# Decisions API của OpenAI qua bảy use case thật

[Pat Simmons](https://homus.dev/speakers/pat-simmons) · [Pat Simmons](https://homus.dev/orgs/pat-simmons)

> Decisions API của OpenAI là gì, so với Jev ra sao, và bảy app Pat build bằng nó: Pomodoro orb, voice control, lọc feed X, auto-blur, đếm calo, cắt bad take.

Topics: Agents, Coding Agents, Dev Tools

Canonical: https://homus.dev/talks/openai-just-dropped-decisions-api-7-wild-use-cases

## 1. Mở đầu: một AI tự chơi game bắn súng AssaultCube

Pat mở video bằng một màn hình game: đây là AssaultCube, một game bắn súng góc nhìn thứ nhất (first person shooter). Anh không chạm vào bàn phím hay chuột, game đang tự chơi hoàn toàn. Theo lời anh trong video đăng ngày 08/10/2026, mỗi giây nhiều lần, con bot nhìn xem chuyện gì đang diễn ra, rồi quyết định đi đâu, nhắm vào ai và khi nào thì bắn. Mỗi quyết định như vậy chỉ mất vài mili giây và tốn một phần rất nhỏ của một xu (a fraction of a penny).

![AssaultCube đang tự chơi bên trái, bảng gpt-6-luna plays AssaultCube bên phải với các xác suất Goal, Move, Wall](https://homus.dev/photos/XYX8bTIwKkM-0043.jpg)

Bên trái là game, bên phải là bảng "gpt-6-luna plays AssaultCube" trong demo của video đăng ngày 08/10/2026: số kill/death, mục GOAL với xác suất cho Kill enemies, Restore health, Stock ammo, Scout, mục MOVE với Advance, Back off, Strafe left/right, Hold, và các ô FIRE?, RELOAD?, JUMP?, SWITCH GUN? kèm phần trăm.

"Bộ não" đằng sau con bot, theo Pat, là Decisions API mà OpenAI vừa tung ra, tính đến lúc video đăng ngày 08/10/2026. Anh gọi nó là câu trả lời của OpenAI cho Jev, model của một startup mà theo anh "ai trong giới AI cũng bàn tán" vào tháng trước đó.

Trong video, anh đưa Decisions API qua bảy use case thật: từ điều khiển cả máy Mac bằng giọng nói, build một Pomodoro timer biết nhìn màn hình và "gọi tên" anh khi anh xao nhãng, cho tới cắt các đoạn nói hỏng (bad takes) ra khỏi chính video của anh. Anh hứa đến cuối video (đăng ngày 08/10/2026) người xem sẽ biết Decisions API là gì, vì sao anh nghĩ nó là một game changer tuyệt đối cho AI builders, và làm sao tự bắt đầu dùng, kể cả khi chưa từng đụng tới một API nào.

## 2. Giao việc trước: Claude build một Pomodoro orb

Để cho thấy mọi thứ dễ thế nào, Pat chọn cách khởi động một bản build ngay từ đầu, rồi trong lúc chờ mới giải thích Decisions API là gì. Anh dán prompt vào Claude Code và để Opus 5.5 chạy ở mức medium effort tự build (cấu hình anh dùng trong video đăng ngày 08/10/2026; dòng chú thích dưới prompt trên màn hình ghi "Pasted into Claude Code · Opus 5.5, medium effort").

