※本記事は一次情報をもとにAI支援によって構成・作成し、事実関係の照合を行っています。
発表内容（事実）
OpenAIは、テキストや画像、あるいはその両方を評価し、型付きの回答を返す「Decisions API」を発表しました。Responses APIと比較して約10倍高速に動作し、条件が真である確率、固定の選択肢からの選択、評価基準に対するスコアを返します。これらの回答を活用して、コンテンツの分類、リクエストのルーティング、アプリケーション内の優先順位付けを行うことができます。
Decisions APIは現在パブリックベータとして提供されており、数週間以内にGA（一般提供）となる見込みです。現在利用可能なモデルはgpt-6-lunaのみで、専用のエンドポイントであるPOST /v1/decisionsを使用します。
この記事のポイント
- テキストや画像を評価し、Responses APIの約10倍の速度で型付きの回答を取得可能
- 条件の真偽、固定選択肢からの選択、評価基準に対するスコアの3種類の質問タイプをサポート
- パブリックベータとして提供中で、対応モデルは
gpt-6-lunaのみ - Python、JavaScript、Go、Ruby、Javaの各SDKの指定バージョン以上が必要
何が変わるのか
従来のResponses APIを用いたJSONスキーマに沿ったオブジェクト生成や関数呼び出しとは異なり、Decisions APIは「条件の真偽判定」「カテゴリ選択」「順序付きレベルのスコア化」といった特定の判断タスクに特化しています。これにより、コンテンツ分類やルーティングなどの処理をより高速かつ効率的に実行できるようになります。
質問のタイプには以下の3つが用意されています。
- predicate: 条件のチェック（例: 可視的な損傷やパッセージの関連性）。0から1までの確率（
probability）を返します。 - choice: 順序のない選択肢からの選択（例: 部門やコンテンツカテゴリ）。指定した値のいずれか（
choice）を返します。 - score: 順序付きレベルに対する評価（例: 問題の深刻度）。確率で重み付けされたレベルインデックスの平均値（
score）を返します。
実践するには
Decisions APIのリクエストには、model（現在はgpt-6-lunaのみ）、input（テキスト文字列、またはテキストと画像を含むユーザーメッセージ）、そして各質問のタイプや指示、許可された選択肢を含むquestionsの3つのパートが含まれます。各質問には一意の名前を付与し、APIのレスポンス内で識別できるようにします。
SDKのサンプルを実行するには、以下のバージョンまたはそれ以降を使用する必要があります。
- Python: 3.26.0以降
- JavaScript: 7.30.0以降
- Go: 3.73.0以降
- Ruby: 0.101.0以降
- Java: 4.78.0以降
コードを記述する前に、Playgroundで質問や入力を試すことが可能です。
考えられる実例
公式に示されている利用例としては、商品写真に含まれるひび割れ、破れ、凹みなどの可視的な損傷をpredicate質問を用いてチェックすることが挙げられます。また、コンテンツの分類、リクエストのルーティング、アプリケーションにおける作業の優先順位付けにも利用できます。
筆者が考える活用例としては、カスタマーサポートに届いた画像付きの問い合わせに対し、深刻度をscoreタイプで自動算出して優先度を即座に判定させたり、流入したテキストのカテゴリをchoiceタイプで自動振り分けするワークフローへの組み込みが挙げられます。
考察（筆者の見解）
事実: Decisions APIはテキストや画像を評価し、Responses APIよりも約10倍高速に型付きの回答を返します。現在はパブリックベータであり、gpt-6-lunaモデルが利用可能です。
推測: このAPIは汎用的な文章生成ではなく、判定・分類タスクに特化して最適化されていると考えられます。そのため、応答速度が求められるリアルタイムなルーティングや大規模なデータ分類の現場において、従来の汎用モデルよりもコストやレイテンシの面で有利に働く可能性があります。
意見: 筆者は、AIを単なる文章生成ツールとしてだけでなく、アプリケーションの判断レイヤーとして組み込む上で、こうした特化型APIの登場は非常に実用的であると考えます。今後はさらに多くのモデルや判定タイプが追加されていくことが期待されます。
コメント