OpenAI: GPT-6 Luna Decisions

GPT-6 Luna im Decisions-Modus von OpenAI bewertet bereitgestellte Belege und gibt typisierte Antworten dazu zurück. Der Anbieter dokumentiert GPT-6 Luna als Modell für diese spezialisierte Entscheidungsschnittstelle. Es kann einschätzen, ob eine Bedingung erfüllt ist, aus festen Optionen auswählen oder eine Eingabe auf einer geordneten Bewertungsrubrik einordnen. Verwenden Sie diesen GPT-6-Luna-Modus, wenn die Aufgabe ein definiertes Entscheidungsergebnis statt einer schriftlichen Antwort benötigt.

Gemeinsame Eingabe, benannte Fragen und Antworten

Eine Anfrage an den Anbieter enthält das Modell, die gemeinsame Eingabe und ein questions-Array. Die Eingabe kann eine Textzeichenfolge oder Nutzernachrichten mit Text und Bildern sein. Jede Frage hat einen eindeutigen Namen, einen Typ, Anweisungen und gegebenenfalls erforderliche Optionen oder Stufen. Das Antwort-Array übernimmt die Namen der Fragen, sodass das Ergebnis der tatsächlich angefragten Bedingung, Kategorie oder Bewertung zugeordnet werden kann.

Stellen Sie bei einer Support-Nachricht die Nachricht und den für die nächste Entscheidung relevanten Kontext bereit und benennen Sie die Frage nach dem Feld, das der Workflow benötigt. Fügen Sie bei einer Dokumentpassage den Text ein, der das Kriterium begründet, statt lediglich unbelegt auf eine größere Datei zu verweisen. Definieren Sie die Frage anhand beobachtbarer Fakten und trennen Sie unabhängige Anliegen. Ein nützliches Ergebnis kann eine Problemkategorie mit einer Schweregradbewertung kombinieren und dabei Definition und Bedeutung jeder Antwort bewahren.

Predicate: einschätzen, ob eine Bedingung erfüllt ist

Eine predicate-Frage gibt eine Wahrscheinlichkeit von 0 bis 1 dafür zurück, dass die definierte Bedingung wahr ist. Sie kann die Relevanz einer Passage oder einen sichtbaren Zustand in einem Bild prüfen. Beschreiben Sie bei einem Produktfoto den zu prüfenden sichtbaren Defekt, beispielsweise einen Riss oder Einriss, und stellen Sie das Bild zusammen mit diesem Kriterium bereit. Der Wert ist die Einschätzung des Modells; die Anwendung wählt den Schwellenwert für Markierung oder Prüfung.

Der Decisions-Leitfaden von OpenAI verlangt für diesen Endpunkt inline kodierte Bilddaten. Gehostete Bildadressen und Dateikennungen sind im dokumentierten Vertrag keine unterstützten Bildeingaben. Text- und Bildinhalt lassen sich in einer Nutzernachricht kombinieren, sodass die visuellen Belege zusammen mit dem relevanten schriftlichen Kontext bewertet werden. Halten Sie das Bild lesbar und die Bedingung konkret; eine Wahrscheinlichkeit für einen einzelnen benannten Defekt ist kein allgemeiner Inspektionsbericht über jedes mögliche Problem.

Choice: einen bereitgestellten Wert auswählen

Eine choice-Frage wählt aus Optionen mit unterschiedlichen Werten und Beschreibungen, die erklären, wann sie zutreffen. Die zurückgegebene Auswahl ist einer dieser Werte, zusammen mit Wahrscheinlichkeiten je Option und einem separaten confidence-Feld. Definieren Sie für die Weiterleitung Kategorien anhand der tatsächlich verfügbaren Teams oder Ergebnisse und fügen Sie eine Sonstiges-Option hinzu, wenn die Menge nicht jede Eingabe abdeckt. Lassen Sie diese Kategorien ungeordnet: Ihre Positionen bilden keine Schweregradskala.

