OpenRouter는 10월 8일 GPT-6 Luna Decisions를 추가해 OpenAI의 분류, 점수, 행동 선택 인터페이스 접근을 넓혔다. 기반 Decisions API는 이틀 전 공개 베타로 나왔다. 이번 등록은 유통을 넓히지만, 확률 출력이 운영 시스템을 제어할 만큼 보정됐다는 증거를 늘리지는 않는다.
OpenAI는 Decisions가 Responses API의 GPT-6 Luna보다 의사결정 질문에 최대 10배 빠르게 답한다고 주장한다. 같은 모델 계열의 두 접근 방식을 비교한 공급자 주장이지 모든 분류기, 규칙, 작업보다 우수하다는 독립 검증이 아니다. 정돈된 타입 응답은 파싱하기 쉽지만 올바른 판단이나 실행 권한을 자동으로 뜻하지 않는다.
무엇을 유통하는가
OpenRouter는 공급자를 OpenAI로 표시한다. OpenRouter가 따로 학습한 모델이 아니며 추론은 계속 OpenAI가 제공한다. 기존 사용자는 모델 포트폴리오에 엔드포인트를 더해 구매, 회계, 실험을 간소화할 수 있다. 다만 요청 형식, 오류, 지역 가용성, 관측 가능성, 직접 서비스와의 기능 동등성을 검증해야 한다.
직접 Decisions 인터페이스는 Responses가 아닌 전용 엔드포인트를 쓰며, 보도된 공개 베타에서는 GPT-6 Luna만 지원했다. 열린 문단을 요구하는 대신 근거와 제한된 질문을 받는다. predicate는 조건의 참 여부, choice는 지정 옵션, score는 순서 있는 평가 기준의 단계를 판단한다.
입력은 텍스트 또는 텍스트와 인라인 이미지 메시지이며, 상태를 설명하는 JSON도 텍스트로 줄 수 있다. 이름 있는 답으로 한 요청에서 같은 근거에 대한 독립 질문 여러 개를 평가한다. 색인 전 분류, 모델 선택, 상위 검토 표시가 가능하지만 선택 행동을 스스로 실행하지는 않는다.
관련 인터페이스와의 경계도 있다. 맞춤 JSON은 Responses의 Structured Outputs, 도구와 인수 제안은 함수 호출이 권장된다. 일반 Responses는 열린 콘텐츠, 설명, 추출과 넓은 도구 흐름에 적합하다. 관찰 가능한 조건, 알려진 옵션, 의미 있는 순서 척도에 맞을 때 좁은 출력 계약이 유용하다.
좁은 결정이 핵심 경로를 바꾸는 이유
고객 지원은 설명문 대신 청구, 기술, 배송, 기타 부서만 선택하면 될 수 있다. 콘텐츠 검토는 이미지의 정책 위반, 영업은 기준에 따른 문의 평가를 요청할 수 있다. 모듈 앱의 검토, 의도, 검색, 모델, 도구, 출력 확인은 각각 글 없이 결정만 필요할 수 있다.
같은 방식으로 웹, 내부 검색, 코드, 강한 추론을 고르거나 무관한 문서를 컨텍스트 전에 제외할 수 있다. 음성 위임 예시는 현재 상태에서 행동을 선택한 뒤 다른 구성요소가 결과를 보고한다. 제품 사진 손상, 검토 미디어, 추출 전 이미지 분류도 가능한 예시이며 분야 전반의 공개 정확도 결과는 아니다.
출력 제한은 불필요한 생성과 파싱을 줄일 수 있다. 그러나 실제 부서, 승인 행동, 관찰 조건, 업무상 의미 있는 점수 단계를 개발자가 제공해야 한다. 고정 옵션은 가짜 도구 이름을 막을 수 있어도 선택의 적합성이나 승인을 입증하지 않는다.
