OpenAI ha lanzado la API Decisions en beta pública, ofreciendo un endpoint dedicado para la evaluación rápida de entradas de texto e imagen. Según la documentación oficial, el servicio está actualmente limitado al modelo gpt-6-luna, con un lanzamiento de disponibilidad general esperado en las próximas semanas.

Logotipo de la API Decisions de OpenAI que muestra la palabra Decisions y el emblema de OpenAI
El logotipo de la API Decisions de OpenAI simboliza el endpoint dedicado para la evaluación rápida de entradas de texto e imagen.developers.openai.com

Esta imagen muestra el logotipo de la API Decisions de OpenAI, que corresponde a la API mencionada en el primer párrafo que detalla su lanzamiento en beta pública y la limitación al modelo gpt-6-luna.

Cada solicitud especifica el modelo, la entrada (texto o mensajes de usuario que contienen texto e imágenes), y una o más preguntas para evaluar. Los desarrolladores pueden elegir preguntas de predicción que devuelven una estimación de probabilidad (0–1) para una condición, preguntas de opción que seleccionan una categoría de una lista predefinida, o preguntas de puntuación que califican una entrada frente a niveles ordenados y devuelven un promedio ponderado por probabilidad. La API devuelve un array de respuestas donde cada respuesta incluye un nombre único, tipo y el resultado relevante, habilitando flujos de trabajo multimodales y de múltiples preguntas.

Un complemento LLM mantenido por la comunidad simplifica el uso desde la línea de comandos, permitiendo consultas en lenguaje natural como '¿Este mensaje solicita explícitamente un reembolso?' o '¿Qué tan grave es este problema?' y devolviendo JSON estructurado con probabilidades, opciones o puntuaciones. Este complemento demuestra cómo los desarrolladores pueden integrar la API Decisions con herramientas existentes mientras el servicio permanece en beta.

OpenAI afirma que la API Decisions devuelve respuestas tipadas aproximadamente diez veces más rápido que la existente API Responses, abordando casos de uso sensibles a la latencia como la moderación de contenido en tiempo real o el enrutamiento. Esta mejora de rendimiento se destaca en la documentación como una motivación clave para el endpoint dedicado.