اگر امروز برای استخراج داده‌های ساختاریافته از مدل‌های زبانی هزینه می‌کنید، احتمالاً با تأخیرهای آزاردهنده‌ای در زنجیره عملیاتی خود مواجه هستید. حالا OpenAI با معرفی یک نقطه اتصال (Endpoint) اختصاصی، این گلوگاه را با افزایش ۱۰ برابری سرعت پاسخ‌دهی نسبت به پاسخ‌های استاندارد AI از بین برده است. طبق اعلام رسمی OpenAI، رابط Decisions API در ۶ اکتبر ۲۰۲۶ به‌صورت بتای عمومی منتشر شد. این ابزار به توسعه‌دهندگان اجازه می‌دهد تا به‌جای دریافت متون طولانی و نامنظم، پاسخ‌هایی دقیق و «تایپ‌شده» (Typed) از ورودی‌های متنی و تصویری استخراج کنند.
این عرضه در حالی صورت می‌گیرد که کل صنعت در حال تغییر مسیر از چت‌های باز و بدون ساختار به سمت گردش‌کارهای قابل‌اعتماد و «عامل‌محور» (Agentic) است. در حالی که ما پیش‌تر در پوشش خبری خود درباره فیلم طنز 'Artificial' به اصطکاک‌های فرهنگی پیرامون رهبری OpenAI پرداختیم، اکنون می‌بینیم که این شرکت روی زیرساخت‌های فنی مورد نیاز برای عامل‌های خودمختار سرمایه‌گذاری مضاعف می‌کند. برای یک صاحب کسب‌وکار، تفاوت این ابزار با مدل‌های قبلی در این است که AI دیگر درباره مشکل مشتری «صحبت» نمی‌کند، بلکه بر اساس شکایت او، مستقیماً یک گردش‌کار پرداخت (Billing Workflow) خاص را فعال می‌کند.
این سیستم توسط GPT-6 Luna قدرت می‌گیرد؛ یک مدل استدلالی (Reasoning Model) — مثل شطرنج‌بازی که قبل از هر حرکت، چند گام جلوتر را می‌بیند — که در ۲۲ سپتامبر ۲۰۲۶ در کنار مدل GPT-6 Sol معرفی شد. این پیشرفت در استدلال، در ادامه تکامل خانواده مدل‌های نسل ششم است که پیش از این مدل GPT-6 Astra با کسب امتیاز خیره‌کننده در محک ARC-AGI-3 توانایی‌های تحلیلی خود را به رخ کشیده بود. هر دو مدل ورودی‌های متنی و تصویری را می‌پذیرند و از طریق رابط‌های Responses و Chat Completions متن تولید می‌کنند. بر اساس مستندات فنی و تغییرات (Changelog) رابط OpenAI، این سیستم از طریق مسیر اختصاصی POST /v1/decisions عمل می‌کند. توسعه‌دهندگان در حال حاضر می‌توانند پیش از انتقال به کد تولیدی (Production)، این قابلیت‌ها را در محیط OpenAI Playground آزمایش کنند.
ریشه‌ها و زمینه‌ی ظهور
رابط Decisions نخستین بار در رویداد DevDay ۲۰۲۶ در نسخه‌ی پیش‌نمایش محدود معرفی شد. در گزارش بازبینی DevDay، شرکت OpenAI توضیح داد که این API استدلال‌های مدل Luna را بر روی سؤالاتی که توسط کاربر تعریف شده و پاسخ‌های محدود و از پیش تعیین‌شده‌ای دارند، اعمال می‌کند. این سازوکار به مدل اجازه می‌دهد تا عملیاتی نظیر طبقه‌بندی محتوا، مسیریابی درخواست‌ها یا تعیین گام بعدی یک عامل هوشمند را هدایت کند.
پس از این پیش‌نمایش، OpenAI اعلام کرد که یک عرضه گسترده برای روزهای آینده برنامه‌ریزی شده است که در نهایت منجر به انتشار بتای عمومی در ۶ اکتبر شد. هدف نهایی، ارائه یک جایگزین با سرعت بسیار بالا برای رابط Responses در وظایف خاص طبقه‌بندی (Classification) است.
