La carrera de System One
Jev vs OpenAI Decisions API
Decisions API de OpenAI entra en la misma categoría rápida y de opciones cerradas que Jev ayudó a popularizar. Ambos eligen una respuesta que tu código puede usar; las diferencias importantes están en cómo se definen las preguntas, qué significa la confianza y qué contexto acepta el modelo.
Los informes públicos describen Decisions API como un servicio de preview limitado basado en GPT-6 Luna. Los detalles pueden cambiar cuando OpenAI publique más documentación del preview. Esta página separa los datos publicados del contrato actual de la API de Jev.
Actualización de disponibilidad
OpenAI Decisions API todavía no está abierta al público
La función aún no está disponible para uso general. Puedes estudiar aquí el flujo de decisiones, pero todavía no se puede llamar a la API desde la plataforma pública de OpenAI.
Por qué existe esta categoría
El paso que falta entre la salida del modelo y la acción de la aplicación
Un modelo general es bueno explicando posibilidades. Un modelo de decisiones resulta útil cuando tu software ya conoce las acciones permitidas y necesita elegir rápidamente una rama fiable.
Devuelve una respuesta, no un párrafo
Un router necesita recibir billing, sales o support, no un párrafo que otro parser tenga que leer. La capa de decisiones hace explícito el espacio de acciones y mantiene pequeña la respuesta.
Haz explícito el límite
Los desarrolladores definen la pregunta y las respuestas válidas. Así es más fácil tipar, registrar y probar el código posterior, además de rechazar resultados fuera de la política.
Mantén rápido el bucle de control
Un agente puede usar un modelo más potente para planificar y delegar decisiones pequeñas—enrutar, permitir, escalar o elegir la siguiente herramienta—a un modelo de decisiones de baja latencia.
En resumen
El mismo destino: una decisión que tu código puede usar
Las APIs están cerca, pero hacen promesas diferentes. Esta es la imagen pública actual, con las afirmaciones de preview identificadas.
Motor
Un modelo de decisiones dedicado y no conversacional.
Según la cobertura del DevDay, una versión especializada de GPT-6 Luna.
Tarea principal
Realizar clasificaciones, puntuaciones o juicios de sí/no acotados que el código pueda ejecutar.
Elegir rápidamente una respuesta definida por el desarrollador para clasificar, enrutar o escoger el siguiente paso de un agente.
Entrada
Estado de texto: cadena, objeto JSON o matriz de texto.
Contexto proporcionado como texto o imágenes.
Espacio de respuestas
Choice admite hasta 255 opciones; Score y Noul expresan otras formas habituales de decisión.
Un conjunto finito de respuestas predefinidas; los informes del preview no publicaron el límite.
Contrato de preguntas
Preguntas Noul, Choice y Score; varias preguntas con nombre pueden ejecutarse en paralelo.
Una pregunta acompañada de una lista cerrada de respuestas predefinidas; el esquema público completo todavía está evolucionando.
Salida
Respuestas tipadas con probabilidades y señales de confianza ligadas al tipo de pregunta.
La respuesta elegida con una puntuación de confianza.
Confianza
Jev documenta señales de probabilidad y confianza calibradas para sus decisiones.
La cobertura actual describe una puntuación producida por el modelo; los detalles de calibración independiente aún no son públicos.
Velocidad
Diseñado para decisiones repetidas y de baja latencia; los benchmarks dependen de la carga y la referencia.
Los informes hablan de una respuesta de 150 ms y una velocidad aproximadamente 10 veces mayor que la de GPT-6 Luna normal.
Precio
Los materiales actuales de Jev describen un uso medido; el plan y la carga deben comprobarse para cada despliegue.
El precio no se había publicado en la cobertura del preview limitado.
Disponibilidad
API pública y playground.
Preview limitado por invitación en el momento de los informes del DevDay 2026.
Las cifras de Decisions API son afirmaciones de la etapa de preview publicadas alrededor del DevDay 2026. Úsalas como punto de partida para una evaluación propia, no como una promesa universal de rendimiento.
