O desenvolvedor Simon Willison publicou em 6 de outubro de 2026 a primeira versão do LLM-OpenAI-decisions, um plugin para a sua ferramenta de linha de comando LLM que conecta o utilitário à recém-lançada Decisions API da OpenAI. A API havia sido anunciada pela OpenAI no DevDay da semana anterior e chega com uma proposta específica: em vez de devolver texto livre, o modelo responde a perguntas estruturadas.
O plugin, identificado como LLM-OpenAI-decisions 0.1a0, está publicado no GitHub.
Um plugin inspirado no jev e escrito com o gpt-6 astra
A história por trás do plugin ajuda a entender o que ele faz. Willison já mantinha o LLM-typesafe, plugin criado para conversar com o Jev, um serviço cuja API segue o mesmo estilo de decisões.
Em vez de escrever tudo à mão, ele pediu ao GPT-6 Astra que lesse a documentação da nova API da OpenAI e construísse o novo plugin inspirado no LLM-typesafe. O resultado é um pacote enxuto, em versão alfa 0.1a0, que expõe a Decisions API por meio da interface de linha de comando do projeto LLM.
Três tipos de pergunta e suporte a imagens
Conceitualmente, a Decisions API da OpenAI é muito parecida com o Jev. Os dois serviços aceitam os mesmos três formatos de consulta: perguntas de sim ou não, escolhas entre opções e atribuição de pontuações. A diferença mais concreta está na entrada de dados: enquanto o Jev trabalha apenas com texto, o modelo gpt-6-luna, usado pela OpenAI na Decisions API, também aceita imagens.
Foi justamente esse recurso que apareceu no exemplo divulgado por Willison. Com uma foto de dois pelicanos anexada, o modelo recebeu a pergunta sobre a presença de mamíferos na imagem e devolveu um objeto JSON do tipo "predicate", com probabilidade 0.0.
A documentação oficial da API está em developers.OpenAI.com.
Como testar na prática
A instalação é feita pelo gerenciador de plugins da ferramenta LLM:
LLM install LLM-OpenAI-decisions
Depois disso, a chamada segue o padrão de modelos do LLM, com a opção -a para anexar uma imagem ou arquivo e a opção -s para enviar a instrução. O exemplo do autor usa o identificador OpenAI-decisions/gpt-6-luna:
LLM -m OpenAI-decisions/gpt-6-luna
-a https://static.simonwillison.net/static/2025/two-pelicans.jpg
-s 'Does this image contain any mammals?'
A resposta vem estruturada, no formato {"type": "predicate", "name": "evaluation", "probability": 0.0}. Os demais tipos de pergunta, como escolhas e pontuações, estão descritos no README do projeto, que serve de referência para quem quiser explorar os outros formatos.
Quanto custa cada consulta
O modelo de cobrança merece atenção. Tanto a OpenAI quanto o Jev cobram apenas pelos tokens de entrada, sem tarifa sobre a saída.
A OpenAI cobra 10 centavos de dólar por milhão de tokens de entrada na Decisions API, enquanto o Jev cobra 4,2 centavos por milhão. Para o mesmo volume de texto enviado, portanto, o serviço do Jev sai mais barato, ainda que o gpt-6-luna traga o diferencial do suporte a imagens.
Por que isso importa
APIs desenhadas para perguntas fechadas resolvem um problema recorrente de quem constrói agentes e fluxos automatizados: a dificuldade de interpretar respostas em texto livre. Ao devolver probabilidades, alternativas ou notas em formato estruturado, o modelo se encaixa melhor em pipelines que precisam tomar decisões programáticas, sem depender de parsing frágil.
A chegada de uma opção no estilo Jev vinda da própria OpenAI também sinaliza que esse padrão de interface ganha tração entre os grandes fornecedores. Para quem já usa a ferramenta LLM de Willison, o plugin reduz a fricção de testar a proposta em projetos existentes — e, como o lançamento é uma versão 0.1a0, é esperado que a interface ainda mude nas próximas releases.
Fontes e links
- Simon Willison, matéria original sobre o lançamento do plugin.
- LLM-OpenAI-decisions 0.1a0, release no GitHub.
- LLM-typesafe, plugin que serviu de inspiração, voltado ao Jev.
- Jev e os três tipos de pergunta, texto anterior do autor sobre o serviço.
