Siedem. Agenci: Decisions API i indeks Hermesa jako ekonomia sterowania
Siódmy obszar dotyczy warstwy, w której agent podejmuje decyzje. OpenAI ogłosiło publiczną betę Decisions API, zasilanego modelem GPT-6 Luna, które sprowadza typowe zadanie sterujące — routing zapytania, klasyfikację, wybór następnego kroku agenta czy bramkę bezpieczeństwa — do trzech zdefiniowanych kształtów odpowiedzi: predykatu z prawdopodobieństwem, wyboru z zestawu opcji wraz z pewnością oraz oceny w zadanym zakresie liczbowym. Jak podaje AlphaSignal, OpenAI deklaruje około 150 milisekund na żądanie wobec 1,6 sekundy przy tych samych modelach przez Responses API, czyli rząd dziesięciokrotnego przyspieszenia, choć metodologia nie została opublikowana i wymaga niezależnego potwierdzenia. Cena decyzji, limity liczby opcji i możliwość dostrajania pozostają nieujawnione. Równolegle Nous Research uruchomiło Hermes Index, który ocenia modele w agentycznej pętli i obok wyniku podaje realny koszt zadania: prowadzi Claude Opus 5.5 z wynikiem 63,31 przy 4,99 dolara za zadanie, przed GPT-6 Astra z 56,25 przy 11,61 dolara, przy czym tańszy wariant Sonnet 5.5 daje 53,14 już za 2,82 dolara, a DeepSeek V4.1 Flash 36,91 za 26 centów. Wspólny wniosek jest taki, że dla agentów liczy się dziś nie sam wynik, lecz koszt kolejnego kroku w pętli sterowania, i że warstwa infrastruktury wokół modelu zaczyna decydować o ekonomii wdrożenia równie mocno jak sam model.
Źródło: alphasignal