Una tarea de routing, dos contratos
La forma de la pregunta importa
Ambos sistemas pueden enrutar un ticket de facturación. Jev hace que el tipo de pregunta forme parte del contrato de la API; Decisions API se describe públicamente como contexto más un conjunto limitado de respuestas.
Jev: preguntas tipadas con nombre
Choice selecciona un equipo y Noul pregunta si una persona debe revisar el caso.
{
"model": "jev-latest",
"state": "I was charged twice and need a refund.",
"questions": {
"team": {
"type": "choice",
"instructions": "Which team should handle this?",
"criteria": {
"billing": "Payments and refunds",
"technical": "Product issues",
"other": "None of the above"
}
},
"needs_review": {
"type": "noul",
"instructions": "Does this need human review?"
}
}
}Decisions API: contexto + respuestas permitidas
Una forma conceptual basada en descripciones públicas, no un cuerpo de solicitud SDK garantizado.
{
"context": "I was charged twice and need a refund.",
"question": "Which team should handle this?",
"answers": ["billing", "technical", "other"]
}El ejemplo de Decisions API es intencionadamente conceptual porque los informes describen un producto en preview sin publicar un esquema de solicitud completo y estable.
Un patrón práctico para agentes
Un modelo de decisiones es una compuerta rápida, no todo el agente
La arquitectura útil no es modelo contra modelo, sino una división del trabajo: el razonamiento abierto estructura la tarea, un modelo de decisiones gestiona una rama acotada y tu código conserva el permiso final para actuar.
01
Enmarca la tarea
Usa un LLM o agente para entender la solicitud abierta, reunir herramientas y convertirla en un contexto de decisión compacto.
02
Expón el estado relevante
Pasa solo el contexto de texto o imagen necesario para la siguiente decisión, en vez de repetir toda la conversación o la traza de herramientas.
03
Haz una pregunta acotada
Define los resultados permitidos—enrutar, permitir, bloquear, puntuar o elegir la siguiente acción—y devuelve la rama que tu código espera.
04
Aplica la acción
Aplica umbrales, permisos, límites de frecuencia y aprobación humana con código determinista antes de reservar, pagar, enviar o cambiar datos.
El patrón también sirve para seleccionar herramientas: el orquestador decide qué intenta lograr el agente y una llamada rápida de decisiones elige el siguiente movimiento acotado.
Cuándo tiene sentido cada opción
Elige Jev para decisiones acotadas
Úsalo cuando tu aplicación tiene decisiones repetidas y bien delimitadas, necesita varios tipos de pregunta en una solicitud o quiere señales de probabilidad como parte del contrato de salida.
Observa Decisions API cuando
Necesitas contexto de texto o imagen, quieres permanecer en el ecosistema de OpenAI y puedes aceptar la disponibilidad de preview mientras madura su contrato.
Usa un flujo de dos modelos
Deja que un modelo general explique o transforme la información y utiliza después un modelo de decisiones para una compuerta estrecha como enrutar, permitir, puntuar o escalar.
No trates una puntuación de confianza como una garantía de seguridad. Evalúa ambas opciones con casos etiquetados, fija umbrales según el coste de los errores y conserva comprobaciones de política deterministas o revisión humana para acciones importantes.
Antes de producción
Qué probar antes de que una decisión active una acción
Las respuestas rápidas solo sirven cuando el límite se puede medir. Mantén pequeña la llamada al modelo, pero haz explícitas las capas de evaluación y política.
Crea un conjunto etiquetado
Mide precisión de routing, falsas aprobaciones, falsas escaladas y abstenciones con ejemplos reales, no solo con prompts de demostración limpios.
Comprueba la puntuación
Una cifra de confianza no es automáticamente una probabilidad calibrada. Compara los intervalos de puntuación con los resultados observados antes de convertirlos en umbrales de negocio.
Prueba entradas hostiles
Prueba números, fechas, instrucciones ambiguas, prompt injection, estados malformados y casos diseñados para llevar al modelo a una rama errónea con demasiada confianza.
Conserva un fallback seguro
En casos inciertos o de alto impacto, pausa, solicita revisión humana o devuelve la tarea a un flujo general en vez de forzar una elección.