OpenAI Decisions API: Strukturierte Logik ohne Ausgabetoken-Kosten
Die Decisions API ist ein spezialisierter Endpunkt, der feste Prüfungen und Klassifizierungen als strukturierte Daten liefert. Auf Basis von gpt-6-luna arbeitet er bis zu 10-mal schneller als Textmodelle und verlangt keine Gebühren für Ausgabetokens.
OpenAI hat am 22. Okt. 2026 die allgemeine Verfügbarkeit der Decisions API (POST /v1/decisions) bekannt gegeben. Der Endpunkt ist für deterministische Verzweigungen, Auswertungen und Klassifizierungen konzipiert. Statt ein Chat-Modell Fließtext generieren zu lassen und das Ergebnis mühsam per Regex oder JSON-Schema zu parsen, ermittelt die Schnittstelle Wahrscheinlichkeiten und Auswahlen direkt aus den Eingabedaten.
Unterschiede zur Chat-API und Preisstruktur
Während die reguläre Responses API auf freie Textantworten und Codeerstellung ausgelegt ist, dient die Decisions API der gezielten Steuerung von Programmabläufen.
| Merkmal | Standard Responses API | Decisions API |
|---|---|---|
| Hauptaufgabe | Fließtext, Konversation, Code | Bedingungen, Klassifizierung, Scores |
| Modellunterstützung | Breit gefächert (GPT-4o, o-Serie) | Ausschließlich dediziertes gpt-6-luna |
| Antwortzeit | Normale Textgenerierung | Bis zu 10-mal schneller (deutlich niedrigeres p95) |
| Ausgabekosten | Reguläre Token-Abrechnung | 0 US-Dollar (0 Euro) |
| Eingabekosten | Variiert je nach Modell | 0,10 US-Dollar (rund 0,09 Euro) je 1 Mio. Tokens |
Der größte finanzielle Unterschied liegt im Wegfall von Ausgabekosten: Tokens (ein kleines Textstück, etwa ein Wortteil, das KI-Modelle lesen und schreiben) werden am Ausgang nicht berechnet. Da der Endpunkt keine Texte Zeichen für Zeichen streamt, sondern berechnete JSON-Werte zurückgibt, fallen lediglich die Basiskosten für Eingaben in Höhe von 0,10 US-Dollar (rund 0,09 Euro) pro Million Tokens an. Wiederkehrende Anweisungen profitieren zudem von Vergünstigungen durch Prompt-Caching.
Drei Fragetypen und Systemintegrationen
Ein einzelner Aufruf verarbeitet eine Eingabe (Text, Bild-URLs, Base64 oder input_json) zusammen mit bis zu 400 Fragen gleichzeitig. Die Fragen lassen sich in drei Kategorien unterteilen:
- Bedingungsprüfung (predicate): Bewertet, ob eine Aussage wahr oder falsch ist, und gibt eine Wahrscheinlichkeit zwischen 0 und 1 aus (etwa ob ein Schadensfoto physische Defekte aufweist).
- Mehrfachauswahl (choice): Wählt die passendste Option aus einer vorgegebenen Liste und liefert Wahrscheinlichkeits- und Konfidenzwerte (beispielsweise zur Zuweisung von Support-Tickets).
- Rubrikbewertung (score): Bewertet Eingaben anhand einer Skala von zwei bis zehn vordefinierten Abstufungen.
Der Endpunkt ist außerdem direkt in GPT-Live für Echtzeit-Sprachanwendungen integriert. So lassen sich Nutzerabsichten während eines laufenden Gesprächs ohne spürbare Verzögerung klassifizieren oder Reaktionen eines Avatars steuern.
Geeignete Einsatzfelder und Grenzen
Die Stärke der Decisions API liegt in zeitkritischen Hot-Paths innerhalb von Software-Pipelines.
Sie eignet sich als Absicherung vor riskanten Aktionen autonomer Agenten, für die automatische Vorselektion von Support-Anfragen sowie zur Moderation unerwünschter Inhalte in Echtzeit.
Für Aufgaben, die ausführliche Erklärungen oder dialogische Antworten verlangen, lässt sich der Endpunkt bauartbedingt nicht einsetzen. Zudem unterstützt die Schnittstelle derzeit ausschließlich das kompakte Modell gpt-6-luna. Tiefgehende logische Schlussfolgerungen oder anspruchsvolle Programmieraufgaben bleiben weiterhin den spezialisierten Reasoning-Modellen vorbehalten.
Vergleich mit bestehenden Alternativen
Entwicklerteams haben Routing- und Triage-Aufgaben bisher über unterschiedliche Schichten gelöst, die jeweils eigene Vor- und Nachteile aufweisen:
- Embedding-basierte Semantic Router: Open-Source-Bibliotheken wie semantic-router vergleichen Vektoren lokal im Speicher. Sie arbeiten im Mikrosekundenbereich und verursachen keine Netzwerkkosten, sind jedoch auf reine Textähnlichkeit beschränkt und können weder komplexe Rubriken bewerten noch Bilder prüfen.
- Spezialisierte Text-Klassifizierer (wie Cohere Classify): Etablierte Klassifizierungs-Endpunkte zeichnen sich durch stabile Zuordnungen anhand weniger Beispiele aus, bleiben jedoch textgebunden und unterstützen keine 400 heterogenen Fragen zu multimodalen Daten in einem Aufruf.
- Dedizierte Entscheidungsmodelle (wie Jev): Nicht-generative Modelle zur reinen Wahrscheinlichkeitsausgabe existieren bereits, doch OpenAI punktet hier mit nativer Bildunterstützung, Caching und der direkten Anbindung an die Spracharchitektur von GPT-Live.
Die Euro-Umrechnung folgt dem Kurs vom 23. Okt. 2026 (1 US-Dollar ≈ 0,89 Euro) und ist gerundet.
Quellen
Quelle: developers.openai.com