Decisions API اوپن‌ای‌آی عمومی شد؛ تصمیم‌گیری سریع و ارزان با ۰٫۱۰ دلار برای هر میلیون توکن

شرکت OpenAI رابط برنامه‌نویسی Decisions API را برای همه‌ی توسعه‌دهندگان در دسترس قرار داد؛ ابزاری که به‌جای تولید متن طولانی، فقط تصمیم‌های کوتاه و ساختاریافته می‌گیرد، با قیمت ۰٫۱۰ دلار به ازای هر یک میلیون توکن ورودی و بدون هزینه‌ی خروجی.

۱. ماجرا چیست و چه زمانی اعلام شد؟

شرکت OpenAI روز ۲۲ اکتبر ۲۰۲۶ اعلام کرد که Decisions API دیگر در حالت آزمایشی نیست و برای همه‌ی توسعه‌دهندگان به‌صورت عمومی عرضه می‌شود. مسیر این محصول کوتاه بود: نخست در رویداد DevDay به تاریخ ۲۹ سپتامبر به‌صورت پیش‌نمایش محدود معرفی شد، سپس در ششم اکتبر وارد بتای عمومی شد و حالا، حدود دو هفته بعد، به نسخه‌ی نهایی رسیده است.

شعار خود شرکت برای این سرویس ساده است: تصمیم‌های سریع، متمرکز و کم‌هزینه برای هر برنامه. ایده‌ی اصلی این است که خیلی از کارهایی که امروز با یک مدل زبانی بزرگ انجام می‌شود، در واقع نیازی به نوشتن پاسخ کامل ندارد. گاهی فقط باید بدانید یک پیام اسپم است یا نه، یک تراکنش در کدام دسته می‌گنجد، یا یک درخواست باید به کدام تیم برود.

اگر تازه با دنیای OpenAI آشنا شده‌اید، پیشنهاد می‌کنیم مقاله‌ی OpenAI چیست را هم بخوانید تا تصویر کلی‌تری از این شرکت داشته باشید.

۲. Decisions API دقیقاً چه کاری انجام می‌دهد؟

این رابط برنامه‌نویسی برای پرسش‌هایی ساخته شده که جواب‌شان محدود و از پیش مشخص است. شما یک سؤال تعریف می‌کنید، پاسخ‌های مجاز را مشخص می‌کنید و بعد زمینه‌ی لازم را به‌صورت متن، تصویر یا داده‌ی JSON می‌فرستید. مدل به‌جای نوشتن یک پاسخ بلند، یک خروجی ساختاریافته برمی‌گرداند.

موتور پشت این سرویس مدل GPT-6 Luna است. تفاوت اصلی با استفاده‌ی معمول از مدل در Responses API این است که اینجا مدل مجبور نیست «فکر کند و بنویسد»؛ فقط باید تصمیم بگیرد. همین محدودیت است که سرعت را بالا می‌برد و هزینه را پایین می‌آورد.

شرکت OpenAI می‌گوید برای تصمیم‌های محدود، این روش می‌تواند تا ۱۰ برابر سریع‌تر از اجرای همان مدل از مسیر Responses API باشد. البته این عدد سقف ادعاست و در موقعیت‌های مختلف متفاوت خواهد بود، ولی جهت کلی روشن است: وقتی خروجی کوتاه باشد، تأخیر هم کوتاه می‌شود.

۳. سه نوع پاسخ: گزاره، انتخاب و امتیاز

خروجی Decisions API در سه قالب اصلی برمی‌گردد و هر کدام به کار مشخصی می‌آید.

گزاره (Predicate)

در این حالت مدل احتمالی بین صفر و یک می‌دهد که یک شرط درست است. مثلاً «آیا این پیام شکایت مشتری است؟» و جواب ممکن است ۰٫۹۲ باشد. شما خودتان تصمیم می‌گیرید آستانه کجا باشد.

انتخاب (Choice)

اینجا مدل یکی از مقدارهای از پیش تعریف‌شده را برمی‌گرداند و همراه آن احتمال و میزان اطمینان هم می‌دهد. برای مسیریابی درخواست‌ها بین چند تیم یا دسته‌بندی اسناد مناسب است.

امتیاز (Score)

در حالت سوم، مدل میانگینی وزن‌دار بر اساس احتمال سطوح یک مقیاس ترتیبی می‌دهد. مثلاً برای سنجش کیفیت یک پاسخ یا میزان ریسک یک دستور، می‌توانید سطوح «کم، متوسط، زیاد» تعریف کنید و یک عدد پیوسته بگیرید.

مزیت مهم این قالب‌ها این است که کد شما دیگر لازم نیست متن آزاد را تجزیه کند. خروجی از همان ابتدا ساختاریافته است و می‌شود مستقیم در منطق برنامه استفاده کرد.

