اوپنای‌آی با Decisions API کار توسعه‌دهنده‌ها را راحت کرد: مدل جدید GPT-6 Luna فقط تصمیم می‌گیرد!

اوپنای‌آی با Decisions API یک مسیریاب کنترل‌شده از خانواده GPT-6 در اختیار برنامه‌نویسان می‌گذارد

اوپنای‌آی تو جریان مرور رویداد DevDay 2026 از اندپوینت تازه Decisions API رونمایی کرد. این ابزار جدید از مدل GPT-6 Luna قدرت می‌گیره؛ نسخه‌ای خاص از مدل که دقیقاً برای تصمیم‌گیری‌های لحظه‌ای با یکسری پاسخ از پیش تعیین‌شده و محدود بهینه‌سازی شده. روش کارش هم خیلی سرراسته: توسعه‌دهنده‌ها یک سوال، لیست گزینه‌های مجاز و متن یا تصویر زمینه رو بهش میدن و Luna دقیقاً یکی از همون گزینه‌ها رو به عنوان جواب برمی‌گردونه تا مستقیماً توی نرم‌افزار استفاده بشه.

این معرفی اولین فرصتیه که برنامه‌نویس‌ها می‌تونن دستشون به مدل Luna برسه؛ عضوی متمایز از خانواده مدل‌های GPT-6 که کنار Astra و Sol قرار می‌گیره. رابط کاربری محدود و تخصصی این مدل دقیقاً برای کارهایی مثل دسته‌بندی داده‌ها، مسیریابی درخواست‌ها و کنترل ایجنت‌ها طراحی شده؛ یعنی کارهایی که قبلاً برای انجام دادنشون با مدل‌های عمومی همه‌منظوره، باید کلی پرامپت می‌نوشتید، خروجی‌های ساختاریافته (Structured Outputs) رو اعتبارسنجی می‌کردید و کلی کد برای مدیریت خطاها می‌زدید.

یک درخواست، فقط یک انتخاب مجاز

توی هر درخواستی که به Decisions API فرستاده میشه، مشخص می‌کنید که Luna دقیقاً چه تصمیمی باید بگیره و بین چه گزینه‌هایی حق انتخاب داره. همین محدود بودن دامنه پاسخ‌ها باعث میشه برنامه بتونه خروجی رو با همون دسته‌هایی که خودش فرستاده مطابقت بده و اعتبارسنجی کنه، بدون اینکه نیاز باشه متن‌های طولانی و آزاد رو پارس یا پردازش کنه.

اوپنای‌آی به عنوان مثال نحوه ارجاع تیکت‌های پشتیبانی رو نشون داده؛ جایی که محتوای تیکت همراه با لیستی از تیم‌های مربوطه به مدل داده میشه. در ادامه Luna شرایط رو بررسی می‌کنه و تیکت رو به تیم مناسب می‌فرسته. ماهیت این کار همون دسته‌بندی داده‌هاست که با یک مدل چندوجهی از خانواده GPT-6 بر اساس محتوای ورودی ارزیابی میشه.

چرا مدل‌های تخصصی کدهای شما رو خلوت‌تر می‌کنن؟

مدل‌های چت همه‌منظوره همین الان هم می‌تونن درخواست‌ها رو دسته‌بندی کنن، اما وقتی بخواید از اونا توی محیط واقعی محصول و پروداکشن استفاده کنید، حسابی به دردسر می‌افتید: باید پرامپت‌هایی بنویسید که مدل رو از تولید متن‌های اضافه منع کنه، ساختار خروجی رو قفل کنید، پارسرهایی برای درآوردن برچسب نهایی بنویسید و منطق تلاش مجدد (Retry) برای دسته‌بندی‌های نامعتبر تعریف کنید. مدل Luna کل این روند انتخاب پاسخ رو مستقیماً وارد قرارداد API کرده و دیگه نیازی به نوشتن خروارها کد اختصاصی برای مطمئن شدن از معتبر بودن خروجی نیست.

البته نباید فراموش کرد که خروجی معتبر لزوماً به معنی خروجی درست نیست؛ به خصوص وقتی ورودی ابهام داشته باشه، مخرب باشه یا خارج از گزینه‌های تعیین‌شده قرار بگیره. بنابراین سیستم‌هایی که به بررسی انسانی نیاز دارن، بهتره گزینه‌های مشخصی مثل needs_review یا unknown رو توی لیست انتخاب‌ها بذارن تا در صورت بروز چنین مواردی، فرآیند به مسیر جداگانه‌ای هدایت بشه.

