OpenAI lanza Decisions API: lógica estructurada sin coste de salida
La Decisions API es un punto de conexión especializado que devuelve evaluaciones y clasificaciones tipadas como datos estructurados. Funciona sobre gpt-6-luna hasta 10 veces más rápido que los modelos conversacionales y no aplica cargos por tokens de salida.
OpenAI anunció el 22 oct 2026 la disponibilidad general de su Decisions API (POST /v1/decisions), un servicio optimizado para tareas de enrutamiento determinista, evaluación y clasificación. En lugar de pedir a un modelo de chat que redacte texto para luego procesarlo con expresiones regulares o esquemas JSON, la API evalúa directamente probabilidades y opciones estructuradas a partir de los datos recibidos.
Diferencias con la API de chat y estructura de precios
Mientras que la Responses API convencional está orientada a la generación abierta de texto y código, la Decisions API se enfoca estrictamente en evaluar condiciones para dirigir la lógica de un programa.
| Parámetro | Responses API estándar | Decisions API |
|---|---|---|
| Finalidad principal | Redacción libre, diálogo, código | Evaluación de condiciones, selección, notas |
| Modelos compatibles | Diversos (GPT-4o, serie o, etc.) | Exclusivo para gpt-6-luna |
| Tiempo de respuesta | Velocidad estándar de generación | Hasta 10 veces más rápido (menor latencia p95) |
| Coste de salida | Facturación habitual por token | 0 dólares (0 euros) |
| Coste de entrada | Variable según el modelo | 0,10 dólares (unos 0,09 euros) por millón de tokens |
La principal ventaja financiera radica en la ausencia de costes de salida: los tokens (un fragmento pequeño de texto, aproximadamente parte de una palabra, que los modelos de IA leen y escriben) generados no se cobran. Dado que el servicio devuelve matrices JSON calculadas internamente sin transmitir texto carácter a carácter, los desarrolladores solo abonan el precio base de entrada de 0,10 dólares (unos 0,09 euros) por millón de tokens. Las instrucciones de sistema habituales se benefician además de descuentos por almacenamiento en caché de peticiones (prompt caching).
Tres tipos de evaluación e integraciones de plataforma
Cada llamada admite un conjunto de datos compartido (texto, URLs de imágenes, base64 o input_json) junto con una lista de hasta 400 preguntas simultáneas. Las preguntas se agrupan en tres modalidades:
- Predicado (predicate): comprueba si una condición es verdadera o falsa y devuelve una probabilidad entre 0 y 1 (por ejemplo, para verificar si la foto de un producto muestra daños físicos).
- Elección (choice): selecciona la opción más adecuada de una lista predefinida y asigna probabilidades y niveles de confianza a cada alternativa (como enrutar un mensaje al departamento correspondiente).
- Rúbrica (score): puntúa la información de entrada con arreglo a una escala de dos a diez niveles ordenados.
La interfaz se integra de forma nativa con GPT-Live para aplicaciones de voz en tiempo real. Esto permite clasificar la intención del usuario o modificar las expresiones de un avatar digital en plena conversación sin introducir demoras perceptibles.
Casos de uso idóneos y limitaciones técnicas
La principal fortaleza de la Decisions API se encuentra en los flujos críticos de ejecución donde la latencia es determinante.
Resulta idónea como filtro de validación antes de que un agente autónomo ejecute acciones comprometidas, para la clasificación masiva de solicitudes de atención al cliente y para la moderación de contenidos en directo.
Por el contrario, no puede emplearse en tareas que requieran explicaciones detalladas o respuestas conversacionales, ya que su formato de salida está limitado por diseño. Asimismo, en la actualidad solo es compatible con el modelo ligero gpt-6-luna; los razonamientos lógicos complejos y la programación avanzada siguen correspondiendo a los modelos de razonamiento especializados.
Comparativa con las alternativas actuales
Los equipos de ingeniería han resuelto tradicionalmente estas tareas mediante diferentes mecanismos técnicos, cada uno con sus propios compromisos:
- Enrutadores semánticos basados en embeddings: librerías de código abierto como semantic-router comparan vectores en memoria local. Se ejecutan en microsegundos y sin costes de red, pero se limitan a la proximidad semántica de texto y no pueden evaluar rúbricas complejas ni procesar imágenes.
- Clasificadores de texto especializados (como Cohere Classify): destacan en el etiquetado de texto a partir de pocos ejemplos de entrenamiento, pero permanecen restringidos al texto y no admiten 400 preguntas heterogéneas sobre datos multimodales en una sola llamada.
- Modelos de decisión puros (como Jev): modelos compactos no generativos que introdujeron la salida directa de probabilidades, aunque OpenAI se diferencia aquí al incorporar soporte nativo para imágenes, caché de peticiones e integración con el canal de audio de GPT-Live.
La conversión a euros sigue el tipo de cambio del 23 de octubre (1 dólar ≈ 0,89 euros) y está redondeada.
Fuentes
Fuente: developers.openai.com