Eine praktische Klassifikationsbeschreibung kann einen Produktdefekt, ein Zugangsproblem und eine allgemeine Anfrage unterscheiden. Beschreiben Sie die Grenze zwischen diesen Kategorien, statt sich nur auf kurze Namen zu verlassen. Verwenden Sie die zurückgegebene Auswahl für die vorgeschlagene Bezeichnung und prüfen Sie die Verteilung, wenn mehrere Bedeutungen plausibel bleiben. Das Ergebnis liefert eine Auswahl; die Anwendung bestimmt, ob diese Auswahl eine automatische Weiterleitung oder eine Prüfung auslösen soll.

Score: eine wahrscheinlichkeitsgewichtete Position auf einer Bewertungsrubrik

Eine score-Frage verwendet geordnete Stufen von der niedrigsten bis zur höchsten. Die Stufenindizes beginnen bei 0, und der Score ist der wahrscheinlichkeitsgewichtete Mittelwert dieser Indizes. Er kann zwischen Stufen liegen. Beim Schweregrad eines Problems kann eine Stufe kosmetische Auswirkungen, eine andere eine nutzbare Umgehungslösung und eine weitere eine vollständige Blockade bedeuten; definieren Sie die Kriterien, die sie voneinander trennen. Die Antwort enthält neben dem Score die Wahrscheinlichkeiten je Stufe und die Konfidenz.

Der Erwartungswert fasst die Verteilung zusammen, statt eine einzelne Kategorie auszuwählen. Bewahren Sie diese Unterscheidung, wenn Sie ein Ergebnis für Priorisierung oder einen aggregierten Trend verwenden. Eine Anzeige mit festen Kategorien kann stattdessen eine choice-Frage nutzen. Die Konfidenz ist ein separat ausgegebenes Feld für choice- und score-Antworten; der Leitfaden definiert sie nicht als identisch mit der Wahrscheinlichkeit der ausgewählten Option.

Mehrere Fragen und abhängige Entscheidungen

Unabhängige Fragen können sich eine Eingabe in einer Anbieteranfrage teilen, auch bei unterschiedlichen Fragetypen. Ein Foto könnte ein Defektprädikat und eine Kategorieauswahl unterstützen, eine Nachricht eine Kategorie- und Schweregradbewertung. Geben Sie jedem Anliegen eigene Anweisungen und eine eigene Bedeutung. Wenn eine spätere Entscheidung von einem früheren Ergebnis abhängt, empfiehlt der Anbieter separate Anfragen, damit die zweite Frage dieses Ergebnis ausdrücklich nutzen kann. Nehmen Sie nicht an, dass die Reihenfolge von Fragen in einem Array sie zu einem sequenziellen Gespräch macht.

Die richtige Ausgabe wählen und Grenzen interpretieren

Decisions liefert das definierte predicate-, choice- oder score-Ergebnis. Eine Antwort kann stattdessen den Typ refusal haben; prüfen Sie ihren Typ, bevor Sie eine Wahrscheinlichkeit, Auswahl oder Bewertung lesen. OpenAI unterscheidet dies von der Generierung beliebiger schemabasierter Objekte oder schriftlicher Erklärungen über Structured Outputs und von der Anforderung einer Werkzeugaktion über Function Calling. Eine Entscheidungsantwort darf weder als generierte Begründung noch als Nachweis dafür dargestellt werden, dass eine externe Aktion stattgefunden hat. Allgemeine Chatmodell-Ausgaben, Reasoning- und Werkzeugeinstellungen sind nicht automatisch Bestandteil dieses spezialisierten Modus.

Verwenden Sie repräsentative gekennzeichnete Eingaben, um Schwellenwerte für Weiterleitung, Filterung und Prüfung zu bewerten, und berücksichtigen Sie die Folgen falsch positiver und falsch negativer Ergebnisse. Verknüpfen Sie Belege, Fragendefinitionen und rohe numerische Ausgaben miteinander, damit ein mehrdeutiges Ergebnis untersucht werden kann. Halten Sie die gemeinsamen Belege für die benannten Fragen relevant und definieren Sie jede Option oder Rubrikstufe klar, bevor Sie die Entscheidungsaufgabe übermitteln. Bereiten Sie Belege und Antworttypen entsprechend dem dokumentierten Entscheidungsablauf vor und interpretieren Sie die Ausgabe anhand der Aufgabe, die sie bewertet.