【2026年10月6日公開】OpenAI「Decisions API」ベータ開始｜AIの答えを“確率つきの判定”で返す新API、入力100万トークン$0.10・GPT-6 Luna専用の中身を整理

OpenAIは2026年10月6日、開発者向けの新しいAPI「Decisions API」の公開ベータを始めた。文章や画像を読み取り、「この条件に当てはまる確率」「用意した選択肢のどれか」「段階評価の点数」といった決まった形の答えを返す仕組みだ。
料金は入力100万トークンあたり$0.10で、出力やキャッシュには課金されない。一方で、使えるモデルはGPT-6 Lunaだけで、正式版（一般提供）の時期は「数週間以内」とされるだけで日付は出ていない。

この記事を読むと、Decisions APIで何ができるか、従来の方法（Structured Outputsなど）との違い、そして使う前に知っておきたい注意点がわかる。

① まず概要：「文章で答えるAI」から「数字で判定するAI」へ

ふつうのチャットAIは、質問に対して文章で答える。ところが、お客様からの問い合わせを担当部署に振り分けたり、写真に傷があるかを調べたりする仕事では、長い文章よりも「どれか1つ」「何％の確率か」という短い答えのほうが、プログラムに組み込みやすい。

Decisions APIは、まさにそうした用途のための入り口だ。OpenAIの開発者向けドキュメントによると、文章・画像（またはその両方）を読み、決まった型の答えを返す。OpenAIは、Responses APIより約10倍高速だと説明している。ただし、この速度の主張には具体的なベンチマーク（比較テストの数字）が添えられていないと報じられている。

報道によれば、この機能はDevDay 2026（9月29日）で先行紹介され、10月6日に誰でも試せる公開ベータになった。呼び出し先はPOST /v1/decisions、対応モデルはモデル名gpt-6-lunaのみだ。

▼ Decisions APIの基本情報

項目	内容
公開ベータの開始日	2026年10月6日（DevDay 2026の先行紹介は9月29日）
呼び出し先	POST /v1/decisions
対応モデル	gpt-6-luna のみ
入力できるもの	文章、画像（画像はbase64形式の埋め込みのみ。URL指定やファイルID指定は不可）
料金	入力100万トークンあたり$0.10 出力・キャッシュの読み書きは課金なし
正式版（一般提供）	「数週間以内」の見込み（日付は未公表）
企業向けの対応	ゼロデータ保持・HIPAA対応（対象の顧客）、米国と欧州（EEA＋スイス）でのデータ所在地指定

※ OpenAI開発者ドキュメント、Mixed、AI Weeklyの内容に基づく。ベータ版のため、仕様は今後変わる可能性がある。

② 3種類の答え：「確率」「選択」「点数」

Decisions APIでは、1つの質問ごとに答えの型を選ぶ。公式ドキュメントでは次の3種類が紹介されている。

predicate（述語）：「この条件は当てはまるか」を0〜1の確率で返す。例：商品写真に目に見える破損があるか。
choice（選択）：開発者が用意した選択肢から1つを選び、各選択肢の確率と、別の「確信度」も返す。例：クレームを担当部署に振り分ける。
score（点数）：段階の目安（ルーブリック）に当てはめ、確率で重みづけした平均の点数を返す。例：問題の深刻度を3段階で評価する。

score の点数は、段と段の「間」の値になることがある。OpenAIの例では、3つの段階の確率が0.1・0.7・0.2のとき、点数は1.1になる（段階の番号は0から数える）。つまり「ちょうど1段目」ではなく「1段目寄りだが、少し2段目の可能性もある」というニュアンスまで数字で出る。

1回のリクエストでは、同じ入力に対して複数の質問をまとめて投げられる。ただし、前の答えに依存する判断は別のリクエストに分ける必要がある。

③ 従来のやり方とどう違う？Structured Outputsとの比較

「答えの形を決めたいなら、もうStructured Outputs（構造化出力）があるのでは？」と思う人もいるだろう。OpenAIのドキュメントは、両者の違いを次のように整理している。

Structured Outputs：自分で決めたJSONの形（スキーマ）に沿ったデータを作らせる。項目の抜き出しや、文章での説明が得意。
Decisions API：決まった型の答え（確率・選択・点数）を返す。「どれくらい確からしいか」の情報が最初からついてくる。
関数呼び出し（Function calling）：AIがツールの実行を依頼し、その引数を渡す仕組み。

Vercelの解説も、「形式が守られていることと、判断が正しいことは別」という点を指摘している。つまり、Structured Outputsの形式が合っていても、中身が間違っている可能性はある。Decisions APIは、その「どれくらい自信があるか」を数字で扱いやすくしたものと言える。

