Decisions API de la OpenAI este acum disponibil general, iar Liquid AI și Strands lansează modele de decizie concurente. Ele returnează probabilități, nu text. Cifrele furnizorilor nu sunt auditate, dar întrebarea de arhitectură este reală.
O nouă clasă de modele ajunge în API-urile de producție: modelul de decizie. Nu scrie text. Citește o intrare și un set de întrebări, apoi returnează răspunsuri tipizate, cu probabilități. În octombrie 2026, Strands și Liquid AI (de două ori) au arătat concret cum funcționează. Separat, documentația OpenAI listează acum Decisions API ca disponibil general. Toate vin cu afirmații pe care trebuie să le tratați ca afirmații.
Ce s-a lansat
Documentația OpenAI spune că Decisions API este acum disponibil general, după o versiune beta publică. API-ul evaluează text, imagini și JSON, iar OpenAI spune că returnează răspunsuri tipizate de aproximativ 10x mai repede decât Responses API. Cererile merg la POST /v1/decisions, iar gpt-6-luna este deocamdată singurul model acceptat.
Sunt trei tipuri de întrebări:
- predicate: probabilitatea, de la 0 la 1, ca o condiție să fie adevărată.
- choice: o opțiune dintr-un set pe care îl furnizați voi.
- score: o notă pe niveluri ordonate, calculată ca medie a indicilor nivelurilor ponderată cu probabilitățile, deci poate cădea între niveluri.
De la beta, OpenAI listează prompt caching, intrare JSON, URL-uri de imagini găzduite, istoric de conversație (inclusiv apelurile de funcții și rezultatele lor), raportare de utilizare la nivel de organizație și Private Link. Limita a crescut de la 200 la 400 de întrebări la o cerere. OpenAI listează și o integrare nativă cu GPT-Live.
Documentația trasează o limită. Folosiți Decisions când aveți nevoie de unul dintre aceste tipuri de răspuns. Folosiți Structured Outputs când trebuie să generați un obiect care respectă propria schemă JSON, sau function calling când modelul trebuie să ceară apelul unui tool. Decisions returnează răspunsuri; aplicația voastră execută acțiunea pe care o selectează ele.
Aceeași idee, în altă parte
Pe 1 octombrie 2026, echipa Strands a lansat Strands Decider 2B, un model de decizie open source. Echipa îl descrie ca model cu 2 miliarde de parametri, care rulează pe un CPU sau GPU local. Strands raportează o mediană de circa 115 ms pe hardware disponibil pe scară largă, cu graficul de latență publicat măsurat pe un RTX 3090, pe versiunea v18 a modelului, și circa 153 ms pe un MacBook M3 pentru sarcini mici. În propria măsurătoare, Strands spune că modelul s-a clasat pe locul 3 din 33 în clasa 2B la acuratețe și calibrare (calibrarea fiind măsurată cu scorul Brier), pe setul public JevBench. Echipa a publicat ponderile, datele de antrenare și scripturile.
Pe 5 octombrie, Liquid AI a prezentat d1, cu suport pentru imagini. Liquid AI spune că d1 egalează sau depășește GPT-6.1 Sol la 4 din 6 aplicații testate și costă de 19x până la 200x mai puțin decât GPT-6.1 Sol și Claude Opus 5.5. Prețul declarat este de $0.04 la un milion de tokeni de intrare, taxat doar pe intrare. Pe 15 octombrie, Liquid AI a lansat d1-ultra, la $0.042 la un milion de tokeni de intrare. Liquid AI spune că a comparat d1-ultra cu d1 și cu Jev 1.14 în 112 evaluări și că îl depășește pe Jev 1.14 la toate sarcinile. Sunt benchmark-uri ale Liquid AI, rulate de Liquid AI. În articolul despre d1 (nu în cel despre d1-ultra), nota de metodologie spune că firma a scris 6 din cele 15 întrebări de cod și 2 din cele 4 sesiuni de compactare după ce pipeline-ul era stabilit.