کاربردهای احتمالی و اصلی

• هدایت تیکت‌های پشتیبانی، ایمیل‌ها و سرنخ‌های فروش به صف‌ها یا تیم‌های مربوطه
• اختصاص برچسب‌های نظارت بر محتوا (Moderation) از بین گزینه‌های تعریف‌شده
• انتخاب ابزار بعدی ایجنت یا مرحله بعدی فرآیند از لیست ابزارهای مجاز
• دسته‌بندی تصاویر محصولات، فرم‌ها، فاکتورها و انواع مدارک
• تصمیم‌گیری‌های مکرر و ایجاد شاخه‌های فرآیندی درون پایپ‌لاین‌های چندمدلی

جایگاه Luna در خانواده GPT-6

اوپنای‌آی همچنین از مدل GPT-6.1 Sol رونمایی کرد؛ مدلی ارتقایافته که روی کدنویسی ایجنتی، کار با کامپیوتر (Computer Use) و کارهای حرفه‌ای تمرکز داره. طبق اعلام این شرکت، عملکرد Sol خیلی نزدیک به مدل پرچمدار Astra هست، در حالی که قیمت توکن‌های ورودی و خروجی اون به اندازه یک‌پنجم نسخه استاندارد Astra تموم میشه. علاوه بر این، حالت فوق‌سریع (Ultrafast) سرعت تولید متن در Codex رو تا هشت برابر افزایش میده و به ۳۰۰ توکن در ثانیه می‌رسونه و سرعت تولید از طریق API هم تا شش برابر بیشتر شده.

در این بین، مدل Luna وظیفه کاملاً متفاوتی رو در این خانواده به دوش می‌کشه: تصمیم‌گیری‌های محدود، پرشمار و فوق‌العاده سریع. به زبان ساده، یک مدل بزرگ‌تر می‌تونه وظیفه برنامه‌ریزی یا پاسخ به سوالات رو بر عهده بگیره، در حالی که Luna فقط ابزار بعدی، مقصد پیام یا برچسب قانونی رو از بین گزینه‌های مجاز انتخاب می‌کنه.

انتخابی طبیعی برای حلقه‌های کاری ایجنت‌ها

سرویس Decisions API به خوبی راهنمای ارتقایافته Agents API رو تکمیل می‌کنه؛ سرویسی که حالا ایجنت‌های قادر به کار با کامپیوتر رو هم پوشش میده. این ایجنت‌ها مدام باید بین کارهایی مثل کلیک کردن، تایپ کردن، فراخوانی یک ابزار، درخواست تایید یا متوقف کردن کار دست به انتخاب بزنن. مدل Luna یک نقطه تصمیم‌گیری ساختاریافته و سریع برای جریان‌های کاری فراهم می‌کنه که چنین اقداماتی رو در قالب گزینه‌های مجاز تعریف می‌کنن.

ابهامات کلیدی نسخه پیش‌نمایش

در حال حاضر Decisions API در قالب پیش‌نمایش محدود در دسترس گروهی از مشتریان قرار گرفته. هرچند اوپنای‌آی وعده داده که طی روزهای آینده دسترسی گسترده‌تری فراهم می‌کنه، اما هنوز جزئیاتی درباره قیمت‌گذاری Luna، محدودیت نرخ درخواست (Rate Limits)، معیارهای تاخیر زمانی، دسترسی منطقه‌ای یا حداکثر تعداد گزینه‌های مجاز در هر درخواست منتشر نکرده.

مناسب بودن این سرویس برای استفاده واقعی در محیط عملیاتی، تا حد زیادی به میزان تاخیر (Latency) و دقت دسته‌بندی زیر بار ترافیک واقعی بستگی داره. سیستم‌های هدایت درخواست و کنترل ایجنت ممکنه در هر انشعاب این اندپوینت رو صدا بزنن، بنابراین تاخیر بیشینه (Tail Latency) در کنار میانگین زمان پاسخ اهمیت فوق‌العاده‌ای داره. علاوه بر این، ارزیابی‌ها باید مشخص کنن که Luna چقدر ممکنه بین برچسب‌های نزدیک به هم گیج بشه، گزینه‌های جایگزین رو اشتباه انتخاب کنه، یا با دیدن دستورالعمل‌های بی‌ربط و مخرب پاسخ متفاوتی بده.

تیم‌هایی که نسخه آزمایشی رو تست می‌کنن می‌تونن عملکرد اون رو کنار دسته‌بندی‌کننده‌های فعلی بررسی کنن، ماتریس درهم‌ریختگی (Confusion Matrix) تشکیل بدن و هزینه و سرعت رو در حجم ترافیک واقعی بسنجن. این نتایج مشخص می‌کنه که آیا Luna می‌تونه جای پایپ‌لاین‌های سنتی پرامپت و پارس، کلاسیفایرهای معمولی یا مدل‌های فاین‌تیون‌شده رو برای یک حجم کاری مشخص بگیره یا نه.