OpenAI は現地時間 10 月 22 日に Decisions API を全面開放することを発表した。これは GPT-6 Luna によってサポートされている。価格設定については、Decisions API の入力は毎百万 token あたり US$0.10（約 HK$1）、キャッシュ入力は毎百万 token あたり US$0.01（約 HK$0）である。OpenAI の全チームは、Decisions API を製品やビジネスのワークフローに適用している。OpenAI Decisions API のコア設計は、GPT-6 Luna の知能を限定された回答を持つ問題に焦点を当てさせ、記述的なテキストを生成することではない。
開発者は問題とその許可された回答を定義し、テキスト、画像、またはネイティブ JSON 形式でコンテキストを提供する。API は三種類の回答のいずれかを返す：predicate（条件が真である確率、範囲は 0 から 1）、choice（事前定義された選択肢から選択し、確率と信頼度を伴う）、または score（入力に対して確率加重スコアを付けた順序付き評価）。
この「狭いインターフェース」の設計意図は明確である：分類、ルーティング、評価、優先順位付けは、アプリケーションとエージェントがワークフロー内で高頻度で実行する小規模な決定であり、個々の呼び出しは一見シンプルであるが、スケール化すると遅延とコストが急速に蓄積される。OpenAI の公式によれば、Decisions API の応答速度は、Responses API を通じて GPT-6 Luna を呼び出すよりも 10 倍速い。価格設定構造は、Decisions API の「狭いインターフェース」の論理を引き継いでいる。
入力は毎百万 token あたり 0.10 米ドル（約合人民元 0.67 元）、キャッシュヒットの入力は毎百万 token あたり 0.01 米ドル（約合人民元 0.067 元）である。この API は入力 Token のみで課金され、出力 Token は無料である。Decisions API は型付きの回答を返すため、出力自体は費用が発生しない。キャッシュ入力の価格設定により、コンテキストの再利用シナリオにおいて単回の決定コストがさらに低下する。
OpenAI Decisions API はより効率的な決定支援を提供
Decisions API は 2026 年 10 月 6 日に公開テスト段階に入り、その時点で単一リクエストは最大 200 の問題をサポートしていた。10 月 22 日の全面開放時には、単一リクエストの問題上限が 400 に引き上げられ、公募テスト段階の 2 倍となった。さらに、公開テスト以降、ネイティブ GPT-Live 統合、コンテキストの再利用に向けた Prompt キャッシュ、米国および欧州連合での推論データの駐留サポートが追加された。開発者は現在、ネイティブ JSON 入力を受け入れ、問題指示に画像を含めることができる。
OpenAI は遅延性能の最適化を継続しており、アジアの複数地域でサービス容量を拡充している。
OpenAI Decisions API の適用性は、まず OpenAI 内部で検証された。OpenAI の公式ブログによれば、社内の dots チームは Decisions API を使用して応答時間を短縮し、インタラクティブ性を向上させている。個人財務チームはこれを用いて取引の説明を分類し、通信チームはテーマと評価に基づいて報告を分類し、それが主要なストーリーを強化するか挑戦するかを判断し、どの内容がさらなる審査を必要とするかを特定している。クライアントのアプリケーションも展開されている。
OpenAI は、クライアントが Decisions API を AI コストの帰属から言語学習体験をよりインタラクティブにするなどのさまざまなシナリオで使用していることを述べている。GPT-Live 統合シナリオでは、カスタマーサポートのエージェントは、追求の明確化、リクエストのルーティング、問題のエスカレーションをすばやく判断できる。バーチャルキャラクターはユーザーの発言に応じて表情反応を引き起こし、より自然なリアルタイムインタラクションを実現する。
Decisions API は Responses API の代替ではなく、後者のシナリオ分割である。テキスト生成、カスタム JSON スキーマ、ツール呼び出し、ストリーミング出力、または対話状態の維持が必要な場合は、Responses API が適切な選択である。一方、業務が分類、ルーティング、評価、またはゲーティングであり、確率と信頼度が必要な場合、Decisions API はより低い遅延と入力課金のコスト構造で専用の経路を提供する。
このような分業は、AI アプリケーションアーキテクチャの一つのトレンドを反映している：確定的で高頻度の判断タスクを一般的な生成インターフェースから分離し、より狭く、より速く、より安価な専用エンドポイントに委ねることである。