⚖️ 確率と選択を返すOpenAI Decisions APIの使い方

OpenAI Decisions API は、共有の入力に対して型つきの質問へ答えを返す専用エンドポイントです。文章を生成する Responses API とは別の POST /v1/decisions を使います。2026-10-06 の Changelog は、モデル gpt-6-luna 付きの Decisions API をベータとして公開したと記録しています。2026-10-08 時点の Decisions ガイド では、指定できるモデルは gpt-6-luna だけです。ガイドは、数週間以内の GA を見込んでいます。

1 リクエストは model、input、questions の 3 要素です。応答の answers は質問を送った順に並び、質問へ付けた name をエコーします。質問型は predicate、choice、score の 3 つです。返すものは、条件の確率、固定集合からの選択、ルーブリック上のスコアです。

この記事では、リクエストと応答の形、直 OpenAI と Vercel AI Gateway の呼び分け、入力トークン料金の読み方、音声の client delegation との接続を、2026-10-08 時点の公開ドキュメントに沿ってまとめます。想定読者は、分類、振り分け、優先度づけを API で実装する人です。

この記事の全体像。以下、順に解説します。

Decisions APIとは

Decisions API は、テキスト、画像、またはその両方を評価し、型つきの答えを返します。ガイドは、Responses API より約 10 倍速い、と位置づけます。Changelog も 10 倍と書きます。用途としてガイドが挙げるのは、コンテンツ分類、リクエストの振り分け、作業の優先順位づけです。

応答が担う範囲は、条件の確率、固定集合からの選択、ルーブリック上のスコアです。自分の JSON スキーマに沿った抽出や説明文は、Structured Outputs です。ツール名と引数が要るときは function calling です。

音声では Live API の client delegation と組み合わせます。GPT-Live が会話を続け、アプリが Decisions で行動を選び、結果を同じ delegation ID で返します。手順は 音声と Decisions にあります。

公式 Playground は https://platform.openai.com/decisions です。

特徴

質問型は 1 リクエストの中で混ぜられます。同じ input に対して、predicate と choice を並べて聞けます。モデルが質問を拒むと、その要素だけ type が refusal になります。同じリクエストの他の質問は答えを受け取れます。

画像はインラインの base64 data URL です。Create a decision は、1 リクエストあたり最大 128 枚と書きます。detail は low、high、auto、original で、既定は auto です。外部 URL と file ID は、Create が非対応と書きます。

直 OpenAI の料金について、ガイドは次のように書きます。gpt-6-luna の入力は 100 万トークンあたり 0.10 ドルです。キャッシュ読み、キャッシュ書き、出力トークンの課金は無い、とガイドが書きます。地域処理の割増と長文入力の料金倍率は /v1/decisions に適用される、とも書きます。数値の正本は、モデルと処理ティアの 料金 です。

ガイドは、対象顧客に Zero Data Retention と HIPAA 利用をサポートする、と書きます。データ居住と地域処理は米国と欧州（EEA とスイス）です。適格条件は Your data へ委任しています。

ガイド例が実行に求める OpenAI SDK の下限は、Python 3.26.0、JavaScript 7.30.0、Go 3.73.0、Ruby 0.101.0、Java 4.78.0 です。入口は Libraries です。

呼び出し経路でモデル ID の文字列が分かれます。

Simon Willison の 2026-10-06 の記事 は、Decisions の入力単価を 100 万トークンあたり 10 セント、Jev を 4.2 セントと対比しています。同じ記事は、Jev と概念上は yes/no、choices、scores の 3 型で、Luna の判断モデルは画像入力を足した、と書いています。Jev の単価は、その記事の記述です。

質問型の置き場所は次のとおりです。

構造

Decisions は生成 API の横に置きます。アプリは証拠と質問を Decisions へ送り、抽出や説明は Responses へ、音声セッションは Live へ分けます。Gateway を挟むときは、互換の /v1/decisions と別のモデル ID を組で使います。