Anh đọc ý chính của prompt: build một Pomodoro timer thế hệ mới, là một quả cầu (orb) hoạt hình nhỏ, nhìn màn hình và giữ anh tập trung khi timer đang chạy. Khi bắt đầu một Pomodoro, anh gõ việc mình đang làm, orb bắt đầu đếm ngược 25 phút, hiển thị như một vòng tròn bao quanh nó. Trong lúc timer chạy (theo prompt anh dùng trong video đăng ngày 08/10/2026), cứ vài giây nó chụp màn hình từng màn hình trong ba màn hình của anh rồi hỏi Decisions API của OpenAI xem việc anh đang làm có đúng là việc anh đã nói sẽ làm hay không. Toàn văn prompt trên màn hình:

```
Build a next-gen Pomodoro timer: a little animated orb that watches my screens and keeps me focused while the timer is running.

When I start a Pomodoro, I type what I'm working on. Then the orb starts the 25-minute timer, shown as a ring around itself, and sits small and glowing in the corner, out of the way.

While the timer is running, every few seconds it takes a screenshot of each of my three displays and asks OpenAI's Decisions API (POST /v1/decisions, model gpt-6-luna) whether what I'm doing right now is working on what I said I'd work on.

If I drift for more than a minute, the orb floats to the front, gets bigger, and says something to me out loud with a text-to-speech voice, short and a little funny, naming what I'm doing instead. When I'm back on track it shrinks back down.

When the 25 minutes are up, it gives me a 5-minute break and stops watching until I start the next Pomodoro.

My OpenAI API key is already in the .env file in this folder (OPENAI_API_KEY).
```

Pat gọi đây là một Pomodoro timer "thế hệ mới". Anh nhắc rằng Pomodoro timer là một trong những thứ đầu tiên mà dân AI builder hay mày mò. Lần này, ta cho nó thêm khả năng suy luận và nhìn (vision): ảnh chụp màn hình được đưa thẳng vào Decisions API để nó xác định anh có đang xao nhãng không. Ví dụ, theo anh trong video đăng ngày 08/10/2026, nếu anh đang lướt Twitter trong khi lẽ ra phải viết email, nó sẽ biết.

## 3. Decisions API hoạt động thế nào

Trong lúc Claude build, Pat giải thích Decisions API. Theo anh (video đăng ngày 08/10/2026), cách nó chạy khá đơn giản: bạn đưa cho nó một đoạn text hoặc một tấm ảnh, kèm một danh sách ngắn các câu trả lời có thể có. Nó chọn ra câu đúng và cho bạn biết nó chắc chắn tới mức nào.

![Slide THE DECISIONS API: ô INPUT ghi I was charged twice for my order, mũi tên chú thích Text or images](https://homus.dev/photos/XYX8bTIwKkM-0203.jpg)

Slide đầu tiên của phần giải thích: đầu vào (INPUT) là câu "I was charged twice for my order.", với chú thích tay "Text or images", tức đầu vào có thể là text hoặc ảnh, theo cách Pat trình bày trong video đăng ngày 08/10/2026.

Ví dụ của anh là một tin nhắn chăm sóc khách hàng: "I was charged twice for my order" (tôi bị trừ tiền hai lần cho đơn hàng). Nhiệm vụ là chuyển tin nhắn này tới đúng phòng ban, nên ta đưa cho API một bộ câu trả lời: billing, technical, shipping hoặc other. Vì ca này khá hiển nhiên, theo Pat nó chọn billing với độ chắc chắn 100% (ví dụ minh hoạ trong video đăng ngày 08/10/2026).

Pat nói con bot AssaultCube ở đầu video (đăng ngày 08/10/2026) chạy đúng theo cách đó. Mỗi giây nhiều lần, nó được đưa một ảnh chụp màn hình game, cộng thêm vị trí của người chơi, của kẻ địch và của các vật phẩm. Trên slide, mũi tên chỉ vào ảnh game ghi "A screenshot goes in".

Rồi ta đưa cho nó một bộ câu trả lời. Với một game như thế này, theo Pat trong video đăng ngày 08/10/2026, số câu trả lời có thể có thật ra rất ít: nên tiến lên (advance), lùi lại (back off), đi ngang sang trái (strafe left), sang phải (strafe right), hay đứng yên (stay put)? Rồi thêm: có nên bắn không, có nên nạp đạn không, có nên nhảy không, có nên đổi súng không?

Những quyết định đó được giao cho Decisions API, và nó gán xác suất. Trong ví dụ của anh, nó nói nó chắc 99% là nên tiến lên và chắc 100% là nên bắn. Kết quả được đưa ngược về cho con bot, và con bot làm đúng như vậy. Tất cả diễn ra theo thời gian thực, trong vài phần của một giây (theo demo trong video đăng ngày 08/10/2026). "Quá ngầu", Pat nói.