De ce contează probabilitatea
Articolul Strands formulează ideea cel mai limpede. Modelele de decizie, afirmă el, dau fiecărei decizii un scor de fiabilitate, pe care API-urile de inferență ale LLM-urilor de frontieră nu îl oferă. Liquid AI face o afirmație înrudită: majoritatea modelelor de decizie sunt prea sigure pe ele, de aceea a antrenat d1-ultra pentru probabilități mai bine calibrate.
Pentru un șef de inginerie, asta e partea utilă. Unei probabilități îi poți pune un prag, poți rutea după ea și o poți audita.
Strands dă un exemplu de unde ar putea sta un astfel de model: o verificare care rulează înainte ca un agent să apeleze un tool și care întreabă dacă argumentele se sprijină pe ce a spus utilizatorul. Echipa spune că e o ilustrație, nu o recomandare, cu întrebări și praguri alese manual. Argumentul ei: o decizie atât de ieftină poate sta într-un punct din flux unde un apel LLM nu ar putea sta niciodată.
Limitele le spun chiar furnizorii
Strands e tranșant: abordarea este semnificativ mai slabă decât modelele de raționament la probleme complexe, iar lipsa generării de text o face nepotrivită pentru programare, chatbot-uri și rezumate. Ghidul OpenAI trimite la alte instrumente generarea legată de o schemă și apelurile de tool-uri. Liquid AI, la rândul ei, spune că modelele de decizie pot înlocui apelurile costisitoare la modele de limbaj când răspunsul este o decizie structurată.
Strands spune că vede configurații hibride: un LLM pentru deciziile cele mai grele, un model de decizie pentru cele de rutină.
Separat, cazurile de utilizare menționate în surse includ:
- clasificarea și rutarea tichetelor de suport,
- filtrarea de conținut,
- inspecția vizuală a pieselor sau a fotografiilor,
- clasificarea politicilor și guardrail-uri,
- gestionarea contextului în agenți.
Ce nu spun sursele
Nu există o comparație independentă între OpenAI, Liquid AI și Strands pe datele voastre. Accelerarea de 10x și multiplii de cost sunt cifre ale furnizorilor. Cele două moduri de implementare diferă și ele: de o parte un API găzduit, cu Private Link, de cealaltă open weights pe care le puteți rula local (Strands). Modelele Liquid AI sunt servite prin Liquid AI API (și, conform articolului despre d1, prin Vercel și OpenRouter, deocamdată doar text pentru d1). Liquid AI plănuiește să lanseze în curând open weights pentru modelele viitoare pe Hugging Face. Pentru sarcinile reglementate, unde datele nu au voie să iasă din mediul vostru, diferența asta poate conta mai mult decât orice benchmark.
Ce înseamnă pentru planurile voastre
Alegeți un pas de clasificare cu volum mare din stack-ul vostru, de exemplu rutarea tichetelor sau o verificare înainte de apelul unui tool, și rulați-l pe două modele de decizie și pe LLM-ul actual, cu datele voastre etichetate. Comparați acuratețea, calibrarea probabilităților și costul la o mie de decizii, nu titlurile furnizorilor. Stabiliți devreme dacă rezidența datelor cere open weights sau Private Link, pentru că alegerea asta restrânge opțiunile înaintea calității.
Surse
- developers.openai.com Decisions | OpenAI API
- liquid.ai Introducing d1: The most capable decision model, now with vision | Blog · 5 octombrie 2026
- liquid.ai d1-ultra: Introducing the World’s Best Decision Model | Blog · 15 octombrie 2026
- strandsagents.com Introducing Strands Decider 2B: a small, open source, decision model · 1 octombrie 2026
Briefing documentat și scris de sistemul editorial SKYLOGIQ: un model AI care scrie și un model AI care verifică faptele, cu o coadă de verificare umană pentru tot ce refuză editorul. Sursele sunt listate mai sus. Cum se face Briefing-ul
Versiunea în română e adaptată automat după originalul în engleză și verificată de un al doilea model AI. Originalul în engleză