システムコンテキスト図

コンテナ図

呼び出し元は OpenAI SDK か、Bearer を付けた HTTPS です。ベース URL は https://api.openai.com/v1 です。Create の本体は model、input、questions と、任意の safety_identifier です。応答の本体例にあるフィールドは model、answers、usage です。

コンポーネント図

1 リクエストに predicate と choice を並べる形です。図の 0.92 と 0.93 は、別々のガイド例示です。同じ応答 JSON ではありません。

データ

Create の本体は、2026-10-08 のリファレンスでは input、model、questions、safety_identifier です。質問は型のユニオンです。答えは質問と同じ型か、その質問だけの refusal です。

概念モデル

safety_identifier は、認証ユーザーそのものではない、とリファレンスが書く不透明 ID です。input は、そのリクエストの全質問が共有する証拠です。

情報モデル

ガイドの choice 例は、billing 0.95、technical 0.02、shipping 0.01、other 0.02、confidence 0.93 です。score 例は段階 0、1、2 の確率 0.1、0.7、0.2 で、0.1×0 + 0.7×1 + 0.2×2 = 1.1、confidence 0.55 です。choice の値は string または boolean です。Create は、同じテキストでも string と boolean は別の値であり、各 choice は一意である、と書きます。

関係の背骨は次のクラス図です。フィールド名は API のキーに合わせています。stringOrMessages は、input が文字列または user メッセージ配列のどちらか一方である、という意味です。stringOrBoolean は、choice の value と回答の choice が string または boolean のどちらか一方である、という意味です。両方のプロパティを同時には持ちません。score の確率質量では value が段階番号です。cached_tokens、cache_write_tokens、reasoning_tokens は表に置きます。

導入

呼び出し前に揃えるものは、下限以上の SDK、サーバー側の API キー、画像を使うときの data URL、Gateway を使うときのベース URL とモデル ID の組です。

SDK の下限

Vercel の changelog は、Gateway 経由の decisions.create に JavaScript 7.30.0 以降または Python 3.26.0 以降を書きます。AI SDK の experimental_decide は ai 7.0.128 以降、と同じ changelog が書きます。

インストール確認の例です。

python3 -c "import openai; print(openai.__version__)"
npm ls openai

認証

直 OpenAI は環境変数 OPENAI_API_KEY を Bearer に載せます。音声ガイドは、このキーをサーバーに置く、と書きます。ブラウザへ埋め込む例はガイドにありません。

curl https://api.openai.com/v1/decisions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"gpt-6-luna","input":"ping","questions":[{"type":"predicate","name":"nonempty","instructions":"Is the input non-empty?"}]}'

Gateway はベース URL https://ai-gateway.vercel.sh/v1 と、AI Gateway キーまたは OIDC です。キーを指定すると OIDC より優先され、キーが無効でもキーが優先される、と Gateway 文書 が書きます。

クライアントの初期化

直 OpenAI の Python は、引数なしの OpenAI() が環境変数を読みます。Gateway は base_url と別キーです。モデル文字列も一緒に変えます。

import os
from openai import OpenAI

direct = OpenAI()
gateway = OpenAI(
    api_key=os.environ["AI_GATEWAY_API_KEY"],
    base_url="https://ai-gateway.vercel.sh/v1",
)

import OpenAI from "openai";

const direct = new OpenAI();
const gateway = new OpenAI({
  apiKey: process.env.AI_GATEWAY_API_KEY,
  baseURL: "https://ai-gateway.vercel.sh/v1",
});