سازوکارهای فنی
این رابط درخواست‌ها را به سه بخش اصلی تقسیم می‌کند: انتخاب مدل (که در حال حاضر محدود به gpt-6-luna است)، شواهد مشترک (متن یا تصاویر) و آرایه‌ای از سؤالات. فیلد ورودی، شواهد مشترک را به‌صورت یک رشته متنی یا پیام‌های کاربر حاوی متن و تصویر حمل می‌کند. آرایه سؤالات نیز نوع پاسخ، دستورالعمل‌ها و گزینه‌های مجاز یا سطوح امتیازی را برای هر ارزیابی مشخص می‌کند. در نهایت، API برای هر سؤال در آرایه پاسخ‌ها، یک نام منحصربه‌فرد را بازمی‌گرداند.
سه نوع سؤال اصلی برای توسعه‌دهندگان در دسترس است:
- سؤالات گزاره‌ای (Predicate): این سؤالات یک شرط خاص را بررسی می‌کنند (مثلاً «آیا آسیب فیزیکی دیده می‌شود؟») و احتمالی بین ۰ تا ۱ را بازمی‌گردانند. برای مثال، عکس یک محصول ممکن است برای یافتن ترک، پارگی یا فرورفتگی بررسی شود؛ اگر احتمال وجود ترک ۰.۹۲ باشد و این عدد از آستانه‌ای که توسعه‌دهنده تعیین کرده عبور کند، سیستم به‌طور خودکار یک پرچم (Flag) برای بررسی انسانی فعال می‌کند.
- سؤالات انتخابی (Choice): این مدل یک مقدار را از یک لیست ثابت انتخاب می‌کند که هر گزینه در آن شامل یک توصیف است. برای مثال، شکایت مشتری درباره «شارژ مضاعف» می‌تواند مستقیماً به دسته‌ی «امور مالی» هدایت شود، به‌جای اینکه بین گزینه‌های فنی یا ارسال محموله سرگردان شود. OpenAI توصیه می‌کند یک مقدار جایگزین (Fallback) مانند «سایر» اضافه کنید تا ورودی‌های پیش‌بینی‌نشده به صف بررسی عمومی هدایت شوند. پاسخ شامل مقدار انتخاب‌شده، یک فیلد اطمینان (Confidence) و آرایه‌ای از احتمالات برای هر یک از گزینه‌ها است.
- سؤالات امتیازی (Score): این سؤالات ورودی‌ها را بر اساس سطوح مرتب‌شده (مانند شدت مشکل) که از پایین به بالا چیده شده‌اند، رتبه‌بندی می‌کنند. API یک میانگین وزنی از شاخص‌های سطح (که از ۰ شروع می‌شود) را بر اساس احتمال بازمی‌گرداند. برای مثال، اگر احتمالات برای سه سطح به ترتیب ۰.۱، ۰.۷ و ۰.۲ باشد، نتیجه یک امتیاز ۱.۱ با اطمینان ۰.۵۵ خواهد بود.
برای خروجی‌هایی که نیاز به طرح JSON سفارشی یا فراخوانی ابزار (Tool Calls) همراه با آرگومان‌ها دارند، OpenAI توسعه‌دهندگان را به بخش Structured Outputs در رابط Responses یا قابلیت Function Calling ارجاع می‌دهد.
محدودیت‌ها و یکپارچه‌سازی
برای حفظ سرعت و ساختار، این API محدودیت‌های ورودی خاصی را اعمال می‌کند. تصاویر باید به‌صورت داده‌های inline base64 ارسال شوند؛ این نقطه اتصال از URLهای میزبانی‌شده HTTP/HTTPS یا ورودی‌های file_id پشتیبانی نمی‌کند. برای ارزیابی یک تصویر همراه با متن زمینه، توسعه‌دهندگان باید بخش‌های input_text و input_image را در یک پیام واحد کاربر قرار دهند.
