OpenAI Decisions API 全体公開テスト開始：GPT-6 Luna搭載、意思決定速度最大10倍、入力料金のみ

2026年10月6日、OpenAIは開発者コミュニティにて、Decisions APIを全開発者向けに公開テストとして正式リリースすることを発表した。同APIはGPT-6 Lunaを基盤とし、専用エンドポイントPOST /v1/decisionsを通じて動作する。テキストおよび画像を入力として受け付け、3種類の定義済み形式——述語（predicate、0から1の確率値）、選択肢（choice、固定リストからの選択）、スコア（score、順序付きスケールの確率加重平均値）——で回答を返す。OpenAI公式開発者アカウントの発表によると、同類タスクをResponses API経由でGPT-6 Lunaが処理する場合と比較して、意思決定速度が最大10倍速いとされている。

Decisions APIはもともと2026年9月29日のOpenAI DevDev開発者カンファレンスにて、限定招待制プレビューとして初公開された。Dots継続実行エージェント、GPT-6.1 Sol推論モデル、Codex Security Cloudなどの製品と同時に発表された。eesel.aiの報道によると、同APIがキーノートに登場した時間は1分にも満たなかった。その1週間後、招待制から全開発者向けの公開テストへと移行した。

なぜ「意思決定」を独立したエンドポイントとして切り出すのか

このAPIの価値を理解するには、大規模言語モデルアーキテクチャにおいて長らく見過ごされてきた構造的矛盾を把握する必要がある。大規模モデルはトークンを逐次生成するよう設計されているが、現代のAIエージェントシステム内部では、大多数のモデル呼び出しはいかなるコンテンツの生成も必要としない——本質的には分類またはルーティングの判断だ。「このカスタマーサービスメッセージは請求の問題か、技術的障害か？」「この商品写真に損傷の痕跡はあるか？」「このリクエストはどの部署に転送すべきか？」といった類いの判断である。

現在の標準的なアプローチは、こうした問いを完全な言語モデルに投げ込み、モデルが内部で推論チェーンを形成したうえでテキストとして回答を生成するというものだ。これは専門家が一枚のメモを書き上げる作業を経て、ようやく「はい」か「いいえ」を得るようなものである。Decisions APIはこの余分な生成ステップを排除する。入力を受け取り、型付き回答を直接返す。モデルはトークン列を逐次出力する必要がない。これが公式に言及されている10倍の速度向上の根拠であり、単純な演算能力の向上ではなく、生成ステップの除去によるものだ。

3種類の出力形式にはそれぞれ適した用途がある。述語（predicate）はある条件が成立するかどうかを判定するもので、0から1の確率を返す（例：画像内に損傷が存在するかの検査）。選択肢（choice）は順序のないカテゴリから一つを選ぶもので、コンテンツ分類や部署ルーティングなどに使用する。スコア（score）は順序付きスケールに適しており（例：問題の深刻度の評価）、各スケール値の確率の加重平均を返すため、二つのスケール値の間に値が落ちることもある。一度のリクエストで複数の問いを同時に投げることができ、APIはanswers配列としてまとめて返す。OpenAIの開発者ドキュメントによると、レスポンス内でのマッチングのため、各問いには一意の名称を付与する必要がある。

価格体系が示す戦略的意図

OpenAI開発者コミュニティの発表によると、Decisions APIの料金は入力側のみに課され、100万トークンあたり0.10ドルとなっており、出力トークンやキャッシュ費用は計算されない。この課金モデルはOpenAIの製品ラインナップの中でも比較的珍しく、その示唆する意味は機能そのものに劣らず大きい。

Responses APIの課金体系——通常は入力・出力トークンを合わせて計算——と比較すると、Decisions APIのコスト構造はEmbeddings APIに近い。高頻度の呼び出し、一回あたりの費用が極めて低く、大規模インフラ展開に適しているという特性だ。毎日数万件のカスタマーサービスチケットを処理するシステムが、ルーティング分類にResponses APIを使えば、各チケットごとに生成側のトークンコストを負担しなければならない。Decisions APIに切り替えると、コスト構造は純粋な入力計算のみとなり、速度向上により高い並行処理も可能となる。

