تصور کنید به جای دریافت پاسخ‌های طولانی و پرحاشیه از هوش مصنوعی، مستقیماً یک عدد یا یک برچسب دقیق دریافت کنید که احتمال درست بودن آن هم مشخص شده است. این دقیقاً همان چیزی است که رابط Decisions (Decisions API) در نسخه بتای عمومی ارائه می‌دهد تا پاسخ‌های تایپ‌شده را ۱۰ برابر سریع‌تر از رابط‌های استاندارد تولید کند. انتظار می‌رود این رابط در هفته‌های آینده به مرحله دسترسی عمومی (GA) برسد. این قابلیت در واقع تکامل یافته‌ی روش‌هایی است که چگونه Decisions API فرآیند طبقه‌بندی متنی را بهینه می‌کند و دقت ارزیابی‌ها را افزایش می‌دهد.
این تغییر رویکرد در حالی رخ می‌دهد که صنعت از چت‌های عمومی به سمت گردش‌کارهای عامل‌محور (Agentic) با توان عملیاتی بالا حرکت می‌کند. همان‌طور که در تحلیل قبلی ما درباره‌ی پیشرفت‌های تئوریک OpenAI اشاره کردیم، برخی حوزه‌ها به تخصص عمیق انسانی در ریاضیات نیاز دارند، اما رابط Decisions دقیقاً نقطه مقابل است: مدیریت منطقهای تکراری و سریع که برای مسیریابی درخواست‌ها و اولویت‌بندی کارها در مقیاس کلان مورد نیاز است. این تحول در راستای استراتژی جامع‌تر OpenAI است که پیش‌تر با معرفی Agents API برای مدیریت زیرساخت عامل‌های هوشمند آغاز شده بود.
طبق مستندات رسمی، مدل gpt-6-luna در حال حاضر تنها مدلی است که از نقطه اتصال POST /v1/decisions پشتیبانی می‌کند. برخلاف مدل‌های زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — که متنی آزاد برمی‌گردانند، این رابط به سه جزء حیاتی نیاز دارد:
- مدل: ارزیاب سیستم که فعلاً محدود به gpt-6-luna است.
- ورودی: شواهد مشترک برای پرسش‌ها که می‌تواند یک رشته متنی یا پیام‌های کاربر حاوی متن و تصویر باشد.
- پرسش‌ها: معیارهای ارزیابی خاص، شامل نوع پرسش، دستورالعمل‌ها و هرگونه گزینه‌های مجاز یا سطوح امتیازدهی.
بر اساس بررسی‌های فنی، توسعه‌دهندگان می‌توانند از سه نوع پرسش برای نیازهای منطقی مختلف استفاده کنند:
- گزاره‌ای (Predicate): بررسی می‌کند که آیا یک شرط درست است یا خیر (مثلاً «آیا آسیب قابل مشاهده است؟» یا «آیا این بخش از متن مرتبط است؟»). خروجی آن یک تخمین احتمالی بین ۰ تا ۱ است که نشان می‌دهد شرط مذکور تا چه حد درست است.
- انتخابی (Choice): یک گزینه را از مجموعه‌ای ثابت انتخاب می‌کند (مثلاً مسیریابی یک تیکت به بخش «حسابداری» در مقابل بخش «فنی»). این مدل یک امتیاز اطمینان و یک توزیع احتمال را برای تمام مقادیر ارائه شده فراهم می‌کند. توسعه‌دهندگان تشویق می‌شوند که یک گزینه جایگزین مانند «سایر» را برای ورودی‌هایی که در دسته‌های موجود جای نمی‌گیرند، اضافه کنند.
- امتیازی (Score): ورودی را بر اساس سطوح مرتب‌شده رتبه‌بندی می‌کند (مثلاً شدت یک مشکل). این مدل یک میانگین وزنی از شاخص‌های سطح را برمی‌گرداند. به دلیل استفاده از میانگین وزنی، اگر مدل بین سطح ۱ و ۲ مردد باشد، ممکن است نتیجه‌ای مثل ۱.۱ برگرداند.
برای پیاده‌سازی این قابلیت‌ها، OpenAI نسخه‌های خاصی از SDK یا نسخه‌های جدیدتر را الزامی کرده است: پایتون ۳.۲۶.۰، جاوااسکریپت ۷.۳۰.۰، گو ۳.۷۳.۰، روبی ۰.۱۰۱.۰ یا جاوا ۴.۷۸.۰.
در مورد ورودی‌های چندوجهی (Multimodal) — مدلی که هم‌زمان متن، عکس و صدا را می‌فهمد، شبیه ما که با چند حس دنیا را می‌خوانیم — محدودیت‌های سخت‌گیرانه‌ای وجود دارد. تصاویر باید حتماً به صورت داده‌های inline base64 URL ارسال شوند؛ این رابط از URLهای میزبانی شده (HTTP/HTTPS) یا ورودی‌های file_id پشتیبانی نمی‌کند. برای ارزیابی تصاویر در کنار دستورالعمل‌ها یا سایر زمینه‌ها، توسعه‌دهندگان باید بخش‌های input_text و input_image را در یک پیام کاربر ترکیب کنند.
در ساختار درخواست‌ها، رعایت چند نکته فنی ضروری است:
- نام‌گذاری: هر پرسش باید یک نام منحصربه‌فرد داشته باشد. رابط API این نام را در آرایه پاسخ بازمی‌گرداند تا پاسخ مربوط به هر سوال شناسایی شود.