## 4. 150 ms so với 1,6 giây: vì sao nhanh và rẻ

Theo Pat, đó cũng chính là lý do Decisions API nhanh và rẻ. Anh dẫn số của OpenAI: Decisions API đưa ra một quyết định trong khoảng 150 mili giây, còn một lời gọi bình thường tới GPT-6 Luna, vốn tự nó đã cực nhanh và tiết kiệm chi phí, mất khoảng 1,6 giây (số OpenAI công bố, như trích trong video đăng ngày 08/10/2026).

![Slide 150 MS VS 1.6 SECONDS: biểu đồ Decisions API 150 ms so với GPT-6 Luna API 1.6 s](https://homus.dev/photos/XYX8bTIwKkM-0303.jpg)

Slide "150 MS VS 1.6 SECONDS" Pat đưa vào video đăng ngày 08/10/2026, lấy từ một slide của OpenAI ghi chú "OPENAI DEVDAY 2026": dòng "Helps apps and agents take action 10x faster than GPT-6 Luna", thanh Decisions API 150 ms và thanh GPT-6 Luna API 1.6 s trên trục task completion time.

Lý do, theo Pat trong video đăng ngày 08/10/2026, nằm ở điều anh vừa nói ở trên. Một lời gọi AI bình thường viết câu trả lời ra từng chữ một. Mỗi chữ đó, dù nhanh tới đâu, vẫn tốn một chút thời gian và vì vậy tốn tiền. Slide tiếp theo của anh minh hoạ một "REGULAR AI CALL" với chú thích "Writes word by word", các chữ "This message is about a double charge, so it should go to billing." hiện ra từng chữ một.

Ngược lại, theo Pat (video đăng ngày 08/10/2026), Decisions API bỏ qua toàn bộ phần viết đó. Việc duy nhất nó làm là trả lại tỉ lệ (the odds), đúng như anh vừa mô tả, cho một bộ câu trả lời mà ta đã đưa sẵn.

Vì thế, nó được dựng sẵn để nhanh hơn nhiều và rẻ hơn nhiều, và theo Pat đó đúng là những gì nó làm: ra quyết định theo thời gian thực trong 150 mili giây. Chưa kể giá, theo anh trong video đăng ngày 08/10/2026, là 10 cent cho mỗi 1 triệu input token.

## 5. Decisions API và Jev của TypeSafe

Nếu nghe quen, Pat nói, đó là vì OpenAI không phải bên đầu tiên làm chuyện này. Theo lời anh trong video đăng ngày 08/10/2026, tháng trước đó, một startup tên TypeSafe AI, do một cựu researcher của OpenAI lập ra, đã ra mắt model Jev làm đúng việc này. Slide so sánh của anh ghi ngày ra mắt: Jev của TypeSafe AI ngày 15/9, Decisions API của OpenAI ngày 6/10 (năm 2026). Theo Pat, Jev đã làm giới AI "chao đảo" vì người ta lập tức dùng nó build ra những thứ rất hay.

Theo anh (video đăng ngày 08/10/2026), vì nó quá nhanh và quá rẻ, nó hợp với kiểu khối lượng dữ liệu lớn cần phân loại thật nhanh. Ví dụ: lọc hàng nghìn email và giữ lại bất cứ thứ gì, chẳng hạn mọi thứ liên quan tới công nghệ. Hoặc một người khác đã lọc hàng nghìn tin đăng nhà trên Zillow chỉ trong vài giây, gắn nhãn những thứ bình thường không lọc được, như phong cách ngôi nhà hay nhà có gần đường cao tốc không.

Trên màn hình, Pat cho xem một trang tìm nhà kiểu đó: ô nhập "2+ bedroom Victorian with updated interiors in SF with a fenced yard that's close to freeways", các nhãn San Francisco, 2+ bedrooms, Victorian architecture, Updated interiors, Fenced yard, Close to freeways, và kết quả "4 matching homes", dòng "Checked 698 listings · Fetched in 236.7s · Matched in 17.64s" (ví dụ do người khác làm với Jev, như Pat giới thiệu trong video đăng ngày 08/10/2026).