各ステークホルダーの損得を分析すると次のようになる。個人開発者・小規模チームにとっては、入力のみという低廉な料金体系により、エージェントアーキテクチャへの分類レイヤー導入の障壁が下がる。エンタープライズユーザーにとっては、予測しやすい純入力課金によりコスト予算の策定が容易になり、分類精度が唯一の重要変数となる。エージェントフレームワークエコシステム（LangChain、Crew AIなど）にとっては、ルーティングと分類に特化したエンドポイントがフレームワーク内の標準ルーティングレイヤーのデフォルト選択となる可能性があり、現状Responses APIで分類を行っている既存コードには移行の圧力がかかる。競合他社にとっては、一定の製品形態的プレッシャーとなる——現時点でAnthropicのClaude APIやGoogleのGemini APIは、この特定ユースケース向けの専用エンドポイントを持っておらず、汎用性の高い機能は専用化された効率性と必ずしも同等ではない。

Embeddings APIという歴史的先例

OpenAIが特定の認知機能を専用エンドポイントとして独立させるのは今回が初めてではない。2022年にEmbeddings APIがCompletions APIから独立した際も、テキスト生成を必要とせず意味理解のみを求める高頻度操作シナリオを対象としていた。Embeddings APIの独立は最終的に大量のベクトル検索アプリケーションを生み出した——それはより「賢い」からではなく、特定のタスクに対してより適切な速度とコスト構造を提供したからだ。Decisions APIも同じロジックに従っている。特定の認知操作を分離し、個別に最適化し、個別に価格設定する。

異なる点は、埋め込みベクトルは情報損失のない中間表現であるのに対し、分類判断は精度リスクを伴うことだ。Embeddings API登場時、ベクトル検索の品質にはコサイン類似度などの明確な指標が存在した。Decisions APIについては現時点でOpenAIから分類精度のベンチマークが公式には発表されておらず、公開テスト期間中における最大のエンジニアリング上の不確実性となっている——このエンドポイントが粗粒度のルーティングにのみ適しているのか、それとも細粒度の多クラス判断も確実にこなせるのかを左右する問題だ。

今後の注目点

OpenAIの公式発表では、Decisions APIを「今後数週間以内」に正式リリース（GA）状態へと移行させる予定としており、GA時の価格調整が最初の重要なシグナルとなる。現行の入力のみの低価格体系が維持されれば、OpenAIが高頻度インフラとしてのポジショニングに本気で賭けており、低利益を甘受してでもエコシステムへの浸透を狙っていることを示す。一方、出力課金の導入や大幅な値上げが行われれば、公開テスト期間中の価格設定は顧客獲得のための戦略であり、長期的なポジショニングではなかったことを意味する。

第二の観察点はサードパーティによる精度テストだ。10倍の速度優位性という主張は、分類品質が十分高いためアプリケーション層での二次検証が不要という前提に依拠している。もし細粒度の多クラス分類において、Decisions APIの精度がResponses API経由での同等タスク処理と比較して有意に低いことが判明すれば、速度面での優位性はアプリケーション層での誤り訂正コストによって部分的に相殺されることになる。

また、画像入力機能の実際のパフォーマンスも注目点だ。テキストルーティングのシナリオについてはエンジニアリングの実績が豊富に蓄積されているが、画像入力の対応は、ユーザーがアップロードしたスクリーンショット、商品写真、スキャン文書を、独立した視覚解析ステップを経ることなくDecisions APIが直接処理できることを意味する。この経路が本番環境で安定して利用可能であれば、カスタマーサービス、品質検査、コンテンツモデレーションといったシナリオに対し、純粋なテキストルーティングとは異なるアーキテクチャ上の可能性をもたらすことになる。