Entscheidung erstellen
Ja/Nein-, Auswahl- und Bewertungsfragen zu einem Text oder Bild stellen und Wahrscheinlichkeiten statt generiertem Text zurückbekommen. Kompatibel mit der OpenAI Decisions API.
POST /v2/decisions prüft eine Eingabe (Text, Bilder oder beides) gegen eine oder mehrere Fragen und beantwortet jede mit einer Zahl: einer Wahrscheinlichkeit, einer gewählten Option oder einem Wert auf einer Skala. Damit lassen sich Inhalte klassifizieren, Anfragen weiterleiten oder Aufgaben priorisieren, ohne eine Freitext-Antwort erst auswerten zu müssen.
Der Endpunkt ist mit der OpenAI Decisions API kompatibel. Die OpenAI-SDKs funktionieren unverändert, sobald sie auf die Basis-URL zeigen (client.decisions.create(...), openai-python ab 3.26 oder openai-node ab 7.30).
Anfrage
| Feld | Pflicht | Beschreibung |
|---|---|---|
model | ja | Ein Entscheidungsmodell. Derzeit ist das gpt-6-luna-decisions. |
input | ja | Die Grundlage, die jede Frage auswertet: ein String oder ein Array von Nachrichten. Der content einer Nutzernachricht kann input_text-, input_image- (Base64-Data-URL oder öffentliche HTTPS-URL) und input_json-Teile mischen. |
questions | ja | 1 bis 400 Fragen vom Typ predicate, choice oder score. Die Antworten kommen in derselben Reihenfolge zurück. |
prompt_cache_key | nein | Eine feste Kennung für Anfragen mit gleichem Anfang. Wird pro Workspace getrennt. |
safety_identifier | nein | Eine undurchsichtige Kennung Ihrer Endnutzerin oder Ihres Endnutzers (max. 128 Zeichen). Keine personenbezogenen Daten eintragen. |
Die drei Fragetypen:
| Typ | Wofür | Felder | Antwort |
|---|---|---|---|
predicate | prüfen, ob eine Aussage zutrifft | instructions | probability, 0 bis 1 |
choice | eine von 2 bis 255 Optionen wählen | instructions, choices: [{ value, description? }] | choice, confidence, eine Wahrscheinlichkeit je Option |
score | gegen 2 bis 10 geordnete Stufen bewerten, niedrigste zuerst | instructions, levels: [{ label, description? }] | score (wahrscheinlichkeitsgewichteter Stufenindex ab 0), confidence, eine Wahrscheinlichkeit je Stufe |
Geben Sie jeder Frage einen name; die Antwort trägt ihn zurück.
Um Fragen auszuprobieren, bevor Sie Code schreiben, öffnen Sie Entscheidungen im Playground des Dashboards. Sein Formular baut jede Eingabe, die der Endpunkt annimmt: Nachrichten jeder Rolle mit Text, Bildern (hochladen, einfügen oder per URL) und JSON, frühere Antworten des Assistenten sowie Funktions- und Custom-Tool-Aufrufe mit ihren Ergebnissen. Es schickt echte Anfragen aus Ihrem Workspace, zeigt jede Antwort mit ihren Wahrscheinlichkeiten, die Tokens, wie viele davon aus dem Cache kamen, und die Kosten, und schreibt den passenden cURL-, Python- und TypeScript-Code für Sie.
from openai import OpenAI
client = OpenAI(base_url="https://api.deutschlandgpt.de/v2", api_key="YOUR_API_KEY")
decision = client.decisions.create(
model="gpt-6-luna-decisions",
input="Mir wurde die Bestellung doppelt berechnet. Bitte erstatten Sie den zweiten Betrag.",
questions=[
{"type": "predicate", "name": "refund_requested",
"instructions": "Bittet die Kundin oder der Kunde um eine Erstattung?"},
{"type": "choice", "name": "department",
"instructions": "Welche Abteilung sollte das bearbeiten?",
"choices": [{"value": "billing"}, {"value": "technical"}, {"value": "other"}]},
],
)
for answer in decision.answers:
print(answer)
Antwort
{
"model": "gpt-6-luna-decisions",
"answers": [
{ "type": "predicate", "name": "refund_requested", "probability": 0.95 },
{
"type": "choice",
"name": "department",
"choice": "billing",
"probabilities": [
{ "value": "billing", "probability": 0.95 },
{ "value": "technical", "probability": 0.02 },
{ "value": "other", "probability": 0.03 }
],
"confidence": 0.93
}
],
"usage": {
"input_tokens": 162,
"input_tokens_details": { "cached_tokens": 0, "cache_write_tokens": 0 },
"output_tokens": 0,
"output_tokens_details": { "reasoning_tokens": 0 },
"total_tokens": 162
}
}
Die Werte sind Beispiele. Jede einzelne Frage kann als { "type": "refusal", "name": "…" } zurückkommen, während die übrigen beantwortet werden. Prüfen Sie deshalb vor dem Auslesen den type jeder Antwort. Eine Ablehnung ist nicht dasselbe wie eine niedrige Wahrscheinlichkeit. Legen Sie Schwellenwerte anhand eigener, bereits bewerteter Beispiele fest.
Abrechnung und Datenverarbeitung
Eine Entscheidung wird pro Token zu den eigenen Preisen des Entscheidungsmodells abgerechnet, getrennt nach Eingabe-Tokens, gecachten Eingabe-Tokens und Cache-Schreibvorgängen. Ausgabe-Tokens fallen nicht an. Jede Anfrage erscheint in den Protokollen im Dashboard als Entscheidung, mit ihren Kosten.
Entscheidungen laufen bei Microsoft Azure in der EU. Die Modellfreigaben des API-Schlüssels, die Einstellung „nur DSGVO-konforme Modelle“ am Schlüssel und die Berufsgeheimnis-Einstellung (§ 203) Ihrer Organisation gelten genauso wie bei Chat-Anfragen. Ist der Anbieter, der eine Anfrage beantworten soll, nicht erreichbar, weicht sie nur auf einen Anbieter aus, der dieselben Prüfungen besteht; bei einer Organisation, die dem § 203 unterliegt, verlässt eine Anfrage nie die dafür freigegebenen Anbieter und schlägt stattdessen fehl. Das Anfrageprotokoll zeigt, welcher Anbieter geantwortet hat.
Fehler
| Status | Bedeutung |
|---|---|
400 | Die Anfrage ist ungültig, das Modell unterstützt keine Entscheidungen, oder der Anbieter hat die Eingabe abgelehnt (zum Beispiel eine Bild-URL, die er nicht laden konnte). |
402 | Ihr Guthaben oder ein Ausgabenlimit lässt die Anfrage nicht zu. |
403 | Ihr Schlüssel oder Ihre Organisation darf dieses Modell nicht nutzen. |
404 | Unbekanntes Modell, oder Entscheidungen sind dafür gerade nicht verfügbar. |
429 | Zu viele Anfragen. Warten Sie die Zeit im Header Retry-After ab. |
502, 504 | Der Anbieter ist ausgefallen oder hat nicht rechtzeitig geantwortet. Später erneut versuchen. |