuje $0.10 za milion tokenów wejściowych i nie nalicza opłat za tokeny z cache ani wyjściowe. Traktuj twierdzenie „10x szybciej” jako sygnał o opóźnieniu, a następnie sprawdź jakość i całkowity koszt zadania na własnym obciążeniu.
Co OpenAI wydało 6 października 2026 roku?
OpenAI dodało API Decisions w publicznej becie 6 października 2026 roku. Dedykowany przewodnik Decisions podaje, że zwraca typowane odpowiedzi około 10 razy szybciej niż Responses API. W momencie startu GPT-6 Luna jest jedynym obsługiwanym modelem, a żądania używają POST /v1/decisions. Porównanie szybkości to publiczne twierdzenie OpenAI, a nie obietnica, że każda aplikacja zobaczy tę samą poprawę od początku do końca.
Żądanie zawiera jedno wspólne wejście i jedno lub więcej pytań. Każde pytanie może dotyczyć predykatu (prawdopodobieństwa, że warunek jest spełniony), wyboru z podanego zbioru albo oceny na uporządkowanych poziomach. Endpoint zwraca te odpowiedzi w postaci typowanej, z prawdopodobieństwami lub informacją o pewności. Dzięki temu nadaje się do ograniczonych decyzji, takich jak kierowanie zgłoszenia do wsparcia, oznaczanie prawdopodobnych uszkodzeń na zdjęciu produktu czy ocena wagi incydentu.
Jak działa rozliczanie Decisions API?
Dla endpointu Decisions OpenAI podaje $0.10 za milion tokenów wejściowych przy GPT-6 Luna. Przewodnik mówi, że opłacane są wyłącznie tokeny wejściowe: nie dotyczą one odczytu z cache, zapisu do cache ani tokenów wyjściowych. Różni się to od zwykłego żądania GPT-6 Luna przez Responses, gdzie standardowe stawki dla krótkiego kontekstu wynoszą $0.10 za milion niezbuforowanych tokenów wejściowych, $0.01 za wejście z cache, $0.125 za zapisy do cache i $0.50 za tokeny wyjściowe. Dla tego endpointu używaj osobnych warunków cenowych Decisions, a nie pełnego cennika modelu.
Oto hipotetyczne oszacowanie, przed uwzględnieniem ewentualnych korekt regionalnych lub dla długiego kontekstu: jeśli średnie żądanie zużywa 1,200 tokenów wejściowych, opłata za tokeny wynosi 1,200 ÷ 1,000,000 × $0.10 = $0.00012. Milion takich żądań zużyłoby 1.2 miliarda tokenów wejściowych i kosztowałoby około $120. To przykład planistyczny, nie wycena; zmierz rzeczywiste zużycie tokenów i potwierdź aktualną stawkę, zanim ustawisz budżet.
Ponieważ tokeny wyjściowe nie są tu kategorią rozliczaną, policz dokładnie całe wejście: dowody, kontekst systemowy zawarty w żądaniu oraz instrukcje i opcje każdego pytania. Tam, gdzie ma to sens, zadawaj niezależne pytania dotyczące tego samego wejścia w jednym żądaniu. OpenAI dokumentuje, że niezależne pytania mogą współdzielić dowody; pytania zależne od wcześniejszych odpowiedzi trzeba wysyłać w osobnych wywołaniach. Formułuj pytania krótko i tak, by dało się je zaobserwować, aby żądanie nie zużywało tokenów na niejednoznaczne kryteria oceny.
Kiedy zespół powinien użyć Decisions zamiast Responses?
Używaj Decisions, gdy wynik jest z natury ograniczony: „Czy to zdjęcie pokazuje widoczne uszkodzenie?”, „Która z tych trzech kolejek jest właścicielem tego zgłoszenia?” albo „Jak poważny jest ten incydent według tych jawnych poziomów?”. Zwraca odpowiedź, którą aplikacja może skierować dalej lub zliczyć, bez proszenia modelu ogólnego przeznaczenia o napisanie akapitu i parsowanie tej prozy.
