OpenAIs Decisions API geht live und nimmt TypeSafes 7,6-Milliarden-Dollar-Markt für Entscheidungsmodelle ins Visier
OpenAI hat seine Decisions API am Donnerstag für alle Kunden freigeschaltet und tritt damit in den schnell wachsenden Markt für Entscheidungsmodelle ein, der von TypeSafes Jev dominiert wird – und senkt die Antwortzeiten für manche Nutzer von über einer Sekunde auf unter 200 Millisekunden.
OpenAI hat seine Decisions API am Donnerstag für alle Kunden geöffnet und betritt damit einen spezialisierten KI-Markt, den TypeSafes Modell Jev geschaffen hat und der TypeSafe zu einer Bewertung von 7,6 Milliarden Dollar verholfen hat. Entscheidungsmodelle fungieren als ultraschnelle „Super-Klassifikatoren“, die aus einer Reihe von Optionen eine Wahl mit einem Konfidenzwert zurückgeben – in deutlich unter einer Sekunde und damit weit schneller als allgemeine Chat-Modelle. OpenAI hat die Decisions API gebaut, indem es ChatGPT Luna so umkonfiguriert hat, dass Geschwindigkeit und niedrigere Inferenzkosten Vorrang haben, statt ein völlig neues Modell zu trainieren. Die typischen Antwortzeiten sanken von ein bis drei Sekunden auf 100 bis 180 Millisekunden; die Sprachlern-App Speak gab an, ihre eigene Latenz nach dem Wechsel von 1,4 Sekunden auf 0,13 Sekunden gesenkt zu haben. Die API wurde erstmals am Entwicklertag von OpenAI am 29. September angekündigt und umfasst inzwischen auch Sprach- und visuelle Modalitäten, mit geografisch gezielter Inferenz, um die Latenz weltweit zu senken. Bei unabhängigen Benchmarks hält Jev eine starke Position – Rang sieben im AIM System One Index und Rang drei im Artificial Analysis Decision Index, gegenüber Rang acht und vierzehn für OpenAIs Modell – und bleibt das am häufigsten abgefragte Entscheidungsmodell auf OpenRouter. Das neueste Jev-Modell unterstützt inzwischen auch Bilder und „Smart-if“-Anweisungen. Nikunj Handa, Produktverantwortlicher bei OpenAI, hob die multimodalen Stärken von Luna hervor und bezeichnete das Modell als „extrem leistungsfähig“ bei der Bildklassifizierung mit besserer Kalibrierung – zugleich peilt er weitere Geschwindigkeitsgewinne an, die künftig eine Bildanalyse pro Videoframe ermöglichen könnten.