‘최대 10배’는 최선의 경우이지 보장 배수가 아니다. 입력 길이, 이미지 크기, 질문 수, 네트워크와 공급자 경로가 지연을 바꾼다. OpenRouter도 서비스 경계를 추가한다. 라우터는 줄이는 일보다 저렴하고 빨라야 하며 모든 요청의 추가 판단이 이익을 없앨 수도 있다.
추가 호출은 가용성 의존도 만든다. OpenRouter의 모델이 다음 모델을 고르더라도 판단 서비스가 멈추면 후속 작업이 시작되지 않을 수 있다. 결정적 규칙, 기본 모델, 직접 경로가 대안이다. 정확한 확장자, 계정 권리, 지역 제한은 보통 코드에 맡기고 확률 판단은 모호성에 쓰는 편이 낫다.
확률에는 해석과 시험이 필요하다
타입 지정이 판단을 결정적으로 만들거나 보정을 증명하지 않는다. 숫자는 현실 빈도, 상대 선호, 특정 프롬프트의 확신일 수 있으며 같은 의미라고 가정할 수 없다. 비슷한 예측 확신이 비슷한 실측 정확도에 대응하는지 검증해야 한다.
초기 커뮤니티 논의는 의문이지 순위 확정이 아니다. 한 참여자는 수백 건 게임 시험에서 경쟁 모델이 좋았다고 했지만 좁은 표본이며 일반 벤치마크가 아니라고 경고했다. 다른 이는 합성 편향 동전에서 predicate와 choice가 달랐고 choice 확률이 예상보다 집중됐다고 했다. 둘 다 정식의 폭넓은 평가가 아니다.
오류 비용도 다르다. 검토의 오탐과 미탐은 결과가 다르고 언어, 이미지, 정책 변화에 따라 보정도 변할 수 있다. 복잡한 일을 싼 모델로 보내면 품질이 낮아지고 쉬운 일도 모두 큰 모델에 보내면 절약이 사라진다. 기준값은 라우터 정확도만이 아니라 후속 결과에 맞춰야 한다.
드문 긴급 사례는 높은 전체 정확도에 묻힌다. predicate, choice, score와 확신 구간, 주요 집단, 지연 분포, 잘못된 행동 비용을 나눠 평가해야 한다. 옵션 밖 입력에는 판단 보류 전략이 필요하다. ‘기타’를 넣어도 적절히 쓰는지 시험해야 한다.
행동 선택은 실행 승인이 아니다
‘이메일 보내기’ 대신 ‘내부 지식 검색’은 제어 계층의 일부가 될 수 있다. 도구 실행 전 별도 코드가 신원, 권한, 사용자 동의, 업무 정책, 확인 요건을 검증해야 한다. 높은 확신의 분류는 특히 외부 결과가 있는 행동에서 이런 권한을 제공하지 않는다.
상태, 허용 옵션, 확률, 기준값, 최종 행동을 기록하면 모델 오류와 기준 또는 실행 오류를 구분할 수 있다. Responses도 기록할 수 있지만 좁은 계약은 흐름 변경 때 한 선택을 분리해 시험하게 한다. 이는 구조 차이지 OpenAI와 유통사의 대결이 아니다.
입력, 과금과 데이터 경로 제한도 중요하다
보도된 문서는 입력만 과금한다고 설명하지만 초기판은 캐시 입력 처리를 홍보하지 않았다. 미해결 설계 문제이지 캐시를 영원히 추가할 수 없다는 주장이 아니다. 긴 정책, 목록, 상태를 반복 전송하면 한 번은 효율적이어도 토큰과 전송 부담이 쌓인다.
공통 근거의 독립 질문을 묶으면 반복 입력을 줄인다. 하지만 같은 배치 안에서 다음 질문이 이전 답에 의존할 수는 없다. 손상 여부 후 종류를 판단하려면 별도 호출이 필요해 지연과 불확실성 전파점이 늘어난다.
