Los modelos de IA también compiten por resolver preguntas acotadas: a qué departamento pertenece un mensaje, si una imagen muestra un daño o qué prioridad merece una incidencia. OpenAI documenta Decisions API en beta pública, mientras Strands presentó el 1 de octubre Decider 2B, un modelo abierto pensado para este tipo de decisiones en un equipo local.
Son propuestas diferentes dentro de una misma dirección: obtener una respuesta que una aplicación pueda utilizar directamente. PLANA ha comprobado el estado actual de la API de OpenAI; su aparición reciente en comunidades no se utiliza aquí como prueba de una fecha exacta de lanzamiento.
Qué devuelve Decisions API
La documentación de OpenAI describe tres tipos de pregunta: estimar la probabilidad de una condición, elegir entre opciones y puntuar según niveles. Admite texto e imágenes y utiliza un endpoint específico. En la beta consultada, el modelo disponible es gpt-6-luna.
El fabricante anuncia una respuesta aproximadamente diez veces más rápida que Responses API. Es una comparación propia, no una velocidad garantizada para cualquier aplicación. El tamaño de la entrada, el recorrido de red y el trabajo que haga el sistema después de recibir la respuesta también influyen en el tiempo que percibe una persona.
Una alternativa abierta para trabajar localmente
Strands Decider 2B tiene 2.000 millones de parámetros y parte de Qwen3.5-2B, con cambios para seleccionar opciones en lugar de generar texto libre. Sus autores publican pesos, código y materiales de entrenamiento. Está orientado a experimentación y ejecución en CPU o GPU local.
Strands comunica medianas cercanas a 115 milisegundos en una RTX 3090 y 153 milisegundos para tareas pequeñas en un MacBook M3. Esos datos dependen del equipo y del tamaño de la tarea descritos. No permiten comparar directamente su velocidad con la API remota de OpenAI sin un ensayo común.
Para qué sirve una decisión acotada
En una bandeja de soporte, una aplicación puede necesitar distinguir entre facturación, fallo técnico y cambio de cuenta. Esa decisión no exige redactar una respuesta al cliente. Puede utilizarse para encaminar el mensaje y dejar la redacción o la resolución a otro componente. Es un ejemplo de diseño, no una prueba de PLANA con estas herramientas.
También permite separar la elección de la acción. Clasificar una solicitud como cancelación no obliga a cancelar automáticamente una cuenta: la aplicación puede pedir confirmación o enviarla a revisión. El valor está en construir un flujo verificable alrededor de la respuesta, con opciones definidas y un tratamiento de los casos dudosos.
Cómo comparar sin confundir confianza y acierto
Una probabilidad alta es una salida del modelo; no garantiza que la clasificación sea correcta. Para evaluar un sistema conviene usar ejemplos representativos con respuesta conocida, medir errores por categoría y observar los casos que quedan cerca del umbral de actuación. Si el coste de equivocarse cambia según la categoría, una única cifra global resulta insuficiente.
La decisión entre API y ejecución local añade otra comparación: facilidad de integración frente a operación del modelo en infraestructura propia. Ninguna opción elimina el trabajo de evaluación. Estas novedades amplían la carrera que ya describimos con Perplexity Decider y Cloudflare Clef, con rutas distintas para incorporarla a productos.