Theo Pat, những gì Jev mở ra thật sự kéo người ta vào build. Rồi OpenAI tung ra thứ anh gọi là "JEV killer" của họ, nhưng anh muốn xem có đúng vậy không: anh sẽ đặt Jev và OpenAI cạnh nhau trong vài ví dụ. Về cơ bản, theo anh tính đến video đăng ngày 08/10/2026, hai thứ giống nhau, chỉ khác vài điểm nhỏ.

![Slide DECISIONS API VS JEV: Jev của TypeSafe AI ngày Sep 15 giá 0.042 đô mỗi triệu token vào, Decisions API của OpenAI ngày Oct 6 giá 0.10 đô, token ra đều 0 đô](https://homus.dev/photos/XYX8bTIwKkM-0443.jpg)

Slide "DECISIONS API VS JEV" trong video đăng ngày 08/10/2026: Jev (TypeSafe AI, Sep 15) giá $0.042 cho mỗi 1 triệu token vào, Decisions API (OpenAI, Oct 6) giá $0.10; token ra của cả hai đều $0.

Khác biệt đầu tiên là giá. Theo Pat (video đăng ngày 08/10/2026), Jev rẻ hơn khá nhiều, khoảng một nửa chi phí; slide của anh ghi Jev $0.042 cho mỗi 1 triệu input token, trong khi OpenAI là 10 cent. Và tất nhiên, không tính tiền output token ở cả hai bên. Anh cũng cho xem bảng "Current models" của TypeSafe (nguồn ghi trên slide: docs.typesafe.ai/models) với các dòng: Jev 1.13, giá $42 mỗi tỉ token hay $0.042 mỗi triệu token, rate limit 100K token mỗi giây và 80 request mỗi giây, context 64k token mỗi request, và đầu vào chỉ là text, không nhận ảnh, audio hay video. Ngay dưới là trích hướng dẫn Decisions API của OpenAI: với gpt-6-luna, input có giá $0.10 cho 1 triệu token, chỉ trả tiền cho input token.

Điểm lớn mà theo Pat Decisions API có còn Jev không có, tính đến video đăng ngày 08/10/2026, là ảnh. Decisions API mở ra thêm rất nhiều thứ vì nó nhìn được ảnh chụp màn hình, dùng được khả năng vision, và đó chính là thứ làm nên demo bắn súng AssaultCube ở đầu video.

## 6. Bắt đầu dùng: API key, Playground và một build prompt

Sau phần so sánh nhanh, Pat chuyển sang cách bắt đầu, và theo anh trong video đăng ngày 08/10/2026 thì rất đơn giản. Bạn chỉ cần lấy một API key từ platform.openai.com, tạo key như bình thường. Bạn cũng có thể nghịch thử trong Decisions Playground của họ. Rồi cứ vào coding agent của mình và nói, ví dụ: "I want to build an AI that plays AssaultCube".

![Slide HOW TO START USING IT với ba bước: Get an API key, Try it with no code, Or paste a build prompt](https://homus.dev/photos/XYX8bTIwKkM-0523.jpg)

Ba bước trên slide "HOW TO START USING IT" (video đăng ngày 08/10/2026): 1, lấy API key ở platform.openai.com/api-keys rồi thêm phương thức thanh toán trong Billing; 2, thử không cần code ở platform.openai.com/decisions (Decisions Playground); 3, hoặc dán một build prompt vào Codex hay Claude Code. Bên phải là khung "The AssaultCube prompt".

Theo Pat, mọi thứ thật sự chỉ đơn giản vậy. Phần đầu của "The AssaultCube prompt" hiện trên slide (video đăng ngày 08/10/2026):

```
Build an AI that plays AssaultCube, the free open-source first-person shooter, using OpenAI's Decisions API.

Run AssaultCube offline against its built-in bots. Several times a second, take a screenshot of the game and ask the Decisions API (POST /v1/decisions, model gpt-6-luna) to choose what to do next from a fixed set of moves: move forward, back, strafe left or right, turn left or right, aim up or down, shoot, reload, jump, or switch weapon. Then press it.
```

Một khi OpenAI API key đã nằm trong file `.env`, theo Pat (video đăng ngày 08/10/2026) bạn có thể bắt đầu "nấu" cùng Claude. Và đó đúng là việc anh đang làm với Pomodoro timer, nên anh quay lại xem nó tới đâu rồi.