▼ 3つの仕組みの使い分け

仕組み	主な役割	答えの形
Decisions API 公開ベータ	判定・分類・採点	確率つきの固定された型
Structured Outputs （Responses API）	情報の抜き出し、説明文づくり	自分で決めたJSONスキーマ
Function calling	ツールの実行を依頼する	関数名と引数

④ 使い道：振り分け・書類の分類・画面の判別

公式ドキュメントとVercelの解説で挙がっている使い道は、どれも「次にどの処理へ進むか」を決める場面だ。

サポートの振り分け：問い合わせを担当部署へ。「その他」の選択肢を用意しておく。
書類の分類：届いた書類の種類を判定してから、処理の流れを選ぶ。
画面の判別：ブラウザを自動で動かすとき、「今どの画面か」を見分ける。見慣れない画面なら人の確認に回す。
優先順位づけ：確認が必要な項目を、深刻度などの点数で並べる。

流れは図のとおりだ。入力を渡し、質問を投げ、確率つきで答えを受け取り、最後の行動は自分が決めたしきい値で分岐させる。「確率が0.8を超えたら自動処理、それ以下は人が確認」のように使うイメージだ。

開発者向けには、Vercelが対応を早くも公開している。AI SDKのバージョン7.0.128以降で、experimental_decideという関数からこのAPIを呼べるという。Vercel AI Gateway経由のモデルIDは「openai/gpt-6-luna-decisions」と案内されている。

⑤ 注意点：ベータ版ならではの「穴」と、確率の読み方

便利そうに見えるが、現時点では注意したい点がいくつかある。

💡 鵜呑みにしたくない5つの点

① 対応モデルはGPT-6 Lunaだけ：ほかのモデルでは使えず、選択の余地は今のところない。

② 「約10倍高速」の根拠は未公開：比較の数字は示されていない。自分の用途で速度と費用を測るのが前提。

③ ドキュメントの食い違い：Mixedは、GPT-6 Lunaのモデルページにある対応エンドポイント表（18行）に、公開直後の時点でこのAPIが載っていなかったと報じている。ベータ版の整備途中とみられる。

④ 答えを断る（refusal）場合がある：確率の数字を読む前に「答えの種類」を確認し、断られたときの処理を用意しておく必要がある。

⑤ 選択肢に正解がないこともある：固定の選択肢の中に正しい答えが含まれていない場合、AIは無理やりどれかを選んでしまう。「その他」や人の確認ルートが要る。

もう1つ大事なのが、確率は「正しさの保証」ではないという点だ。あるコミュニティの簡易テストでは、70%に偏ったコインで predicate が約70%と答えたのに対し、choice では約98%と出たとされる。これは非公式な1回のテストにすぎないが、数字をそのまま信じず、実例で確かめる重要性を示している。OpenAIも、人が確認した実例を使ってしきい値を決めるよう案内している。

▼ 導入前にチェックしたいこと

確認項目	理由	OpenAI・Vercelの案内
人が確認した実例でテスト	しきい値の決め方で誤判定の量が変わる	誤判定の種類（見逃し・誤検出）ごとのコストを考えて決める
人の確認ルートを用意	選択肢に正解がない・AIが断る場合がある	「その他」や refusal の処理を設ける
根拠となる情報も渡す	注文記録や社内ルールがないと判断できない質問がある	質問に必要な証拠を入力に含める
権限の確認は別に行う	分類結果は「許可」ではない	実行する操作には従来の本人確認などが必要
速度と費用を実測	公表されている速度の比較数字がない	誤判定の件数、人に回る割合、全体の遅延時間を測る

⑥ まとめ：「確率を返す判定係」として小さく試す価値あり

この記事のまとめ

OpenAIが10月6日にDecisions APIの公開ベータを開始。文章・画像から確率・選択・点数の3種類の答えを返す
呼び出し先はPOST /v1/decisions、対応モデルはGPT-6 Lunaのみ
料金は入力100万トークンあたり$0.10。出力とキャッシュは課金なし
OpenAIは「Responses APIの約10倍高速」と説明するが、比較の数字は未公開
確率は正しさの保証ではない。人の確認ルートとしきい値のテストが前提

Decisions APIは、AIに文章を書かせるのではなく、「判定係」として短い答えを安く速く返させるための道具だ。問い合わせの振り分けや書類の分類のように、答えの数が多く、1件あたりの費用を抑えたい場面に向いている。一方で、まだベータ版で、対応モデルの少なさやドキュメントの整備不足といった課題が残る。導入するなら、まず少量の実例で確率の傾向を確かめ、人が見る範囲を残しながら広げていくのが現実的だろう。なお、表の数字や仕様の多くはOpenAI自身の説明に基づくもので、独立した検証はこれからだ。