OpenAI startet Decisions API für schnelle Klassifizierung und Routing

OpenAI hat die Decisions API vorgestellt, ein neues Tool, das darauf ausgelegt ist, Text und Bilder in strukturierte Entscheidungen für Softwareanwendungen umzuwandeln. Die am 6. Oktober 2026 gestartete öffentliche Beta nutzt das Modell gpt-6-luna, um Eingaben zu bewerten und typisierte Antworten deutlich schneller als bisherige Methoden zurückzugeben. Der Launch richtet sich an Entwickler, die Inhalte klassifizieren, Anfragen weiterleiten oder Aufgaben priorisieren müssen, ohne lange natürlichsprachliche Antworten zu generieren.

Was passiert ist

Die Decisions API ist nun über einen dedizierten Endpoint POST /v1/decisions verfügbar. Sie befindet sich derzeit in der öffentlichen Beta, wobei OpenAI eine allgemeine Verfügbarkeit (General Availability) in den kommenden Wochen erwartet. Das einzige zum Start unterstützte Modell ist gpt-6-luna. Um die neuen Funktionen zu nutzen, müssen Entwickler ihre OpenAI SDKs auf bestimmte Mindestversionen aktualisieren: Python 3.26.0, JavaScript 7.30.0, Go 3.73.0, Ruby 0.101.0 und Java 4.78.0.

Diese API unterscheidet sich von standardmäßigen Chat-Completions dadurch, dass sie sich auf die Bewertung statt auf die Generierung konzentriert. Anstatt Absätze zu schreiben, gibt das Modell spezifische Datentypen wie Wahrscheinlichkeiten, kategorische Auswahlmöglichkeiten oder numerische Scores zurück. OpenAI gibt an, dass dieser Ansatz Antworten etwa zehnmal schneller liefert als die Responses API. Der Dienst unterstützt Zero Data Retention und HIPAA-Konformität für berechtigte Kunden, mit Optionen für Datenspeicherung in den USA und Europa.

Wie es funktioniert

Eine Anfrage an die Decisions API besteht aus drei Hauptteilen: dem Modell, der Eingabe und den Fragen. Das Feld model spezifiziert gpt-6-luna. Das Feld input enthält die gemeinsame Evidenz, die entweder ein Textstring oder Nutzernachrichten einschließlich Bildern sein kann. Das Array questions definiert, was das Modell bewerten soll, einschließlich Anweisungen und erlaubter Ausgaben. Jede Frage muss einen eindeutigen Namen haben, den die API in der Antwort zurückschickt, um die Zuordnung der Antworten zu den Abfragen zu erleichtern.

Entwickler können je nach erforderlicher Entscheidungslogik aus drei Fragetypen wählen. Ein Typ predicate prüft, ob eine Bedingung wahr ist, und gibt eine Wahrscheinlichkeit zwischen 0 und 1 zurück. Dies ist nützlich für binäre Prüfungen wie die Erkennung sichtbarer Schäden auf einem Foto. Ein Typ choice wählt eine Option aus einer festen Menge aus, beispielsweise die Kategorisierung eines Support-Tickets nach Abteilung. Ein Typ score bewertet die Eingabe gegen geordnete Stufen, wie etwa die Schwere eines Problems. Score-Stufen beginnen bei Index 0, wobei 0 kosmetisch bedeutet, 1 bedeutet, dass ein Workaround existiert, und 2 bedeutet, dass das Problem vollständig blockiert ist. Der zurückgegebene Score ist ein gewichteter Durchschnitt dieser Indizes basierend auf Wahrscheinlichkeiten, was nuancierte Ergebnisse wie 1.1 ermöglicht.

Für komplexe Workflows können Entwickler mehrere unabhängige Fragen in einer einzigen Anfrage kombinieren. Beispielsweise kann ein Produktfoto gleichzeitig auf Schäden überprüft und nach Kategorie klassifiziert werden. Wenn jedoch eine Entscheidung von einer vorherigen Antwort abhängt, werden separate Anfragen empfohlen. OpenAI rät dazu, Fragen anhand beobachtbarer Kriterien zu formulieren und Schwellenwerte basierend auf den Kosten für falsch-positive und falsch-negative Ergebnisse in Ihrer spezifischen Anwendung festzulegen.

Wichtige Details

• Die Decisions API ist für Bewertungsaufgaben etwa 10x schneller als die Responses API.
• Die Kosten für Eingaben (Input) für gpt-6-luna auf diesem Endpoint betragen $0.10 pro 1 Million Tokens.
• Für Cache-Lesevorgänge, Cache-Schreibvorgänge oder Ausgabe-Tokens (Output) fallen auf diesem Endpoint keine Gebühren an.
• Regionale Verarbeitungszuschläge und Preis-Multiplikatoren für Long-Context-Eingaben gelten weiterhin.
• Die API unterstützt Zero Data Retention und HIPAA-Nutzung für berechtigte Kunden in den USA und Europa.
• Scores werden als gewichtete Durchschnitte der Level-Indizes berechnet, die bei 0 beginnen.

Warum das wichtig ist

Für Engineering-Teams, die produktive KI-Funktionen entwickeln, sind Latenz und Kosten kritische Einschränkungen. Traditionelle große Sprachmodelle generieren oft ausführliche Erklärungen, selbst wenn nur ein einfaches Ja/Nein oder ein Kategorie-Label benötigt wird. Die Decisions API eliminiert diesen Overhead und liefert strukturierte Daten, die direkt in die Anwendungslogik integriert werden können. Dies reduziert die Notwendigkeit von Nachverarbeitungsschritten zum Parsen natürlichsprachlicher Ausgaben, vereinfacht die Codebasis und verbessert die Zuverlässigkeit.

Die Fähigkeit, sowohl Text als auch Bilder in einem einzigen Bewertungsschritt zu verarbeiten, eröffnet neue Möglichkeiten für automatisierte Qualitätskontrolle und Triage. Support-Systeme können Tickets automatisch basierend auf Dringlichkeits-Scores weiterleiten, die aus Kundennachrichten abgeleitet werden. E-Commerce-Plattformen können beschädigte Waren aus hochgeladenen Nutzerfotos ohne menschliche Überprüfung markieren. Durch die Offenlegung von Konfidenzniveaus und Wahrscheinlichkeitsverteilungen ermöglicht die API Entwicklern, robustere Fallback-Mechanismen zu erstellen, sodass Entscheidungen mit geringer Konfidenz an menschliche Agenten weitergeleitet werden.

Was Sie tun können

• Aktualisieren Sie Ihr OpenAI SDK vor dem Testen auf die erforderliche Version für Ihren Sprachstack.
• Nutzen Sie das Playground, um verschiedene Fragetypen und Eingabeformate zu experimentieren.
• Definieren Sie klare, beobachtbare Kriterien für jede Frage, um die Genauigkeit des Modells zu verbessern.
• Legen Sie benutzerdefinierte Schwellenwerte für Routing-Entscheidungen basierend auf Ihrer Fehlertoleranz fest.
• Kombinieren Sie mehrere unabhängige Fragen in einer Anfrage, um API-Aufrufe zu reduzieren.
• Überprüfen Sie die Anforderungen zur Datenspeicherung, wenn Sie in Europa tätig sind oder Gesundheitsdaten verarbeiten.