## 7. Use case 1: Pomodoro focus orb bắt quả tang lúc lướt X

Claude báo đã sẵn sàng, và Pat nhờ nó chạy app ở máy (locally) để test: "Please start this locally, Claude." Quả orb nhỏ hiện ra. Anh đùa rằng tất nhiên Claude không cưỡng nổi việc dùng gradient tím, nhưng nó đây rồi (demo trong video đăng ngày 08/10/2026).

Orb có ô "What are you working on". Anh gõ "coding with Claude", bấm Start 25, và có ngay một timer 25 phút gọn gàng. Theo lời anh lúc demo (video đăng ngày 08/10/2026), nó đang chụp màn hình mỗi giây để theo dõi (bản tóm tắt Claude hiện trên màn hình ghi mỗi 5 giây, prompt ghi "every few seconds"). Để test, anh mở X xem orb có nhận ra không.

Anh vừa cuộn feed thì orb đổi trạng thái, và câu nhắc vang lên: "You're on X, reading AgentMail ads. Claude doesn't need a fan club." Anh quay lại màn hình code, mọi thứ trở lại bình thường. Thử lần nữa, câu nhắc mới tới: "Scrolling X again, huh? Back to coding with Claude before the timeline steals your afternoon." Khi anh quay lại Claude, orb thu nhỏ rồi biến khỏi chỗ đó. Anh còn kêu lên rằng thứ này chặn anh lại thật (demo trong video đăng ngày 08/10/2026).

Vòng lặp của Pomodoro orb theo prompt Pat dùng trong video đăng ngày 08/10/2026: ảnh chụp từ ba màn hình được hỏi bằng Decisions API, và orb chỉ lên tiếng khi anh trôi khỏi việc đã khai quá một phút.

"Đó là một use case rồi", Pat nói. Theo anh trong video đăng ngày 08/10/2026, đây là thứ người xem có lẽ sẽ dùng thật, và anh có thể sẽ bắt đầu tự dùng, vì anh liên tục nhảy giữa cả trăm việc khác nhau.

## 8. Use case 2: điều khiển cả máy Mac bằng giọng nói, phần build

Xong Pomodoro focus orb, use case thứ hai là voice control. Pat đọc prompt: build một voice control cho cả máy Mac. Anh giữ một phím và nói, giọng nói được chuyển thành text, rồi dùng Decisions API của OpenAI để chọn hành động anh muốn từ một danh sách cố định và chạy ngay (prompt trong video đăng ngày 08/10/2026). Các hành động như mở một ứng dụng, chuyển sang ứng dụng khác, trong browser thì đi lùi, đi tới, chuyển tab, và các thứ tương tự. Prompt trên màn hình:

```
Build a voice control for my whole Mac.

I hold a key and talk. Turn my speech into text, then use OpenAI's Decisions API (POST /v1/decisions, model gpt-6-luna) to pick which action I meant from a fixed list, and run it instantly:
- open, switch to or quit any app on this Mac (build the list from /Applications)
- in the browser: go back, go forward, reload, new tab, close tab, scroll up or down, and click any link or button on the current page (send the visible links and buttons as the options)

Show a tiny overlay with what it heard, what it picked, the confidence, and the milliseconds the decision took. Make it feel instant.
```

Anh đưa prompt này cho Claude, ngay trong cùng cuộc chat ("sao lại không?"), và chỉ dặn thêm: "organize this code, separate it into different builds", tức sắp xếp code và tách thành các bản build riêng (thao tác trong video đăng ngày 08/10/2026).

Pat nói ví dụ giữ phím, nói với một agent rồi để agent điều khiển thứ gì đó trên máy không hẳn là mới. Theo anh (video đăng ngày 08/10/2026), bạn có thể làm việc này với bất kỳ LLM nào; anh đã làm với GPT Live, và thậm chí có thể dùng một model open source. Nhưng theo anh, cách đó có rất nhiều latency và không thật sự tiết kiệm chi phí. Ta chưa tới mức có những "Jarvis agent" làm được kiểu việc này. Với Decisions API, theo anh, chuyện đó trở nên khả thi hơn nhiều, và anh sẽ test ngay để xem nó làm tốt tới đâu.

Anh nói đây cũng là lý do nên giao việc này cho một coding agent: Claude đang vạch ra đủ loại xác suất. Trên màn hình, Claude ghi nhận rằng API từ chối khi một câu hỏi không áp dụng, và chỉ cho độ tin cậy 0.67 với lệnh "quit spotify" vì hành động và tên app bị tách thành hai câu hỏi riêng; nó định gộp lại thành một câu hỏi với các lựa chọn kết hợp để có một câu trả lời chắc chắn (theo màn hình Claude Code trong video đăng ngày 08/10/2026).

![Cửa sổ Claude Code trong lúc build voice control, đoạn quit spotify được bôi đen](https://homus.dev/photos/XYX8bTIwKkM-0803.jpg)

Claude đang dựng voice control trong video đăng ngày 08/10/2026: các dòng ghi chú như "121 apps and 150 page elements in one call within 130-510ms", và đoạn Pat bôi đen: câu hỏi không áp dụng thì bị từ chối, "only 0.67 confidence for 'quit spotify'" vì hành động và app bị tách thành câu hỏi riêng.

Theo Pat, Claude sẽ vạch toàn bộ logic cho từng ứng dụng một, và có đủ loại chi tiết nhỏ. Có lẽ sẽ phải chạy qua vài lượt test, và anh có thể làm phần đó ngoài camera cho tới khi nó tạm chạy được, vì việc mở ứng dụng có rất nhiều chi tiết lắt léo như vậy. Anh giải thích: khi một reasoning model làm việc này, nó suy nghĩ được nhiều hơn hẳn so với Decisions API, vốn chỉ gán xác suất và thực hiện hành động mà nó cho là nên làm (nhận xét của anh trong video đăng ngày 08/10/2026).

Claude chạy đều tay. Pat thấy nó đang test: cuộn xuống, mở notifications, bấm notifications. Anh không rõ nó test cái gì, nhưng nó đang nhìn ở đâu đó, thậm chí vào cả mạng xã hội, kiểu như like bài của một người (demo trong video đăng ngày 08/10/2026). "Thế thì tuyệt thật", anh nói.

## 9. Thử voice control: mở app nhanh hơn cả lúc nói xong

Claude đã cho chạy bản live. Theo Pat, phần build mất khoảng 15 phút (ước lượng của anh trong video đăng ngày 08/10/2026). Claude báo nó đã build voice-decisions nhưng chưa khởi chạy, và lần đầu macOS sẽ hiện vài hộp xin quyền. Anh bảo nó khởi động lên, các hộp xin quyền hiện ra, anh cấp quyền cho app Electron đó rồi bảo: "Try now, Claude."

Anh giữ phím Right Option, thấy nó đang nghe. Anh lỡ chào "Hey" rồi nhận ra nó không nói lại được. Anh ra lệnh "Open Arc", và Arc mở ra ngay. "Open Claude Code": "nhanh quá trời". "Open Google Chrome": "điên thật, mình chưa nói hết câu nó đã chuyển rồi" (demo trong video đăng ngày 08/10/2026).

Anh thử "type lovable in the browser", và nó không biết làm (demo trong video đăng ngày 08/10/2026). "Open a new tab" thì chạy. Anh kết luận có lẽ nó không gõ chữ được, rồi hỏi Claude: chính xác thì nó làm được gì, có gõ vào các ô được không hay chỉ mở các app khác nhau?

Đường đi của một câu lệnh giọng nói trong bản voice control Pat thử ở video đăng ngày 08/10/2026: Decisions API chỉ chọn trong danh sách hành động có sẵn, nên lệnh nào không có trong spec thì không chạy.

Trong lúc Claude trả lời, anh tiếp tục chơi: "Open Arc" chạy ngay, "open a new tab" chạy, nhưng "go to X" thì không. "Dù vậy vẫn tuyệt", anh nói. Câu trả lời của Claude là: nó chỉ làm những gì spec của anh liệt kê (demo trong video đăng ngày 08/10/2026).