۴. قیمت: فقط ورودی پول دارد

قیمت‌گذاری شاید جذاب‌ترین بخش ماجرا باشد. طبق اعلام رسمی، هر یک میلیون توکن ورودی ۰٫۱۰ دلار هزینه دارد و اگر از ورودی ذخیره‌شده (کش) استفاده کنید، این عدد به ۰٫۰۱ دلار برای هر یک میلیون توکن می‌رسد. برای توکن‌های خروجی هیچ هزینه‌ای دریافت نمی‌شود.

این یعنی هزینه‌ی هر تماس فقط به حجم زمینه‌ای بستگی دارد که می‌فرستید. گزینه‌های ذخیره‌ی کش با مدت‌های ۳۰ دقیقه و ۱۲ ساعت هم وجود دارد و جزئیاتشان در راهنمای قیمت‌گذاری جداگانه آمده است.

برای تصمیم‌های پرتکرار، مثل دسته‌بندی میلیون‌ها تراکنش در روز، چنین ساختاری می‌تواند صورت‌حساب را به‌شکل محسوسی کوچک کند. اگر در کسب‌وکار از مدل‌های زبانی استفاده می‌کنید، حتماً نقش هوش مصنوعی در کسب‌وکار را هم مرور کنید.

۵. قابلیت‌های جدید نسبت به نسخه‌ی بتا

از زمان بتا، چند قابلیت مهم به این سرویس اضافه شده است. فهرست زیر خلاصه‌ی همان چیزی است که شرکت OpenAI اعلام کرده:

• یکپارچگی بومی با GPT-Live برای برنامه‌های صوتی که باید هم‌زمان با صحبت کاربر واکنش نشان دهند.
• کش کردن پرامپت برای کاهش هزینه، وقتی زمینه‌ی مشابهی را بارها استفاده می‌کنید.
• پردازش منطقه‌ای در آمریکا و اروپا برای کسانی که محل پردازش داده‌شان مهم است.
• ورودی بومی JSON و امکان قرار دادن تصویر در دستورالعمل‌ها.
• ارسال تا ۴۰۰ سؤال در یک درخواست.
• ظرفیت بیشتر در چند منطقه‌ی آسیایی.

قابلیت ۴۰۰ سؤال در هر درخواست برای کارهای دسته‌ای اهمیت دارد. به‌جای چند صد تماس جداگانه، می‌توانید یک سند یا یک مکالمه را هم‌زمان از چندین زاویه ارزیابی کنید.

۶. سرعت در عمل: تجربه‌ی شرکت‌های اولیه

شرکت OpenAI چند نمونه‌ی مشتری را در معرفی این سرویس ذکر کرده است. شرکت Sierra تأخیر صدک ۹۵ را کمتر از ۲۸۰ میلی‌ثانیه گزارش کرده، شرکت Datadog برای امتیازدهی ریسک دستورها صدک ۹۵ سریع‌تری به میزان ۴۰ برابر دیده و شرکت Speak در محصول صوتی خود تأخیر را از ۱٫۴ ثانیه به ۰٫۱۳ ثانیه رسانده است.

این ارقام از سوی خود شرکت‌ها و OpenAI منتشر شده و مستقل راستی‌آزمایی نشده‌اند، پس بهتر است آن‌ها را نشانه‌ی جهت کلی بدانید، نه تضمین برای پروژه‌ی خودتان. در نمایش‌های عمومی هم تأخیر حدود ۱۵۰ میلی‌ثانیه گزارش شده است.

برای برنامه‌های صوتی این تفاوت حیاتی است. وقتی کاربر در حال صحبت است، چند صد میلی‌ثانیه تأخیر می‌تواند فرق بین یک گفتگوی طبیعی و یک مکالمه‌ی کند و آزاردهنده باشد.

۷. چه کارهایی را می‌شود با آن ساخت؟

موارد استفاده‌ای که شرکت OpenAI ذکر کرده شامل دسته‌بندی تراکنش‌ها، محاسبه‌ی هزینه‌ی مصرف هوش مصنوعی به تفکیک تیم یا محصول، مسیریابی اسناد، امتیازدهی ریسک دستورهای خط فرمان و انتخاب اقدام بعدی در مکالمه‌های زنده با مشتری است.

در حوزه‌ی صوتی هم نمونه‌هایی آمده است، مانند انتخاب حالت چهره‌ی یک آواتار یا تصمیم‌گیری درباره‌ی اینکه ربات باید سؤال روشن‌کننده بپرسد یا مکالمه را به انسان بسپارد.

اگر خودتان توسعه‌دهنده یا صاحب یک کسب‌وکار کوچک هستید، چند ایده‌ی ساده برای شروع:

• تشخیص خودکار اولویت تیکت‌های پشتیبانی و ارجاع آن‌ها به تیم درست.
• دسته‌بندی ایمیل‌ها و پیام‌های ورودی پیش از رسیدن به کارمند.
• فیلتر کردن محتوای نامناسب در نظرها و فرم‌ها.
• امتیازدهی سریع به لیدهای فروش بر اساس متن درخواست.