문서상 이미지는 호스팅 링크나 기존 파일 ID가 아닌 인라인 base64 데이터 URL이 필요하다. 미디어 라이브러리는 크기와 전송을 고려해야 한다. OpenRouter 사용자는 어떤 제한과 기능이 유지되는지 확인해야 한다. 요청 제한, 오류 코드, 재시도, 관측은 시장 요약이 아니라 정확한 동작에 달렸다.
OpenAI는 직접 엔드포인트가 자격을 갖춘 Zero Data Retention과 규제 의료 구성을 지원하며 데이터 문서가 처리·레지던시 지역을 설명한다고 한다. 조건부 기능이다. OpenRouter는 중개자와 다른 경로를 더하므로 로그, 공급자 경로, 계약을 별도로 확인해야 한다. 모델 자격이 모든 중개자를 자동 포함하지 않는다.
새 시장 범주도 운영 가치를 입증해야 한다
공동 계정과 인터페이스는 전환 부담을 줄이지만 비교 가능한 판단 모델 정보는 제한된다. 코드·추론 벤치마크는 보정, 보류, 지연, 결과에 가중한 오류 시험을 대체하지 않는다. OpenRouter가 추후 판단 원격측정, 평가, 대체 경로 비교를 추가할 수 있으나 등록이 증명한 기능은 아니다.
공급자 교체는 통일 구문 이상을 요구한다. 확신, 점수, 거절 의미가 다를 수 있어 안정적인 내부 계약과 공급자별 검증이 필요하다. 다른 연구소, 소형 모델, 오픈 웨이트는 속도, 보정, 로컬 통제로 경쟁한다. 안정적이고 잘 표기된 작업에서는 전통 분류기가 언어 모델보다 좋을 수 있고 정확한 논리는 규칙에 맞다.
Decisions는 별도 학습 흐름 없이 제로샷·프롬프트 판단을 제공해 변하는 분류나 언어·이미지 혼합에 유용하다. 작업이 성숙하고 레이블이 쌓이면 예측 가능하고 단순한 분류기에 비해 이점이 줄 수 있다. OpenAI는 모델, 직접 엔드포인트, SDK, 기업 데이터 선택을 통제하고 OpenRouter는 통합 접근과 선택을 제공한다. 어느 경로도 평가를 없애지 않는다.
지속성을 밝힐 세 가지는 독립 작업 평가, 오류·운영 비용을 반영한 뒤에도 유지되는 일관되고 가용성 있는 운영 부하, 정식 공개 전 변화다. 모델 추가, 캐시, 이미지, SDK, 보정 지침을 볼 필요가 있다. 빠른 베타 진행은 기대이지 약속 날짜가 아니며 초기 플레이그라운드 필드·요청 차이는 커뮤니티 피드백이지 모든 통합 실패 증거가 아니다.
베타에서 인터페이스, 할당, 행동은 변할 수 있다. 기존 라우터와 되돌릴 수 있게 병행해 같은 표기 트래픽으로 Responses, 규칙, 기존 분류기를 비교할 수 있다. 확률, 기준값, 실제 결과, 후속 비용은 오탐·미탐을 나누고 적대적, 모호, 분포 밖 입력을 포함해야 한다. 예시와 정책 기록은 평가와 보존할 수 있다.
중간 확신은 더 큰 모델이나 사람에게 보내고, 높은 위험은 확신이 높아도 명시 승인을 남긴다. 특화 엔드포인트가 결정과 전체 비용을 개선하면 모듈화가 늘 수 있지만 약한 보정이나 관측은 Responses, 분류기, 규칙에 유리할 수 있다. OpenRouter는 실험을 쉽게 할 뿐 결과를 결정하지 않는다.
출처 및 관련 읽기
OpenRouter 발표 · 모델 페이지 · Decisions 문서 · 공개 베타 발표와 토론 · 음성 위임 가이드 · 데이터 통제 · 관련 읽기: 지식 기반