Theo Pat, về lý thuyết bạn có thể để Claude build trọn cả spec đó; ở đây anh chỉ test nhanh. Muốn làm đủ, ta sẽ phải có mọi hoán vị kiểu "gõ cái này vào browser", "vào google.com", vì nó không thật sự dùng suy luận. Dù vậy, theo anh, chỉ riêng việc chuyển qua lại giữa các app với tốc độ đó đã rất đáng nể, nhanh hơn gõ bàn phím rất nhiều (nhận xét của anh sau demo trong video đăng ngày 08/10/2026).

Anh nêu một ví dụ: khi đang làm trong Claude với nhiều session khác nhau, anh có thể đưa cho nó tên các repo mình đang làm, rồi nói "chuyển sang repo này", "chuyển sang repo kia", và theo anh nó sẽ đủ thông minh để hiểu. Sau đó anh có thể nói "bây giờ bắt đầu ghi", rồi đọc thẳng vào ô chat qua một model speech-to-text. "Bạn bắt đầu thấy được tiềm năng", anh nói. Anh thử thêm một lần cho người xem: "Open Google Chrome", "Open Arc", "New tab", tất cả đều nhanh (demo trong video đăng ngày 08/10/2026).

## 10. Use case 3: X feed cleaner, extension ẩn quảng cáo

Use case tiếp theo là X feed cleaner: một Chrome extension dọn dẹp feed X trong lúc anh cuộn. Pat nói ý tưởng này từng xuất hiện trong một demo Jev của người khác trước video đăng ngày 08/10/2026, nhưng anh rất thích nó. Theo prompt, khi mỗi bài đăng tải lên, gửi text và ảnh (nếu có) của nó tới Decisions API; nếu là quảng cáo hay bài được tài trợ thì ẩn đi; nếu là engagement bait, rage bait hay bài làm cho có thì cũng ẩn. Prompt trên màn hình:

```
Build a Chrome extension that cleans up my X feed while I scroll.

As each post loads, send its text and any image to OpenAI's Decisions API (POST /v1/decisions, model gpt-6-luna) and ask two things:
- a predicate: is this an ad or a sponsored post, including hidden ones that aren't labeled?
- a choice: is this engagement bait, rage bait, a low-effort repost, or a real post?

Collapse anything that's an ad or bait into a thin bar that says what it was and lets me reveal it with one click. Keep a counter in the corner of how many posts it checked, how many it hid, and what it's cost so far. It should never like, post, follow or click anything on X. It only reads and hides.
```

Anh copy prompt sang Claude. "Claude nhanh không tưởng", anh nói: nó đang dựng một feed X giả để test model, và theo lời anh việc đó chỉ mất bốn phút; anh khen Opus 5.5 là "goated". Một phút sau, Claude đã build xong Chrome extension (thời gian anh kể trong video đăng ngày 08/10/2026).

Anh vào Arc để nạp extension: Load unpacked, chọn thư mục X feed cleaner, extension, Select. Rồi mở X trong một tab mới và cuộn. Ngay lập tức nó gắn nhãn một bài: "Hidden, ad, 100%". "Nó làm luôn rồi, điên thật", anh nói, vì nó xử lý trước cả khi anh kịp nhìn thấy bài đó (demo trong video đăng ngày 08/10/2026).

Hai câu hỏi cho mỗi bài đăng trong prompt X feed cleaner của Pat (video đăng ngày 08/10/2026), và kết quả trên feed: bài bị gập thành một thanh mỏng có nhãn như "Hidden, ad, 100%".

Anh bookmark lại và cuộn tiếp. Một lúc chưa thấy quảng cáo nào, rồi anh thấy một loạt quảng cáo bị ẩn: "điên thật". Nhưng rồi anh nhận ra có bài không phải quảng cáo, chỉ là một công ty tự quảng bá cho mình; một bài khác cũng không phải quảng cáo. "Không hoàn toàn đúng", anh thừa nhận, nhưng nói thật lòng thì vẫn khá hay: nó đang ẩn những bài kiểu công ty tự quảng bá, và theo anh như vậy cũng tốt (demo trong video đăng ngày 08/10/2026).