برای درک بهتر محدودیت‌ها و ظرفیت‌های واقعی چنین ابزارهایی، پتانسیل و محدودیت‌های هوش مصنوعی در دنیای واقعی مطلب مفیدی است.

۸. امنیت، حریم خصوصی و محل پردازش

برای شرکت‌هایی که با داده‌ی حساس سروکار دارند، دو نکته مهم است. نخست اینکه پردازش منطقه‌ای در آمریکا و اروپا ارائه می‌شود. دوم اینکه گزینه‌ی عدم نگهداری داده (Zero Data Retention) برای مشتریان واجد شرایط در دسترس است. یکی از گزارش‌های خبری همچنین از واجد شرایط بودن این سرویس برای الزامات HIPAA خبر داده است، ولی پیش از هر استفاده‌ی حساس بهتر است شرایط دقیق را از مستندات رسمی بررسی کنید.

هر تیمی که قصد دارد تصمیم‌های مهم، مثل رد یا تأیید یک پرداخت، را به چنین سرویسی بسپارد باید یک لایه‌ی کنترل انسانی نگه دارد. احتمال و اطمینان خروجی کمک می‌کنند، اما مدل هم اشتباه می‌کند و برای موارد مرزی باید مسیر بازبینی وجود داشته باشد.

۹. رقابت و جایگاه در بازار

گزارش‌ها از ورود OpenAI به عرصه‌ای حکایت دارند که رقبای تخصصی در آن فعال بودند. یکی از منابع خبری نام شرکت Jev را به‌عنوان رقیب مستقیم ذکر کرده است. اینکه OpenAI قیمتی بسیار پایین و بدون هزینه‌ی خروجی ارائه کرده، فشار قیمتی جدی روی ابزارهای مشابه می‌گذارد.

الگوی کلی این است که شرکت‌های بزرگ مدل‌ها را به لایه‌های تخصصی‌تر تقسیم می‌کنند: مدل‌های بزرگ برای استدلال و نوشتن، و سرویس‌های سبک برای تصمیم‌های سریع و ارزان. برای مقایسه‌ی رقابت بین بازیگران این حوزه، مطلب مقایسه‌ی ChatGPT و DeepSeek دید خوبی می‌دهد.

۱۰. پرسش‌های متداول

آیا Decisions API متن تولید می‌کند؟

خیر. این سرویس برای پرسش‌های با پاسخ محدود طراحی شده و خروجی‌اش احتمال، انتخاب یا امتیاز است، نه متن آزاد.

قیمت آن چقدر است؟

هر یک میلیون توکن ورودی ۰٫۱۰ دلار و برای ورودی کش‌شده ۰٫۰۱ دلار است. توکن‌های خروجی هزینه ندارند.

روی کدام مدل اجرا می‌شود؟

این سرویس بر پایه‌ی مدل GPT-6 Luna کار می‌کند.

چند سؤال را می‌شود در یک درخواست فرستاد؟

تا ۴۰۰ سؤال در هر درخواست پشتیبانی می‌شود.

چطور می‌توان آن را امتحان کرد؟

توسعه‌دهندگان می‌توانند در محیط آزمایشی Decisions Playground تصمیم‌ها را تست کنند یا راهنمای توسعه‌دهنده را دنبال کنند.

آیا برای کاربران ایرانی هم قابل استفاده است؟

دسترسی به سرویس‌های OpenAI برای کاربران ایرانی محدودیت‌هایی دارد. برای آموزش‌های کاربردی کار با ابزارهای هوش مصنوعی، به آموزش‌های ChatGPT سر بزنید و برای آشنایی با نوشتن پرامپت درست، راهنمای نوشتن پرامپت را بخوانید.

۱۱. نگاه ما: چرا این خبر مهم است؟

در سال‌های اخیر بیشتر توجه‌ها به مدل‌های بزرگ و پاسخ‌های بلند بوده، اما در عمل بخش بزرگی از کارهای یک محصول هوشمند تصمیم‌های کوچک و تکراری است. ارزان و سریع شدن همین تصمیم‌ها باعث می‌شود هوش مصنوعی وارد بخش‌هایی شود که تا امروز به‌صرفه نبود.

در عین حال باید واقع‌بین بود. ارقام سرعت از سوی خود شرکت‌ها آمده، خروجی احتمالی همیشه درست نیست و انتخاب آستانه‌ی مناسب نیاز به آزمون دارد. اگر دنبال خبرهای تازه‌تر هستید، بخش اخبار هوش مصنوعی را دنبال کنید. همچنین برای یادآوری اینکه ابزارها جای مهندس را نمی‌گیرند، توهم هوش مصنوعی و توسعه‌دهنده‌ی تنها خواندنی است.