Die Decisions API ist am 6. Oktober 2026 nach Ankündigung von OpenAI in die öffentliche Beta gestartet: Die neue Schnittstelle, die am 29. September auf dem DevDay nur als begrenzte Vorschau lief, steht jetzt allen Entwicklern offen, offizielle Dokumentation und ein Playground zum Debuggen sind zeitgleich live, die allgemeine Verfügbarkeit soll in den kommenden Wochen folgen. Sie tut etwas sehr Enges – sie erzeugt keinen Text. Sie beantwortet nur Fragen, und zwar ausschließlich durch Auswahl aus Antworten, die der Entwickler vorgibt.
Drei Fragetypen: beurteilen, auswählen, bewerten
Eine Decisions-Anfrage besteht aus drei Teilen: dem Modell, der Eingabe als Beleg (Text, Bilder oder beides) und einer Menge von Fragen. Das derzeit einzige verfügbare Modell ist gpt-6-luna, aufgerufen über den dedizierten Endpunkt /v1/decisions. Fragen gibt es in drei Typen: predicate gibt die Wahrscheinlichkeit (0 bis 1) zurück, dass eine Bedingung zutrifft – etwa ob ein Produkt auf einem Foto sichtbare Schäden hat. choice wählt einen Wert aus einer festen, vom Entwickler gelieferten Menge und liefert eine Wahrscheinlichkeitsverteilung über die Optionen, geeignet für ungeordnete Mengen wie Abteilungen oder Kategorien. score schließlich steht geordneten Stufen wie der Schwere eines Problems gegenüber und gibt einen wahrscheinlichkeitsgewichteten Mittelwert zurück, der auch zwischen zwei Stufen liegen kann.
OpenAIs Geschwindigkeitsangabe: Dieselbe Art von Urteil läuft etwa zehnmal schneller als über die Responses API. Der Grund ist einfach – eine dialogische Schnittstelle muss eine Antwort Wort für Wort erzeugen, und die Anwendung muss den Text erst wieder in Struktur zurückübersetzen, während Decisions Wahrscheinlichkeiten und Auswahl direkt ausgibt und Erzeugung wie Rückübersetzung überspringt. Die offiziellen Einsatzfelder sind Inhaltsklassifizierung, Anfrage-Weiterleitung, Priorisierung von Arbeit und die Entscheidung über den nächsten Schritt eines Agenten.
Nicht dasselbe wie strukturierte Ausgaben
Verwechseln lässt sich das leicht mit den vorhandenen strukturierten Ausgaben und dem Function Calling der Responses API. OpenAI zieht die Grenze in der Dokumentation ausdrücklich: Strukturierte Ausgaben, wenn Felder in ein eigenes JSON-Schema extrahiert oder erklärende Texte erzeugt werden sollen; Function Calling, wenn das Modell einen Werkzeugaufruf mit Argumenten auslösen muss; Decisions, wenn nur ein Urteil, eine Auswahl oder eine Bewertung gebraucht wird, die direkt einen Programmzweig steuern kann. Anders gesagt: Es löst die häufigste und am wenigsten „literarische" Klasse von Aufrufen einer Anwendung heraus und tauscht Erzeugungsfähigkeit gegen Latenz und Determinismus.
Entscheidungsmodelle werden eine eigene Kategorie
Bemerkenswert ist der Zeitpunkt. Am selben Tag, an dem OpenAI die Beta ankündigte, halbierte Perplexity den Preis seiner eigenen Decision API – zwei Unternehmen, die sich innerhalb weniger Stunden gegenüberstehen, zeigen, dass „Modelle, die nur urteilen" vom Nischenexperiment zum offenen Schlachtfeld geworden sind. In den Wochen zuvor hatten Startups wie TypeSafe bereits auf Urteile spezialisierte Modelle vorgelegt. Der Treiber sind die Kosten: Ein großer Teil der Aufrufe in Produktivsystemen braucht kein Spitzenmodell, das lange Texte schreibt – es reicht, ein Ticket ans richtige Team zu geben, Inhalte korrekt zu etikettieren oder den ersten Schritt eines Agenten festzulegen. Solche Aufrufe sind zahlreich, latenzempfindlich und im Antwortraum begrenzt – ideal für ein kleines Modell hinter einer dedizierten Schnittstelle. Diese Seite hat zuvor die drei Stufen der GPT-6-Familie mit Preisen und Rollen eingeordnet; Luna, das Modell hinter Decisions, ist die leichteste und günstigste Stufe der Familie, und sie vom Chat-Modell zur Urteilsmaschine umzubauen, ist die natürliche Verlängerung dieser Linie.
Für Entwickler ist der Wechsel billig: Wer bereits Klassifizierungs- oder Routing-Logik betreibt, kann echten Verkehr dagegen laufen lassen und Latenz sowie Genauigkeit vergleichen, bevor er sich festlegt. Offen bleiben: Ein eigener Preis ist noch nicht veröffentlicht, vorerst gibt es nur Luna als Modell, und die Kalibrierung der Wahrscheinlichkeiten muss an den eigenen Daten geprüft werden – OpenAI liefert die Schnittstelle; ob die Urteile stimmen, müssen die eigenen Tickets und Inhalte beweisen.
