OpenAI lança Decisions API, 10x mais rápida com GPT-6 Luna

Introdução

A Decisions API OpenAI ficou disponível em 22 de outubro de 2026 com foco em decisões rápidas e estruturadas sobre texto, imagens e JSON, alimentada pelo GPT‑6 Luna. A promessa central é reduzir a latência de decisões em até 10x em relação ao uso do GPT‑6 Luna via Responses API, mantendo precisão comparável e custo menor por chamada. (openai.com)

Esse movimento importa porque times de produto e orquestrações de agentes fazem milhares de pequenas decisões por fluxo, como classificar entradas, rotear solicitações, decidir pelo próximo passo. Quando isso acontece em escala, cada milissegundo e cada centavo contam. A OpenAI posiciona a Decisions API para esse hot path, com endpoint dedicado, três tipos de resposta e controles de custo e residência de dados. (openai.com)

O que vem a seguir: o que a Decisions API é de fato, como funciona, quando usar versus outras opções, exemplos de uso reais, preços, integrações com GPT‑Live e um roteiro prático para ir de protótipo a produção com governança.

O que é a Decisions API e por que existe

A Decisions API abstrai tarefas de julgamento objetivo, onde a aplicação precisa de uma resposta tipada, e não de um texto livre. O fluxo é simples, define-se a pergunta com contexto, delimita-se o espaço de respostas e o modelo retorna um de três formatos possíveis: probability, choice ou score. Isso atende casos como, classificar risco de um comando, decidir se um agente continua a ação, escolher o departamento correto para um ticket, ou avaliar severidade de um bug. (openai.com)

• Tipos de resposta disponíveis:
  • predicate, estima a probabilidade de uma condição ser verdadeira e retorna probability de 0 a 1.
  • choice, escolhe um valor de uma lista definida e retorna choice com probabilidades e confiança.
  • score, calcula uma média ponderada para um nível em uma escala ordenada. (openai.com)

A arquitetura usa o GPT‑6 Luna, ajustado para decisões com espaço de saída delimitado. A OpenAI informa que, além do ganho de latência de até 10x frente ao uso do Luna pela Responses API, a GA trouxe caching aprimorado, integração nativa com GPT‑Live, e residência de inferência nos EUA e na UE, além de aumento de capacidade na Ásia. (openai.com)

O que mudou do beta para a GA

A página oficial de produto registra a transição para disponibilidade geral em 22 de outubro de 2026, com novidades como, integração nativa ao GPT‑Live, prompt caching para contextos reutilizados, suporte a JSON nativo no input e a inclusão de imagens nas instruções da pergunta, além de dobrar o limite para até 400 perguntas por requisição. Também há opção de residência de inferência em regiões dos EUA e da UE. (openai.com)

Na documentação, o endpoint oficial é POST /v1/decisions e, por ora, suporta exclusivamente o modelo gpt‑6‑luna. Os exemplos cobrem uso com texto, imagem, e input_json, além de SDKs em JavaScript, Python, Go e Java. (developers.openai.com)

Em termos de preço, a GA confirma cobrança apenas por tokens de entrada, com custo de 0,10 dólar por milhão de tokens de input, e cache-read a 0,01 dólar por milhão. Cache writes seguem a tabela padrão do Luna. Não há cobrança por tokens de saída no endpoint de decisões. (openai.com)

Integração com GPT‑Live e casos de uso de baixa latência

A Decisions API encaixa naturalmente em experiências de voz e agentes síncronos. Com a integração nativa com GPT‑Live, é possível, por exemplo, selecionar a expressão facial de um avatar conforme o usuário fala, usando um trigger de decisão com perguntas do tipo choice. A própria OpenAI fornece um snippet de configuração para triggers que reagem a deltas de transcrição, e descreve a emissão de eventos decision.event durante a sessão. (openai.com)

Esse padrão é essencial para, call centers com assistentes que decidem entre perguntar algo, rotear para o time certo ou escalar o caso. Em educação de línguas, a OpenAI cita redução do tempo até a próxima ação de 1,4 s para 0,13 s em testes com GPT‑Live, criando experiências mais interativas. (openai.com)

Exemplos reais reportados na página do produto

A OpenAI lista relatos de clientes e times internos medindo ganhos concretos:

• Box, uso do Decisions para classificar documentos de negócios e rotear etapas seguintes. Em 30 casos de certificados de seguro, o Decisions entregou cerca de 5x menos tempo de escolha de rota, com a mesma acurácia do Responses. (openai.com)
• Datadog, scoring de risco de comandos rshell antes de executar ações de remediação. O relato fala em p95 40x mais rápido com acurácia comparável a modelos de fronteira, viabilizando colocar decisões no hot path da automação. (openai.com)
• Ramp, atribuição de custos de IA por trabalho realizado, com 4x mais velocidade e 30 por cento menos custo por chamada em comparação com o GPT‑6 Luna usado via Responses. (openai.com)
• Sierra, orquestração de ações em conversas ao vivo, com p95 abaixo de 280 ms, aproximadamente 3x mais rápido e 90 por cento de redução de custo por chamada, preservando resultados. (openai.com)
• Speak, tempos críticos para aprendizagem de idiomas, com redução do tempo até a próxima ação em mais de 90 por cento quando integrado ao GPT‑Live. (openai.com)

Esses números não substituem sua própria avaliação, mas sinalizam onde a API brilha, fluxos discretos, limites claros de decisão e alto volume com orquestração de agentes.

Como funciona na prática, o contrato de chamada

O contrato é intencionalmente enxuto. A aplicação envia um array de mensagens em input, que pode incluir input_text, input_json e imagens públicas ou em base64. Fixa-se a lista de perguntas em questions, cada uma com type, name e instruções. O retorno inclui answers tipadas com probability, choice, confidence ou score conforme o tipo. O modelo recomendado é gpt‑6‑luna no endpoint POST /v1/decisions. (developers.openai.com)

Exemplo mínimo com choice, roteamento de ticket de suporte:

curl https://api.openai.com/v1/decisions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "input": "Fui cobrado duas vezes pelo meu pedido #48291",
    "questions": [{
      "type": "choice",
      "name": "departamento",
      "instructions": "Escolha o time correto para tratar o caso",
      "choices": [
        {"value": "faturamento"},
        {"value": "suporte"},
        {"value": "fraude"}
      ]
    }]
  }'

A documentação oficial traz variantes em JavaScript, Python, Go e Java, além de exemplos com imagens e input_json, úteis para cruzar evidências com registros de pedidos, currículos ou inventários. (developers.openai.com)

Quando usar Decisions, quando usar Responses ou Structured Outputs

• Use Decisions API quando a resposta é um julgamento tipado e o espaço de saída é limitado, por exemplo, rota A ou B, severidade em escala de 1 a 5, probabilidade de dano visível. A API é otimizada para latência, custo e volume. (openai.com)
• Use Responses com Structured Outputs quando precisa que o modelo gere objetos com campos livres, extrair informações, redigir um texto ou chamar ferramentas. A própria documentação contrasta Decisions com Structured Outputs para extrações e objetos sob schema. (developers.openai.com)

Em muitos sistemas, a arquitetura combinada funciona melhor, Decisions decide o próximo passo e Responses executa tarefas abertas, como redigir um e-mail ou extrair itens.

Performance, latência e throughput

O documento de produto destaca ganhos de até 10x em latência em relação ao Luna via Responses, o que permite colocar o endpoint no hot path de workflows críticos. Casos reportados citam p95 abaixo de 280 ms em produção com Sierra, e melhoria de interatividade expressiva em cenários de voz. Esses números variam conforme região, carga e caching, então é recomendável instrumentar p50, p90 e p95, além de habilitar prompt caching para contextos repetidos. (openai.com)

Em termos de limites, o uso do gpt‑6‑luna no ecossistema OpenAI tem tiers de RPM e TPM por plano, e o modelo oferece contexto de até cerca de 1,05 milhão de tokens. Esses parâmetros importam para lotes de avaliação e cenários de alta concorrência. Consulte a página do modelo para detalhes e tiers. (developers.openai.com)

Preços, caching e residência de dados

• Preço base, 0,10 dólar por milhão de tokens de entrada no endpoint de decisões. Não há custo por tokens de saída. (openai.com)
• Cache-read, 0,01 dólar por milhão de tokens. Cache-write segue a tabela do Luna, com multiplicadores indicados na página do modelo. (developers.openai.com)
• Processamento regional, disponível em EUA e UE, com prêmio de preço em regiões específicas, e Zero Data Retention para clientes elegíveis. (openai.com)

Para reduzir custo e latência, centralize instruções invariantes e exemplos em um bloco cacheável, e envie apenas evidências novas por requisição. Em lotes, use flex ou batch quando o SLA permitir, já que tiers de processamento podem reduzir preço conforme a página do modelo. (developers.openai.com)

Integrações e ecossistema

• GPT‑Live, integração nativa, ideal para voz e experiências síncronas onde a decisão precisa chegar em milissegundos, como controlar estados de UI, emoções de avatares e microdegraus em diálogo. (openai.com)
• SDKs e Playground, há SDKs oficiais e um Decisions Playground para testar com texto e imagem, além de guias passo a passo para o primeiro request. (openai.com)
• Modelos relacionados, GPT‑6 Luna é o motor por trás do endpoint, com pricing e limites próprios quando usado fora de Decisions, por exemplo, via Responses. (developers.openai.com)

Boas práticas de implementação

• Defina perguntas curtas e objetivas, descrevendo exatamente o que o modelo deve avaliar. Evite instruções ambíguas.
• Delimite o espaço de respostas, reduza choices a opções não sobrepostas e use labels claros.
• Para predicate, normalize decisões de corte, por exemplo, probability maior que 0,8 significa ação automática, abaixo aciona revisão humana. Logue probability e confidence para auditoria.
• Para score, descreva níveis com rótulos e descrições, como em escalas de severidade. Os exemplos oficiais mostram como configurar isso. (developers.openai.com)
• Habilite prompt caching quando houver instruções e exemplos repetidos. Em cenários de alta rotatividade, o ganho de custo e latência é material. (openai.com)
• Faça canary e shadow mode antes de colocar o Decisions no hot path. Compare resultados com seu baseline e modelos alternativos.
• Traceie métricas, p50, p90, p95, taxas de desacordo humano vs máquina, e impacto de caching.
• Versione prompts e esquemas de perguntas. Pequenas alterações em instruções podem impactar o comportamento do classificador.

Compliance, governança e dados sensíveis

A OpenAI informa suporte a residência de inferência nos EUA e na UE, além de Zero Data Retention para clientes elegíveis, que evita reter dados de requisições. Em ambientes regulados, combine isso com mascaramento de dados, políticas de retenção no seu lado e trilhas de auditoria para decisões automáticas e encaminhamentos. (openai.com)

Avaliações internas devem verificar viés, robustez e calibração de probability. Para escolhas críticas, imponha revisão humana obrigatória em confidences baixas e crie fallback para Responses ou fluxos manuais.

Roadmap prático em 7 passos

1. Identifique uma decisão recorrente de alto volume, por exemplo, roteamento de tickets, triagem de risco, verificação de qualidade visual. (openai.com)
2. Construa um conjunto de validação com dados reais, balanceado em classes e casos limítrofes.
3. Modele perguntas e respostas, use levels para score e descreva critérios de forma inequívoca.
4. Prototipe no Decisions Playground, fixe o contrato de saída e thresholds de probability. (openai.com)
5. Habilite caching para blocos estáveis, e compare custo e latência com e sem cache. (developers.openai.com)
6. Integre ao GPT‑Live se houver voz ou UX síncrona, e teste interrupções e mid-turn steering. (openai.com)
7. Faça rollout gradual com métricas de qualidade e auditoria, e documente exceções e overruling humano.

Limitações e pontos de atenção

• Cobertura de modelo, o endpoint suporta apenas o gpt‑6‑luna neste momento. Planeje contingências caso precise de outra família de modelos. (developers.openai.com)
• Explicabilidade, as respostas são tipadas e curtas por design, tenha trilhas de evidência, logs de probability e critérios claros para revisão.
• Dependência de prompt, mudanças em instruções e exemplos podem afetar a calibração. Use versionamento e testes A/B.
• Custos sob contexto muito grande, o Luna admite janelas extensas, mas multiplicadores de preço podem incidir para prompts longos. Arquiteturas que enviam apenas deltas e usam cache mitigam isso. (developers.openai.com)

Conclusão

A Decisions API OpenAI resolve um problema de engenharia que apareceu com a adoção de agentes, muitos pequenos julgamentos por fluxo. Encapsular decisões em um endpoint com respostas tipadas, latência baixa e custo previsível muda a equação econômica de recursos que antes dependiam de chamadas de geração de texto.

A combinação com GPT‑Live mostra que decisões de milissegundos habilitam novas experiências, como avatares reativos e atendimento que se adapta na fala. O caminho responsável passa por avaliação contínua, dado que o ganho de velocidade só faz sentido se vier com governança, thresholds bem definidos e revisão humana onde importa. (openai.com)