Responses zostaw dla zadań wymagających wyjaśnienia, dowolnych schematów JSON, generowania tekstu, wywołań narzędzi lub decyzji, która wymaga rozmowy z modelem. Przewodnik OpenAI wprost kieruje deweloperów do Structured Outputs, gdy potrzebują własnego obiektu JSON, oraz do function calling, gdy model ma zażądać wywołania narzędzia. Typowany wybór nie zastępuje uzasadnionego wyjaśnienia ani wykonywalnej akcji.
Właściwe porównanie to koszt na poprawny wynik biznesowy, a nie tokeny czy opóźnienie osobno. Szybki klasyfikator, który generuje drogie fałszywe alarmy, może zwiększyć pracę przeglądającą. Tani endpoint też może przegrać, jeśli zespoły nadrabiają to powtarzanymi promptami, ręcznym przeglądem albo późniejszymi korektami. Śledź pola użycia i odpowiedzi z Decisions, porównuj próbki wyników z oznakowanymi przykładami i wliczaj przegląd ludzki oraz dalsze przetwarzanie do kosztu na poprawnie przekierowaną sprawę.
Jak FinOps może zweryfikować twierdzenie o oszczędnościach?
- Wybierz jedno ograniczone obciążenie. Weź wielkoskalowy krok klasyfikacji lub oceny z jasnym zbiorem odpowiedzi i mierzalnym kosztem błędu.
- Zbuduj oznakowany zestaw testowy. Mierz dokładność w podziale na kategorie i sprawdź kalibrację pewności lub prawdopodobieństwa. Ustaw progi przeglądu ludzkiego na podstawie kosztu fałszywych alarmów i pominięć, jak zaleca OpenAI.
- Przeprowadź porównywalny pilotaż. Zestaw obecną ścieżkę produkcyjną z Decisions na równoważnych wejściach. Zapisuj opóźnienie endpointu, tokeny, ponowienia, wskaźnik przeglądów i koszt poprawianych błędów.
- Zbuduj budżet całej ścieżki. Dodaj przechowywanie, moc obliczeniową aplikacji, czas recenzentów i późniejsze wywołania Responses lub narzędzi. Cena tokenów Decisions nie czyni reszty workflow darmową.
- Zachowaj drogę wyjścia. Endpoint jest w publicznej becie. Przypnij endpoint i model w konfiguracji, obserwuj changelog i przetestuj ponownie przed szerokim wdrożeniem, gdy zmieni się zachowanie lub dostępność.
OpenAI dokumentuje wsparcie dla Zero Data Retention i użycia zgodnego z HIPAA dla uprawnionych klientów, a także opcje rezydencji danych w USA i Europie (EOG i Szwajcaria), z wymogami kwalifikacji i umowy. Zweryfikuj te mechanizmy z faktyczną konfiguracją swojej organizacji, zanim wprowadzisz dane regulowane do pilotażu.
Co kupujący powinien zapamiętać o cenie Decisions API?
Decisions API oferuje nowy kształt ceny i opóźnienia dla kompaktowych, typowanych decyzji: przy opublikowanej stawce GPT-6 Luna wejście kosztuje $0.10 za milion tokenów, a wygenerowane tokeny wyjściowe nie są płatne. Jego najlepsi kandydaci to obciążenia z wielokrotnie używanymi dowodami, jasnymi typami odpowiedzi i tanimi sposobami wyłapywania niepewnych wyników. Zmierz jakość zadania i całkowity koszt operacyjny, zanim przeniesiesz produkcyjny wolumen.
Jakie powiązane badania powinny przeczytać zespoły?
- Strukturalne wyjście nie jest darmowe
- Koszt na udane zadanie bije koszt na żądanie
- Obniżki cen modeli nie zmniejszają automatycznie rachunku za AI
Powiązane
Chcesz zastosować to w swoim stosie? Przynieś faktury dostawców, logi bramy i najważniejsze przepływy pracy; wskażemy czynniki kosztów i ścieżkę oszczędności. Umów bezpłatny audyt →