画像の前処理

直 OpenAI へ渡す画像は data URL です。Create 本文は MIME を列挙しません。一般の画像ガイドは PNG、JPEG、WEBP、非動画 GIF を挙げ、リクエストあたり 1,500 枚という別上限も書きます。Decisions の枚数は Create の 128 枚を使います。llm-openai-decisions 0.1 の README は PNG、JPEG、WebP、GIF を書き、-a の URL またはパスをプラグイン側で添付にします。ガイドのシェル例は、改行を除いた base64 を data:image/png;base64, の後ろへ連結します。

import base64
from pathlib import Path

image_base64 = base64.b64encode(Path("product.png").read_bytes()).decode("ascii")
image_url = f"data:image/png;base64,{image_base64}"

LLM プラグイン

PyPI の llm-openai-decisions 最新版は 0.1 です。アップロード時刻は 2026-10-06T23:05:10Z です。要件は Python 3.10 以上、llm 0.36 以上、httpx2 2.13.0 以上、pydantic 2 以上、ライセンスは Apache-2.0 です。導入は llm install llm-openai-decisions です。モデル ID は openai-decisions/gpt-6-luna です。ソースは simonw/llm-openai-decisions です。

利用方法

answers は質問を送った順です。分岐は type から始めます。画像付きの input は、user メッセージの部品配列です。前の答えに依存する二段目は、別リクエストにします。

必須パラメータ

choice の個数は、Create が 2 以上 255 以下と書きます。levels の個数の数値上限は、同じページの本文には文として出ていません。Vercel 互換文書は levels を 2 以上 10 以下と書きます。プラグイン README は 2 段階以上と書きます。

predicate

ガイドの破損判定では、probability 0.92 は input_text と input_image を持つ user メッセージの例示です。次の curl は文字列 input だけの形で、0.92 の応答例そのものではありません。Create の別例は、name が damaged、probability が 0.95、usage.input_tokens が 42 です。

curl https://api.openai.com/v1/decisions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "input": "Inspect the product in this photo.",
    "questions": [{
      "type": "predicate",
      "name": "visible_damage",
      "instructions": "Does the product have visible damage, such as a crack, tear, or dent? Ignore shadows and damage to the packaging."
    }]
  }'

画像を足すときは input を user メッセージにし、input_text と input_image を並べます。応答の抜粋は次の形です。

{"answers":[{"type":"predicate","name":"visible_damage","probability":0.92}]}

choice

部署振り分けの例です。フォールバックとして other を含め、アプリはそれを人手キューへ送る、とガイドが書きます。

from openai import OpenAI

client = OpenAI()
decision = client.decisions.create(
    model="gpt-6-luna",
    input="I was charged twice for my order.",
    questions=[
        {
            "type": "choice",
            "name": "department",
            "instructions": "Which department should handle this complaint?",
            "choices": [
                {"value": "billing", "description": "Payments, invoices, and refunds."},
                {"value": "technical", "description": "Problems using the product."},
                {"value": "shipping", "description": "Delivery and tracking."},
                {"value": "other", "description": "Requests outside these categories."},
            ],
        }
    ],
)
answer = decision.answers[0]

例示の答えは choice billing、確率 0.95 / 0.02 / 0.01 / 0.02、confidence 0.93 です。

score

段階は低い方から並べます。インデックスは 0 からです。

import OpenAI from "openai";

const client = new OpenAI();
const decision = await client.decisions.create({
  model: "gpt-6-luna",
  input: "Export fails in Safari but works in Chrome.",
  questions: [
    {
      type: "score",
      name: "severity",
      instructions: "How severe is this issue?",
      levels: [
        { label: "Cosmetic", description: "Appearance only; no lost functionality." },
        { label: "Workaround available", description: "A task fails, but another way works." },
        { label: "Fully blocked", description: "A task fails with no workaround." },
      ],
    },
  ],
});

例示の score は 1.1、confidence は 0.55 です。計算は 0.1×0 + 0.7×1 + 0.2×2 です。

複数質問と拒否

独立した質問は、1 つの questions 配列に入れます。前の答えに依存する判断は、ガイドが別リクエストと書きます。拒否は要素ごとに分岐します。

answer = decision.answers[0]
if answer.type == "refusal":
    print(answer.name)
elif answer.type == "predicate":
    print(answer.probability)
elif answer.type == "choice":
    print(answer.choice, answer.confidence)
elif answer.type == "score":
    print(answer.score, answer.confidence)

名前で引くときは、配列の先頭だけを見ません。

def answer_by_name(decision, name):
    for answer in decision.answers:
        if answer.name == name:
            return answer
    return None

Gateway の OpenAI 互換呼び出し

Gateway のモデル ID は openai/gpt-6-luna-decisions です。言語モデルの openai/gpt-6-luna とは別です。Gateway 文書の応答例は provider_metadata.gateway.generationId と cost を足します。画像部品は、同じ文書が 400 と書きます。モデルカードは gpt-6-luna-decisions です。

curl -X POST "https://ai-gateway.vercel.sh/v1/decisions" \
  -H "Authorization: Bearer $AI_GATEWAY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/gpt-6-luna-decisions",
    "input": "The package arrived with a broken screen. I want my money back.",
    "questions": [
      {"type": "predicate", "name": "damaged", "instructions": "Does the customer report a damaged item?"}
    ]
  }'

Gateway の choice 下限は文書上 1 です。直 OpenAI の Create は 2 です。両方へ出すクライアントは、2 個以上に揃えます。

運用

predicate は probability をしきい値と比べます。choice と score は、分布と confidence を両方ログします。生成 API との突合キーは、アプリが発行します。請求の主数値は usage.input_tokens です。

しきい値

ガイドは、ラベル付き実例でしきい値を置き、偽陽性と偽陰性のコストで選ぶ、と書きます。predicate は probability を比べます。choice と score は分布と、別の confidence を持ちます。例示の 0.93 は、billing の 0.95 の別名としては読めません。算出式はガイドにありません。

def route_damage(probability, review_at, block_at):
    if probability >= block_at:
        return "block"
    if probability >= review_at:
        return "review"
    return "pass"

review_at と block_at は、アプリの実例で決めます。公式の固定しきい値はガイドにありません。

生成呼び出しとの突合

Create の応答例にある本体フィールドは model、answers、usage です。呼び出し元が渡す相関 ID をエコーする metadata は、2026-10-08 の body に出ていません。Gateway 例は generationId を足します。生成 API と Decisions を後から突合する鍵は、アプリが両方のログへ同じキーを書く形にします。質問 name は、1 応答の中で答えを引く名前です。呼び出し間の突合キーではありません。

次の 2 つの JSON は、API の応答本体ではありません。アプリが生成側ログと Decisions 側ログの両方へ書くときの見本です。中の choice、confidence、probability、usage は、別々の公式例の数値です。

{
  "correlation_id": "app-generated",
  "source": "guide-department-example",
  "decisions_model": "gpt-6-luna",
  "question_name": "department",
  "choice": "billing",
  "confidence": 0.93,
  "selected_probability": 0.95
}

{
  "correlation_id": "app-generated",
  "source": "create-damaged-example",
  "decisions_model": "gpt-6-luna",
  "question_name": "damaged",
  "probability": 0.95,
  "usage_input_tokens": 42,
  "usage_output_tokens": 0
}

音声では、Live の event.delegation.id が、結果を GPT-Live へ返す鍵です。session.commentary.append はユーザーへの発話を促し、session.thinking.append は発話なしの文脈更新です。thinking の追記は 1 回 500 トークン以内、と音声ガイドが書きます。

音声からの行動選択

サーバーが Decisions を呼び、choice を現在の状態と照合してから実行します。キャンセル済み、または状態に合わない行動はスキップする、と音声ガイドが書きます。複雑な依頼は choice の reason へ寄せ、Responses API の推論モデルへ渡します。delegation モードは、両方の経路で維持します。

curl https://api.openai.com/v1/decisions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-luna",
    "input": "Last user request:\nReload this page.\nAvailable actions: back, reload, noop.",
    "questions": [{
      "type": "choice",
      "name": "browser_action",
      "instructions": "Choose the requested, currently available action. Choose noop if no action fits.",
      "choices": [
        {"value": "back", "description": "Go back one page."},
        {"value": "reload", "description": "Reload the current page."},
        {"value": "noop", "description": "Take no action."}
      ]
    }]
  }'

料金の読み方

Decisions の実コスト見積は、ガイドの「入力だけ」に合わせ、usage.input_tokens を 0.10 ドル / 1,000,000 で掛けます。長文倍率と地域 10% を足すときは、そのリクエストがどの処理ティアかを確認します。キャッシュ書きと出力のモデルページ単価を Decisions の請求へ足す読みは、ガイドの「課金なし」と並びません。

def decisions_input_usd(input_tokens, long_context, regional):
    rate = 0.10 / 1_000_000
    if long_context:
        rate *= 2
    if regional:
        rate *= 1.10
    return input_tokens * rate

long_context を「入力トークンが 272K を超える」にする読みは、モデルページの文です。Decisions ガイドは、しきい値の数値を繰り返していません。

モデルページは、gpt-6-luna のコンテキスト窓を 1,050,000、最大出力を 128,000、知識カットオフを 2026-05-18 と書きます。これは言語モデルページの仕様です。Decisions ガイドは、同じ 3 つの数値を Decisions 専用の上限としては書いていません。Vercel のモデルカードは、openai/gpt-6-luna-decisions の Context を 1.1M、入力を 0.10 ドル / 1M、リリース日を 2026-10-06 と表示します。

データ管理と識別子

ガイドは、適格顧客の ZDR と HIPAA、米国と欧州（EEA とスイス）のデータ居住を書きます。契約と制限は data controls です。safety_identifier は、Responses の上限に合わせた不透明 ID で、認証ユーザーそのものではない、と Create が書きます。直 OpenAI の maxLength は 128 です。Gateway 文書は、64 文字超を切り詰める、と書きます。

監視で残す usage

請求の突合には usage.input_tokens を残します。例示スキーマは input_tokens_details.cached_tokens、cache_write_tokens、output_tokens、output_tokens_details.reasoning_tokens、total_tokens も持ちます。ガイドの課金文とフィールドの并存は、フィールドが 0 でもキー自体は応答にあり得る、という読みです。Gateway の短い usage 例は、input_tokens、output_tokens、total_tokens だけを出しています。

ベストプラクティス

質問を観測可能な基準に分ける

ガイドは、観測できる基準で質問を書き、関心ごとに質問を分け、choice の意味を区別し、隣り合う score 段階の基準を区別する、と書きます。1 質問に複数の関心を重ねるより、同じ input の配列で並列に聞きます。

• 破損の有無は predicate にします。
• 部署は、順序のない choice にします。
• 深刻度は、順序のある score にします。
• カテゴリが入力を覆い切らないときは、other を choice に入れます。

依存する判断はリクエストを分ける

破損のあとで修理カテゴリを聞く、のような依存は別リクエストです。前段の probability または choice を、次の input の文脈へアプリが書きます。

経路ごとにモデル ID を固定する

• 直 OpenAI の Decisions と、直 OpenAI の生成 API は、どちらもモデル ID gpt-6-luna です。区別するのはエンドポイントです。
• Gateway の Decisions は openai/gpt-6-luna-decisions です。
• Gateway 上の文章生成は openai/gpt-6-luna です。
• LLM プラグインは openai-decisions/gpt-6-luna です。

Gateway で判断用 ID と生成用 ID を取り違えると、生成料金の表で見積もるか、判断用のボディが 400 になります。直 OpenAI では、同じ gpt-6-luna でも /v1/decisions と生成 API を組で固定します。

確信度は応答フィールドとして扱う

文面の断定の代わりに、probability または confidence をログと分岐に使います。choice では、選択値の probabilities[].probability と confidence を両方残します。例示では、両者は一致しません。

音声は状態確認の後に実行する

Decisions が返した choice を、現在の UI 状態にまだ存在するか確認してから実行します。結果は、保存した delegation ID で返します。API キーはサーバーに置きます。

低確信は人手または推論モデルへ渡す

other、noop、reason を choice に用意し、アプリのしきい値未満はレビューまたは Responses API へ送る、という形が音声ガイドと choice ガイドの両方にあります。公式は、単一の数値しきい値を指定していません。

注意点

ここには、公開ドキュメントのあいだで数値が分かれる点と、ガイドが測定手順や定義式を書いていない点をまとめます。実装時にどちらを正とするかを、呼び出し経路ごとに固定します。

ドキュメントと実装の乖離

資料間の食い違い

公開ドキュメントに数値が無い項目

トラブルシューティング

呼び出しが拒否されるとき、400 になるとき、料金表と見積がずれるときの切り分けです。

型分岐で落ちる

type が refusal の要素に probability は無い、とスキーマが分かれています。同じ応答に predicate と refusal が混在します。配列の 0 番だけを見る実装は、名前で引きます。boolean の choice を文字列比較すると、JSON の true と "true" が割れます。

画像が 400 になる

直 OpenAI では、https:// の画像 URL を image_url に置くと、Create の「data URL のみ」に反します。Gateway では data URL でも、2026-10-07 の文書が input_image を 400 と書きます。メッセージは Image input isn't supported on AI Gateway's Decisions API yet. Send text input. です。param の例は input[0].content[1] です。枚数が 128 を超えると、Create の上限を超えます。

料金が言語モデルの表と合わない

料金表の Luna 出力 0.50 ドルは、生成側の短文料金です。Decisions のガイドは入力 0.10 ドルだけで、キャッシュと出力は課金しないと書きます。272K 超の 2 倍はモデルページの長文規則です。Decisions へ掛けるときは、入力側だけがガイドの「課金なし」と両立します。

SDK と Playground の名前

Playground の見た目の prompt と options は、コミュニティ投稿が instructions と choices のずれとして報告しています。コードはリファレンスのキーを使います。Go のコンストラクタは、ガイドのサンプルが openai.NewClient と Decisions.New です。Java の回答分岐は isRefusal、asPredicate、asChoice、asScore です。

まとめ

Decisions API は、共有の input に対して predicate、choice、score を返す POST /v1/decisions です。2026-10-08 時点の直 OpenAI のモデル ID は gpt-6-luna だけです。Gateway の判断用 ID は openai/gpt-6-luna-decisions、生成用は openai/gpt-6-luna、LLM プラグインは openai-decisions/gpt-6-luna です。

アプリ側では、type で分岐し、predicate は probability、choice と score は選択またはスコアに加えて分布と confidence を残します。画像は直 OpenAI の data URL にします。依存する二段目は別リクエストにします。請求の見積は input_tokens と入力単価 0.10 ドル / 1M を軸にし、長文倍率と地域割増は処理ティアを確認してから足します。生成呼び出しとの突合キーは、アプリが発行します。

この記事が少しでも参考になった、あるいは改善点などがあれば、ぜひリアクションやコメント、SNSでのシェアをいただけると励みになります！

参考リンク

OpenAI 一次

• Decisions ガイド
• Create a decision
• Decisions リソース
• 音声と Decisions
• Changelog 2026-10-06
• GPT-6 Luna モデル
• Pricing
• Structured Outputs
• Function calling
• Your data
• Libraries
• Playground
• Live delegation
• 公開ベータのコミュニティ告知

ゲートウェイとクライアント

• Vercel の OpenAI 互換 Decisions
• Vercel changelog
• Gateway 上の GPT-6 Luna Decisions
• Simon Willison の 0.1a0 記事
• PyPI llm-openai-decisions 0.1
• GitHub simonw/llm-openai-decisions
• Gigazine 2026-10-07