- گروه‌بندی: پرسش‌های مستقل را باید در یک آرایه
questionsقرار داد تا ورودی مشترک تنها در یک درخواست ارزیابی شود. برای مثال، یک عکس واحد از محصول را می‌توان هم‌زمان برای «بررسی آسیب» و «طبقه‌بندی دسته» تحلیل کرد. - توالی: برای تصمیماتی که به پاسخ یک سوال قبلی وابسته هستند، باید درخواست‌های جداگانه‌ای ارسال شود. توسعه‌دهنده باید ابتدا آسیب را بررسی کند و سپس از آن نتیجه برای تصمیم‌گیری درباره ضرورت درخواست دسته تعمیرات استفاده کند.
- معیارها: پرسش‌ها باید حول معیارهای قابل مشاهده نوشته شوند. دغدغه‌های مختلف باید به پرسش‌های مجزا تقسیم شوند و سطوح امتیازدهی باید معیارهای متمایزی برای سطوح مجاور داشته باشند.
به نقل از وب‌سایت developers.openai.com، مدل قیمت‌گذاری این رابط ساده شده است. هزینه ورودی ۰.۱۰ دلار به ازای هر ۱ میلیون توکن (Token) — تکه‌های کوچکی از متن، مثل برش‌های یک کیک طولانی که مدل تکه‌تکه می‌خورد — است و کاربر فقط برای توکن‌های ورودی هزینه می‌پردازد. هیچ هزینه‌ای برای توکن‌های خروجی، خواندن از حافظه پنهان (cache-reads) یا نوشتن در حافظه پنهان (cache-writes) دریافت نمی‌شود. این کاهش چشمگیر هزینه‌ها در واقع بخشی از استراتژی رایگان‌شدنِ نظارت بر عامل‌هاست که در آن OpenAI هزینه استنتاج را تا ۹۹٪ کاهش داد تا استقرار مدل‌های تصمیم‌گیرنده در مقیاس وسیع اقتصادی‌تر شود. البته هزینه‌های مربوط به پردازش منطقهای و ضرایب قیمت‌گذاری ورودی‌های با زمینه طولانی (long-context) همچنان اعمال می‌شود. این نرخ‌های خاص فقط برای /v1/decisions است؛ سایر درخواست‌هایی که از gpt-6-luna استفاده می‌کنند، از قیمت‌گذاری استاندارد مدل و لایه‌های پردازشی پیروی می‌کنند.
برای کاربران سازمانی، این رابط از عدم ذخیره‌سازی داده‌ها (ZDR) و استانداردهای HIPAA برای مشتریان واجد شرایط پشتیبانی می‌کند. در حال حاضر اقامت داده‌ها و پردازش منطقهای در ایالات متحده و اروپا (EEA و سوئیس) در دسترس است.
تحلیل‌های منتشر شده در dev.to نشان می‌دهد که رابط Decisions از نظر عملکردی شبیه به ساختارهای «سیستم یک» (System One) است. این یعنی OpenAI منطق مدل‌های تصمیم‌گیرنده را به شکلی ترجمه کرده که توسعه‌دهندگان بتوانند راحت‌تر درخواست‌های خود را به مدل‌های تصمیم‌گیری دیگر منتقل کنند. همچنین می‌توان از این رابط در کنار Live API از طریق تفویض اختیار به کلاینت (client delegation) استفاده کرد تا اکشن‌ها از درخواست‌های صوتی انتخاب شده و نتایج به کاربر گزارش شود.
این ابزار در واقع پایان دوران «مهندسی پرامپت» برای طبقه‌بندی است. دیگر نیازی نیست از مدل خواهش کنید که «فقط JSON برگرداند» و سپس آن را پارس کنید؛ چرا که ساختار داده (Schema) در خودِ نقطه اتصال (Endpoint) تعبیه شده است. این قابلیت با خروجی‌های ساختاریافته (Structured Outputs) که در رابط Responses برای طرح‌های JSON یا استخراج فیلدها استفاده می‌شود و همچنین با فراخوانی تابع (Function Calling) که برای ابزارهایی با آرگومان‌هاست، متفاوت است.
ارائه میانگین وزنی برای امتیازها، ابزاری ریاضی برای تعیین آستانه (Thresholding) در اختیار توسعه‌دهندگان قرار می‌دهد. شما دیگر مجبور نیستید به برچسب دسته‌ای مدل اعتماد کنید، بلکه می‌توانید تحمل ریسک خود را بر اساس توزیع احتمال تنظیم کنید. این برای سیستم‌های عملیاتی که یک «مثبت کاذب» در بررسی شدت خطا می‌تواند منجر به هزینه‌های انسانی گزاف و مداخلات غیرضروری شود، حیاتی است. توسعه‌دهندگان باید از نمونه‌های برچسب‌گذاری شده در اپلیکیشن‌های خود استفاده کنند تا این آستانه‌ها را بر اساس هزینه واقعی مثبت کاذب در مقابل منفی کاذب تنظیم نمایند.
گام بعدی شما
- پرامپت‌های فعلی طبقه‌بندی خود را در Decisions Playground تست کنید تا تأخیر و دقت gpt-6-luna را در مقایسه با مدل‌های قبلی بسنجید و سپس SDKهای تولیدی خود را مهاجرت دهید.
- آستانه‌های پذیرش (Thresholds) را بر اساس هزینه واقعی مثبت و منفی کاذب در اپلیکیشن خود تعریف کنید.
- SDKهای خود را به نسخه‌های ذکر شده ارتقا دهید تا از قابلیت‌های جدید بهره‌مند شوید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو