OpenAI Decisions API. Jak działa, ile kosztuje i do czego się nadaje

Czym jest Decisions API

Decisions API służy do zadań, w których od modelu nie oczekuje się tekstu, tylko decyzji. Przykłady podawane przez OpenAI to wykrywanie uszkodzeń na zdjęciach, kierowanie zgłoszeń klientów do właściwego działu i klasyfikacja dokumentów. Zamiast prosić model o odpowiedź w formacie JSON i parsować wynik, programista definiuje pytania, a API zwraca typowaną odpowiedź z prawdopodobieństwami.

OpenAI zapowiedziało tę usługę podczas DevDay pod koniec września 2026 roku. Wpis w dzienniku zmian API z 6 października 2026 roku potwierdza start publicznej bety. Do korzystania potrzebne są aktualne wersje oficjalnych bibliotek, m.in. Python 3.26.0 i JavaScript 7.30.0.

Trzy typy pytań i format odpowiedzi

Zapytanie składa się z trzech elementów: nazwy modelu, materiału do oceny (input) i listy pytań (questions). W jednym zapytaniu można zadać kilka pytań, każde z własnym typem, nazwą i instrukcją. Dokumentacja opisuje trzy typy:

• Predicate - zwraca prawdopodobieństwo od 0 do 1, że opisany warunek jest spełniony, np. czy na zdjęciu widać pękniętą obudowę.
• Choice - wybiera jedną opcję z zamkniętej listy kategorii i podaje poziom pewności oraz rozkład prawdopodobieństwa dla każdej opcji.
• Score - ocenia materiał w uporządkowanej skali i zwraca średnią ważoną prawdopodobieństwami, np. pilność zgłoszenia od niskiej do krytycznej.

Ile kosztuje Decisions API

Cennik jest prosty: 0,10 USD za milion tokenów wejściowych, czyli ok. 0,39 zł po kursie NBP z 7 października 2026 roku (1 USD = 3,9111 zł). Za tokeny wyjściowe, odczyt i zapis pamięci podręcznej OpenAI nie pobiera opłat. Do ceny bazowej mogą dojść dopłaty za przetwarzanie danych w wybranym regionie oraz mnożniki dla długiego kontekstu, których stawek opis usługi nie podaje bezpośrednio.

Dla porównania sam model gpt-6-luna w Responses API kosztuje tyle samo za wejście, ale nalicza też opłaty za tokeny wyjściowe. W naszym szacunku sklep internetowy, który klasyfikuje 100 tys. wiadomości od klientów po ok. 500 tokenów każda, zużyje 50 mln tokenów wejściowych. Przy cenie bazowej oznacza to ok. 5 USD, czyli niecałe 20 zł netto, bez dopłat regionalnych. Obrazy zużywają więcej tokenów niż krótki tekst, więc koszt analizy zdjęć trzeba sprawdzić na własnej próbce.

Dane w Europie, ZDR i HIPAA

Decisions API obsługuje tryb Zero Data Retention (ZDR), w którym OpenAI nie przechowuje treści zapytań, oraz zgodność z amerykańską ustawą HIPAA dla uprawnionych klientów. Dostępne jest też przetwarzanie danych w Europie, obejmującej Europejski Obszar Gospodarczy i Szwajcarię. Dla polskich firm ma to znaczenie przy klasyfikacji dokumentów zawierających dane osobowe, choć sam wybór regionu nie zastępuje umowy powierzenia i oceny zgodności z RODO.

Nowe poziomy użycia API: Build, Launch i Grow

Razem z Decisions API OpenAI uprościło system poziomów użycia. Zamiast pięciu płatnych progów od Tier 1 do Tier 5 są trzy, a poziom konta nadal rośnie automatycznie wraz z sumą zakupionych kredytów. Obecne progi według dokumentacji limitów:

• Free - dla kont z obsługiwanych krajów, miesięczny limit wydatków 100 USD.
• Build - po zakupie kredytów za 5 USD, limit 500 USD miesięcznie.
• Launch - po zakupie kredytów za 100 USD, limit 5000 USD miesięcznie.
• Grow - po zakupie kredytów za 500 USD, limit 200 tys. USD miesięcznie i do 30 tys. zapytań na minutę dla modelu Luna.

Ograniczenia bety

Usługa jest w fazie beta, więc format odpowiedzi i limity mogą się jeszcze zmienić przed pełną dostępnością. Na razie działa tylko z jednym modelem. Obrazy trzeba przesyłać bezpośrednio w zapytaniu, co przy dużych plikach zwiększa ruch sieciowy. Deklarowane dziesięciokrotne przyspieszenie to dane OpenAI, których nie zweryfikowaliśmy we własnym teście.

Dokumentacja zaleca kilka praktyk: pytania typu predicate stosować do warunków, które da się zaobserwować, dodawać opcję w rodzaju „inne” dla przypadków granicznych, progi decyzyjne ustalać na oznaczonych przykładach, a pytania zależne od siebie zadawać w osobnych zapytaniach. Przed wdrożeniem warto sprawdzić skuteczność na kilkuset własnych przykładach, zwłaszcza w języku polskim, i zostawić człowiekowi decyzje o wysokim ryzyku.