توسعه‌دهندگان می‌توانند چندین سؤال مستقل را در یک درخواست واحد تجمیع کنند تا به‌طور همزمان یک محصول را طبقه‌بندی کرده و وجود آسیب را بررسی کنند. با این حال، منطق متوالی (Sequential Logic) نیازمند فراخوانی‌های مجزا است. اگر توسعه‌دهنده بخواهد ابتدا وجود آسیب را تأیید کند و سپس دسته‌ی تعمیر را بپرسد، باید از نتیجه درخواست اول برای باز کردن مسیر درخواست دوم استفاده کند.
راهنمای نویسندگی OpenAI بر معیارهای «مشاهده‌پذیر» تأکید دارد: دغدغه‌های متمایز را در سؤالات جداگانه نگه دارید، مطمئن شوید گزینه‌ها معانی متفاوتی دارند و سطوح امتیازی را به‌گونه‌ای تعریف کنید که سطوح مجاور تفاوت واضحی با هم داشته باشند. به توسعه‌دهندگان توصیه شده است که آستانه‌های خود را بر اساس نمونه‌های برچسب‌گذاری‌شده در محیط تولید کالیبره کنند تا تعادلی بین هزینه مثبت‌های کاذب (False Positives) و منفی‌های کاذب (False Negatives) ایجاد شود.
قیمت‌گذاری و حاکمیت داده‌ها
هزینه استفاده از مدل gpt-6-luna مبلغ ۰.۱۰ دلار به‌ازای هر ۱ میلیون توکن ورودی است. نکته قابل توجه این است که شرکت OpenAI برای توکن‌های خروجی، خواندن از حافظه موقت (Cache Reads) یا نوشتن در آن (Cache Writes) هزینه‌ای دریافت نمی‌کند. البته هزینه‌های اضافی پردازش منطقهای و ضرایب قیمت‌گذاری برای ورودی‌های با متن طولانی (Long-context) همچنان اعمال می‌شوند، در حالی که درخواست‌های خارج از مسیر /v1/decisions از قیمت‌گذاری استاندارد مدل پیروی می‌کنند.
برای کاربران سازمانی، این API از قابلیت عدم ذخیره‌سازی داده‌ها (Zero Data Retention) و انطباق با استانداردهای HIPAA پشتیبانی می‌کند. پردازش منطقهای در ایالات متحده و اروپا (منطقه اقتصادی اروپا و سوئیس) در دسترس است. برای اپلیکیشن‌های صوتی، تفویض کلاینت (Client Delegation) از طریق Live API به عامل‌ها اجازه می‌دهد تا اکشن‌ها را از درخواست‌های صوتی انتخاب کرده و نتایج را به کاربر گزارش کنند.
این چرخش به سمت خروجی‌های «تایپ‌شده»، تلاش OpenAI برای پر کردن شکاف قابلیت اطمینان در عامل‌های هوش مصنوعی است. با اجبار مدل به پاسخ دادن در یک مجموعه محدود و از پیش تعریف‌شده، پیش‌بینی‌ناپذیری متون آزاد حذف شده و خروجی‌ها برای مدیریت منطقهای حساس تجاری در پس‌زمینه (Backend) بدون نظارت دائمی انسان، ایمن می‌شوند. در همین راستا، OpenAI برای افزایش شفافیت و رعایت قوانین نظارتی، سیستم نشان‌گذاری متون ChatGPT را برای کاربران اتحادیه اروپا اجرایی کرد تا تمایز میان محتوای انسانی و ماشینی تسهیل شود.
توسعه‌دهندگان باید انتقال به حالت دسترسی عمومی (General Availability) را که در هفته‌های آینده انتظار می‌رود، رصد کنند و ارزیابی نمایند که آیا این ابزار جایگزین پیاده‌سازی‌های فعلی آن‌ها در Structured Outputs یا Function Calling می‌شود یا خیر.
گام بعدی شما
- اگر از Function Calling برای طبقه‌بندی ساده استفاده می‌کنید، هزینه و سرعت gpt-6-luna را در Playground مقایسه کنید.
- برای کاهش نرخ توهم (Hallucination) در عامل‌های خود، سؤالات باز را به سؤالات انتخابی (Choice) تبدیل کنید.
- در صورت استفاده از تصاویر، سیستم ارسال base64 را در زیرساخت خود پیاده‌سازی کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو