室谷代表取締役OpenAIが新しいAPIを出してきたんですよね。Decisions API（デシジョンズ エーピーアイ）は、OpenAIが公開ベータで全開発者に開放した判断専用のAPIで、テキストや画像を入力として受け取り、アプリがそのまま使える型付きの答えを返すものです。
テキトー教師DotAI 認定講師これ、単に新しいAPIが1本増えたという話じゃないんですよ。OpenAIが「生成」と「判断」をAPIレベルで分け始めた、という構造の変化なんです。
室谷代表取締役そうなんですよね。公式のアナウンスでは、アプリが適切なモデル・ツール・アクションをほぼリアルタイムで選べるようにする、と説明されていて。
Responses API経由のGPT-6 Lunaと比べて最大10倍高速だと明記されています。
Responses API経由のGPT-6 Lunaと比べて最大10倍高速だと明記されています。
テキトー教師DotAI 認定講師ここで一度、何が発表されたのかを整理しておきましょう。
- 名称: Decisions API
- 提供元・発表元: OpenAI
- 提供状況: 公開ベータ（全開発者が利用可能）
- 対応モデル: gpt-6-luna のみ
- エンドポイント: POST /v1/decisions
- 速度: Responses API比で最大10倍高速
- 入力: テキスト、画像（両方も可）
- 出力: predicate / choice / score の3種類
室谷代表取締役ポイントは、汎用の生成モデルに「ついでに判断させる」のをやめて、判断のための専用の入り口を用意したことです。MYUUUでも分類や振り分けの処理をAPIで組むことは多いので、これは素直に嬉しい変化です。
Decisions APIとは？OpenAIが公開ベータで全開発者に開放した判断専用API
Decisions APIの特徴
高速
Responses APIより約10倍速く型付きの答えを返す
型付きの答え
確率・定義済みの選択肢・スコアなど、アプリ側がそのまま条件分岐に使える形で返る
入力の種類
テキスト・画像・またはその両方を評価できる
シンプルなリクエスト構造
model / input / questions の3パーツから成る
answers配列で返却
各質問に一意の名前を付けると、その名前がレスポンスにそのまま返る
Playground対応
コードを書く前に質問と入力を試せる
テキトー教師DotAI 認定講師公式ドキュメントを読むと、位置づけがはっきり書かれているんです。Decisions APIは、テキスト・画像・またはその両方を評価して、Responses APIより約10倍速く型付きの答えを返す、と。
室谷代表取締役「型付きの答え」というのがミソなんですよね。自由な文章が返ってくるのではなく、確率だったり、定義済みの選択肢のどれかだったり、スコアだったり。
アプリ側がそのまま条件分岐に使える形で返ってくる。
アプリ側がそのまま条件分岐に使える形で返ってくる。
テキトー教師DotAI 認定講師リクエストの構造もシンプルで、3つのパーツから成っています。
- model: 評価を行うモデル。現在は gpt-6-luna のみ対応
- input: 質問に共通する証拠。テキスト文字列、またはテキストと画像を含むユーザーメッセージ
- questions: 何を評価するか。各質問のタイプ、指示、許可する選択肢やスコアレベルを含む
室谷代表取締役レスポンスは answers 配列で返ってきて、各質問に一意の名前を付けておくと、その名前がレスポンスにそのまま返ってくる。複数の質問をまとめて投げても、どの答えがどれか分からなくならないわけです。
テキトー教師DotAI 認定講師講座でも受講生さんがよく「APIの出力をパースするのが一番面倒」と言うんですけど、そこを設計で解こうとしているのが分かりますよね。
室谷代表取締役あと、公式はPlaygroundでコードを書く前に質問と入力を試せるようにもしています。いきなり実装に入らず、プロンプトの当たりを付けられるのは実務では助かります。
Decisions APIでできること——Predicate・Choice・Scoreの3種類の出力
Decisions APIの3種類の出力
Predicate（述語）
- 条件が真かどうかをチェック
- 主な結果: probability（条件が真である確率の0〜1の推定値）
- 公式例: 商品写真に目視できる損傷（ひび割れ・破れ・へこみ）があるかを判定。影とパッケージの損傷は無視
- 返却例: probability が0.92
Choice（選択）
- 事前に定義した選択肢から1つを選ぶ
- 主な結果: choice（自分が渡した値のどれか）
- 公式例: 問い合わせの振り分け。「注文で二重に請求された」に対し billing / technical / shipping / other から選択
- 返却例: choice が billing、probabilities 配列と confidence 付き（billing 0.95、confidence 0.93）
- 順序のないカテゴリ（例: 部署の振り分け）に使う
テキトー教師DotAI 認定講師返せる答えは3種類です。ここは講座でも表にして配るレベルなので、整理してから話しましょう。
室谷代表取締役お願いします。
テキトー教師DotAI 認定講師まず1つ目が Predicate（述語）です。条件が真かどうかをチェックするもので、主な結果は probability、つまり条件が真である確率の0〜1の推定値です。
室谷代表取締役公式の例が分かりやすくて、商品写真に目視できる損傷があるかを判定する。ひび割れ、破れ、へこみがあるかを見る。
ただし影とパッケージの損傷は無視する、という指示付きです。返ってくるのは例えば probability が0.92、といった形ですね。
ただし影とパッケージの損傷は無視する、という指示付きです。返ってくるのは例えば probability が0.92、といった形ですね。
テキトー教師DotAI 認定講師2つ目が Choice（選択）です。事前に定義した選択肢から1つを選ぶもの。
主な結果は choice で、自分が渡した値のどれかが返ります。
主な結果は choice で、自分が渡した値のどれかが返ります。
室谷代表取締役公式の例は問い合わせの振り分けで、「注文で二重に請求された」という入力に対して、billing / technical / shipping / other の中から選ぶ。返ってくるのは choice が billing、そして probabilities 配列と confidence が付いてくる。
この例だと billing が0.95、confidence が0.93ですね。
この例だと billing が0.95、confidence が0.93ですね。
テキトー教師DotAI 認定講師3つ目が Score（スコア）です。順序付きのレベルに対して入力を評価するもの。
主な結果は score で、レベル番号の確率で重み付けした平均値が返ります。
主な結果は score で、レベル番号の確率で重み付けした平均値が返ります。
室谷代表取締役公式の例だと、深刻度を Cosmetic / Workaround available / Fully blocked の3段階で評価する。レベル番号は0から始まって、確率が0.1、0.7、0.2なら score は1.1になる。
つまりレベルとレベルの間に落ちることもある、と。
つまりレベルとレベルの間に落ちることもある、と。
テキトー教師DotAI 認定講師ここ、大事な使い分けなんですよ。choice は順序のないカテゴリ、例えば部署の振り分けに使う。
score は順序のあるレベル、例えば深刻度に使う。同じ「離散的な選択肢の確率」を返しますが、用途が違う。
score は順序のあるレベル、例えば深刻度に使う。同じ「離散的な選択肢の確率」を返しますが、用途が違う。
室谷代表取締役公式も、choice は単一のカテゴリを選ぶために使ってください、と明記しています。混ぜると設計が崩れるやつです。
テキトー教師DotAI 認定講師もう1つ、複数の質問を同じ questions 配列に入れれば、共通の入力に対して独立した質問をまとめて評価できます。商品写真に対して、損傷のチェックと商品カテゴリの分類を1リクエストでやる、といった使い方です。
室谷代表取締役ただし、前の答えに依存する判断は別リクエストに分ける必要があります。まず損傷をチェックして、その結果を使って修理カテゴリを聞く、という順番の場合は分ける。
ここは設計上の制約として覚えておきたいところです。
ここは設計上の制約として覚えておきたいところです。
Decisions APIの使い方・始め方——エンドポイントと対応モデル
まとめ
Decisions API 始め方の要点
- 専用の POST /v1/decisions エンドポイントを使う
- 認証は Authorization ヘッダーに Bearer トークンとしてAPIキーを渡す
- 公式サンプルはcurl。model に gpt-6-luna、input にユーザーメッセージ、questions にタイプ・名前・指示を入れる
- 画像は input_image として data:image/png;base64,... の形式で渡す
- 画像はインラインのbase64データURLのみ対応。ホスト型のHTTP/HTTPS画像URLと file_id 入力は非サポート
- 指示の書き方: 観察可能な基準で質問を書く／異なる関心事は別の質問に分ける／選択肢にはそれぞれ異なる意味を持たせる／隣り合うスコアレベルで基準を区別できるように定義する
- 回答の解釈: predicate は条件が真である確率の推定値、choice と score は確率分布と別途 confidence フィールドを返す
- 閾値は自分のアプリのラベル付き事例で設定し、偽陽性と偽陰性のコストに基づいて選ぶ
テキトー教師DotAI 認定講師始め方はかなりシンプルです。専用の POST /v1/decisions エンドポイントを使います。
認証は既存のAPIと同じく、Authorization ヘッダーに Bearer トークンとしてAPIキーを渡す形です。
認証は既存のAPIと同じく、Authorization ヘッダーに Bearer トークンとしてAPIキーを渡す形です。
室谷代表取締役公式のサンプルはcurlで書かれていて、model に gpt-6-luna、input にユーザーメッセージ、questions にタイプと名前と指示を入れる。画像を扱う場合は、input_image として data:image/png;base64,... の形式で渡す形になっています。
テキトー教師DotAI 認定講師ここは注意点なんですけど、画像はインラインのbase64データURLのみで、ホスト型のHTTP/HTTPSの画像URLと file_id 入力はこのエンドポイントではサポートされていません。
室谷代表取締役これは実務だと地味に効いてくる制約ですよね。画像をどこかにホストしてURLを渡す、という設計にしている場合は、base64に変換してインラインで載せる形に変える必要がある。
テキトー教師DotAI 認定講師あとは、指示の書き方にも公式のガイダンスがあります。観察可能な基準で質問を書くこと、異なる関心事は別の質問に分けること、選択肢にはそれぞれ異なる意味を持たせること、スコアのレベルは隣り合うレベル同士で基準が区別できるように定義すること。
室谷代表取締役これ、プロンプトエンジニアリングというより、アプリの要件定義に近いんですよね。何をもって「損傷あり」とするのか、どのレベルから「完全にブロック」とするのか。
そこを先に決めておかないと、APIの出力をどう使うかも決まらない。
そこを先に決めておかないと、APIの出力をどう使うかも決まらない。
テキトー教師DotAI 認定講師講座で受講生さんにいつも言うのは、APIを触る前に分類の定義を紙に書いてください、ということなんです。Decisions APIはその作業をむしろ強制してくるAPIだと言えます。
室谷代表取締役あと、公式は回答の解釈についても触れていて、predicate は条件が真である確率の推定値を返し、choice と score は確率分布と別途 confidence フィールドを返す。閾値は自分のアプリのラベル付き事例を使って設定して、偽陽性と偽陰性のコストに基づいて選ぶ、と。
テキトー教師DotAI 認定講師つまり、返ってきた確率をそのまま使うのではなく、自分のアプリのデータで閾値をチューニングする前提なんです。ここを飛ばすと精度が出ない、という設計思想ですね。
Decisions APIの料金・提供範囲——日本から使えるか、GAはいつか
室谷代表取締役料金はどうなっているんですか。
テキトー教師DotAI 認定講師gpt-6-luna で、入力100万トークンあたり0.10ドルです。そして入力トークンのみの課金で、キャッシュ読み取り、キャッシュ書き込み、出力トークンの課金はありません。
室谷代表取締役出力トークン課金がないのは大きいですよね。判断だけを返すAPIだから、出力が長くならない。
構造的に安くなるようにできている。
構造的に安くなるようにできている。
テキトー教師DotAI 認定講師ただし、地域別の処理プレミアムと長文コンテキストの入力価格の乗数は適用されます。この料金は /v1/decisions に対するもので、gpt-6-luna を使う他のリクエストは、適用されるモデルと処理ティアの料金に従う、と公式に書かれています。
室谷代表取締役あと、GPT-6 Luna 自体はGPT-5.6 Lunaから入力0.20ドル→0.10ドル、出力1.20ドル→0.50ドルと50%安くなっているんですよね。これはOpenAI、GPT-5.6 Lunaを80%値下げ＆高速モード追加の流れの延長線上にある値下げです。
テキトー教師DotAI 認定講師提供範囲についても整理しておきましょう。
- 提供状況: 公開ベータ。数週間以内のGA（一般提供）が見込まれている
- 対応モデル: gpt-6-luna のみ
- ZDR（Zero Data Retention）とHIPAA: 適格な顧客でサポート
- データレジデンシーと地域処理: 米国と欧州（EEA＋スイス）でサポート
- 画像入力: インラインbase64のみ。ホスト型URLとfile_idは非対応
室谷代表取締役日本から使えるか、という点については、公式がデータレジデンシーと地域処理をサポートする地域として米国と欧州（EEA＋スイス）を挙げている一方、APIそのものの利用可能国についてこの資料では言及されていません。現時点では、日本国内でのデータレジデンシー対応については明らかにされていません、というのが正確なところです。
テキトー教師DotAI 認定講師そこは誤解しないようにしたいですね。「米国と欧州でサポート」はデータの保管・処理場所の話であって、それ以外の国からAPIが呼べないという意味ではないですから。
ただ、日本リージョンでのデータレジデンシーを前提にした設計をするなら、公式のデータコントロールのページで適格要件と必要契約を確認する必要があります。
ただ、日本リージョンでのデータレジデンシーを前提にした設計をするなら、公式のデータコントロールのページで適格要件と必要契約を確認する必要があります。
室谷代表取締役ZDRとHIPAAが適格顧客向けにサポートされるのも、業務システムに組み込む人にとっては判断材料になりますよね。
従来のResponses APIとどう使い分ける？判断レイヤーという位置づけ
テキトー教師DotAI 認定講師ここが一番聞かれそうなところです。公式ドキュメントは、用途に応じて Responses API の Structured Outputs か function calling を使うよう案内しています。
室谷代表取締役つまり、従来は分類・振り分け・スコアリングといった「判断」を、汎用的な生成の仕組みで代用していたわけです。独自のJSONスキーマでオブジェクトを生成したり、モデルにツール呼び出しを要求させたり。
テキトー教師DotAI 認定講師それを公式はこう切り分けています。自分のJSONスキーマに沿ったオブジェクトを生成したいなら Structured Outputs、モデルに引数付きでツール呼び出しを要求させたいなら function calling、そして今回の3種類の答えが欲しいなら Decisions、と。
室谷代表取締役整理すると、こういう住み分けなんですよね。
- 抽出したフィールドや文章による説明が欲しい → Responses API の Structured Outputs
- モデルにツール呼び出しと引数を要求させたい → function calling
- 条件が真である確率・定義済み選択肢からの選択・順序付きレベルへのスコアが欲しい → Decisions API
テキトー教師DotAI 認定講師ポイントは、Decisions APIが汎用モデルの代替ではなく、判断専用の選択肢として並んだことです。生成のレイヤーと判断のレイヤーを分ける、という設計思想なんですよ。
室谷代表取締役エージェントを組んでいると、この判断レイヤーのコストとレイテンシがじわじわ効いてくるんですよね。どのモデルに振るか、どのツールを呼ぶか、この操作はリスクが高いか。
そういう分岐を毎回大きな生成モデルに聞いていたのが、専用の入り口に置き換わる。
そういう分岐を毎回大きな生成モデルに聞いていたのが、専用の入り口に置き換わる。
テキトー教師DotAI 認定講師公式が挙げている開発者の利用例も、まさにその分岐の場面ばかりです。
室谷代表取締役リクエストを適切なモデル・ツール・エージェントに振り分ける。大量の入力をラベル・ランキング・スコアに変換する。
画像を分析して重要フレームを特定する。スクリーンショットから押すボタンやフォーム操作を決める。
リスクの高いツール呼び出しにフラグを立てる。大規模データを分類して傾向を掴む。
画像を分析して重要フレームを特定する。スクリーンショットから押すボタンやフォーム操作を決める。
リスクの高いツール呼び出しにフラグを立てる。大規模データを分類して傾向を掴む。
テキトー教師DotAI 認定講師どれも「生成」ではなく「判断」が欲しい場面です。このあたりのAPI設計の考え方は、CursorとChatGPT（OpenAI API）連携完全ガイド【2026年最新】：APIキー設定・料金・Slack連携まで徹底解説のような開発者向けの解説とも重なるテーマですね。
開発者が使うと何が変わる？想定ユースケースと10倍高速の意味
室谷代表取締役「最大10倍高速」という数字は、Responses API経由のGPT-6 Lunaとの比較だと公式に明記されています。ここは誤解しないようにしたいところで、汎用の推論が10倍速くなったという話ではなく、判断を返すという用途に限った比較です。
テキトー教師DotAI 認定講師そうなんですよ。単に速いという話じゃなくて、判断のレイヤーを分離することで、アプリのアーキテクチャが変わるという話なんです。
室谷代表取締役具体的にどう変わるかというと、これまで1回の生成呼び出しの中でやっていた「分類して、その結果に応じて次の処理を決める」という部分を、判断APIに切り出せる。その分、生成側の呼び出しは本当に生成が必要な場面だけに絞れる。
テキトー教師DotAI 認定講師講座で受講生さんが作っているエージェントでも、判断と生成が混ざっているケースが本当に多いんです。1つのプロンプトに「この問い合わせを分類して、返信文も書いて」と両方入れてしまう。
これを分けるだけで、テストもしやすくなるし、コストも見えやすくなる。
これを分けるだけで、テストもしやすくなるし、コストも見えやすくなる。
室谷代表取締役あと、confidence が返ってくるのも実務では大きいですよね。確信度が低いものを人間のレビューに回す、という設計がAPIの出力として自然に組める。
公式も、閾値は偽陽性と偽陰性のコストに基づいて選ぶよう案内しています。
公式も、閾値は偽陽性と偽陰性のコストに基づいて選ぶよう案内しています。
テキトー教師DotAI 認定講師画像まわりも見逃せないです。商品写真の損傷チェック、視覚コンテンツの比較、動画のキーフレームの特定、スクリーンショットからの操作決定。
これらは全部、画像を入力して判断を返す用途です。
これらは全部、画像を入力して判断を返す用途です。
室谷代表取締役スクリーンショットから押すボタンを決める、というのはコンピュータ操作系のエージェントそのものですよね。判断レイヤーを切り出すことで、操作の分岐が軽くなる。
テキトー教師DotAI 認定講師音声との組み合わせも公式に触れられています。Live API のクライアント委譲を使って、音声リクエストからアクションを選び、その結果をユーザーに報告する、という使い方です。
室谷代表取締役音声のリアルタイム性を考えると、そこで10倍の差が出るのは大きい。関連する低コスト・低レイテンシの流れは[OpenAI、GPT-Realtime-2.1-mini発表。
推論とツール使用を低コストで提供](/times/articles/608)でも解説していますが、判断を軽くする方向は一貫していますね。
推論とツール使用を低コストで提供](/times/articles/608)でも解説していますが、判断を軽くする方向は一貫していますね。
テキトー教師DotAI 認定講師ただ、限界もはっきりしています。対応モデルは gpt-6-luna のみ、公開ベータ、画像はインラインbase64のみ。
そして前の答えに依存する判断は別リクエストに分ける必要がある。
そして前の答えに依存する判断は別リクエストに分ける必要がある。
室谷代表取締役あと、choice と score は確率分布を返すので、その解釈と閾値の設計はアプリ側の責任です。ここを雑にすると、確率が高いから正しい、という思い込みにつながる。
公式がラベル付き事例での閾値設定を求めているのは、そこです。
公式がラベル付き事例での閾値設定を求めているのは、そこです。
テキトー教師DotAI 認定講師それと、questions の書き方次第で結果が変わるので、指示は観察可能な基準で書く。主観的な表現を避ける。
これは講座でも繰り返し伝えている原則そのものです。
これは講座でも繰り返し伝えている原則そのものです。
室谷代表取締役まとめると、Decisions APIは「判断」をアプリの第一級の部品にした、という発表なんですよね。生成モデルの性能競争とは別の軸で、APIの設計が進んだ。
GAが数週間以内に見込まれているので、公開ベータのうちにPlaygroundで触って、自分のアプリのどの分岐を切り出せるか考えておくのが良さそうです。
GAが数週間以内に見込まれているので、公開ベータのうちにPlaygroundで触って、自分のアプリのどの分岐を切り出せるか考えておくのが良さそうです。
よくある質問
Q. Decisions APIとは何ですか？
テキトー教師DotAI 認定講師OpenAIが公開ベータで全開発者に開放した判断専用のAPIです。テキストや画像を入力として受け取り、条件が真である確率、定義済みの選択肢からの選択、順序付きレベルへのスコアという3種類の型付きの答えを返します。
Q. どのモデルで動きますか？
室谷代表取締役現在は gpt-6-luna のみが対応モデルです。公式ドキュメントにそう明記されています。
Q. 料金はいくらですか？
テキトー教師DotAI 認定講師gpt-6-luna で入力100万トークンあたり0.10ドルです。入力トークンのみの課金で、キャッシュ読み取り、キャッシュ書き込み、出力トークンの課金はありません。
ただし地域別の処理プレミアムと長文コンテキストの入力価格の乗数は適用されます。
ただし地域別の処理プレミアムと長文コンテキストの入力価格の乗数は適用されます。
Q. 日本から使えますか？
室谷代表取締役データレジデンシーと地域処理は米国と欧州（EEA＋スイス）でサポートされると公式に記載されています。日本国内でのデータレジデンシー対応については、現時点では明らかにされていません。
Q. GA（一般提供）はいつですか？
テキトー教師DotAI 認定講師公式は数週間以内にGAする見込みだとしています。現時点では正確な日付は明らかにされていません。
Q. Responses APIとはどう使い分けますか？
室谷代表取締役自分のJSONスキーマに沿ったオブジェクトを生成したいならResponses APIのStructured Outputs、モデルにツール呼び出しを要求させたいならfunction calling、条件の真偽確率・選択肢からの選択・順序付きスコアが欲しいならDecisions APIです。
Q. 画像はどう渡しますか？
テキトー教師DotAI 認定講師インラインのbase64データURLのみです。ホスト型のHTTP/HTTPSの画像URLと file_id 入力はこのエンドポイントではサポートされていません。
Q. 前の質問の答えを使って次の質問をできますか？
室谷代表取締役同じ questions 配列に入れられるのは独立した質問です。前の答えに依存する判断は、別々のリクエストに分ける必要があります。
Q. 確信度はどう扱えばいいですか？
テキトー教師DotAI 認定講師predicate は条件が真である確率を返し、choice と score は確率分布と別途 confidence を返します。閾値は自分のアプリのラベル付き事例を使って、偽陽性と偽陰性のコストに基づいて設定するよう公式は案内しています。