Theo Pat, đây là thứ bạn chỉ cần phản hồi lại cho Claude: nó đang thấy bài của các tài khoản công ty và tưởng là quảng cáo. Anh nói quảng cáo thật thì ghi hẳn chữ "Ad" ở góc trên bên phải, nên chỉ cần nhìn vào đó. Theo anh, đó là một chỗ sửa dễ trong Claude, và cái chính là thấy nó nhanh tới mức nào: chưa kịp cuộn tới, nhãn đã hiện. Anh lướt thêm vài bài: một bài không phải quảng cáo, rồi một bài mở đầu "introducing open source Clay killer" mà anh thấy nghe như quảng cáo. Kết luận của anh: chỉ cần tìm chữ "Ad" ở góc trên bên phải là có một trình chặn quảng cáo theo thời gian thực (demo và nhận xét trong video đăng ngày 08/10/2026).

## 11. Use case 4: tự làm mờ thông tin riêng tư trong video

Tiếp theo là auto-blur, thứ Pat nói anh phải xử lý khá thường xuyên. Trước đây anh có một agent dùng Gemini, vì có thể đưa thẳng video cho Gemini để nó đi qua tất cả các khung hình và tìm bất cứ thông tin nhạy cảm nào anh lỡ để lộ trong video. Theo anh (video đăng ngày 08/10/2026), giờ có thể giao việc đó cho Decisions API, và nó sẽ nhanh hơn, rẻ hơn nhiều.

Anh lại dán prompt vào Claude để nó build. Để có thứ test, anh nhờ một agent Opus riêng dựng sẵn một đoạn quay màn hình: agent đó cuộn qua một giao diện email giả. Anh khen Opus 5.5 rất nghiêm túc với kiểu việc này, cố đảm bảo mọi thứ được test đúng cách (nhận xét của anh trong video đăng ngày 08/10/2026). Đoạn video test dài khoảng một phút (theo lời anh; màn hình kết quả ghi 1:12), và anh muốn xem Decisions API làm mờ thông tin đó tốt tới đâu.

Claude dựng xong một trang upload tên "Private info blur" dùng Decisions API. Anh bấm "Blur another" rồi kéo đoạn video test vào, đúng đoạn vừa xem. "Nhìn nó nhanh chưa kìa", anh nói khi nó tìm ra từng chỗ. Các bước hiện lần lượt: upload, extract frames, scan, locate, fine grid, blur render (demo trong video đăng ngày 08/10/2026).

![Trang Private info blur: 15.8 giây, 144 frames checked, 84 flagged, 3 ranges, chi phí 0.0732 đô, ảnh gốc và ảnh đã làm mờ](https://homus.dev/photos/XYX8bTIwKkM-1343.jpg)

Kết quả auto-blur trong demo ở video đăng ngày 08/10/2026: "1:12.0 of video blurred in 15.8s, 4.6x faster than real time"; extract frames 0.5s, scan 4.6s, locate 3.6s, fine grid 1.1s, blur render 5.9s; 144 frames checked, 84 flagged, 3 ranges to blur, chi phí $0.0732. Bên trái, Claude ghi chú cách làm mờ theo lưới mịn hơn và bảng so sánh trước/sau.

Pat đọc lần lượt các con số: tải lên, rồi tách khung hình mỗi 0,5 giây; quét hết trong khoảng bốn giây; định vị mọi thông tin nhạy cảm trong khoảng ba giây; kiểm thêm một lượt trong một giây; rồi render các vùng mờ trong 5,9 giây. Màn hình ghi chi tiết hơn: scan 4.6s, locate 3.6s, fine grid 1.1s, blur render 5.9s (số đo của demo trong video đăng ngày 08/10/2026). "Thật là điên rồ", anh nói, và mong ví dụ thứ tư này đã gợi cho người xem ý tưởng để dùng.

## 12. Use case 5: Wikipedia race giữa Decisions API, Jev và một chat model

Use case thứ năm (video đăng ngày 08/10/2026) là một cuộc đua Wikipedia (wiki race), trò mà theo Pat ai cũng thích và từng là trò kinh điển thời đại học của anh. Lần này, anh muốn xem các AI chơi thế nào. Anh đọc prompt:

```
Build a Wikipedia race between OpenAI's Decisions API and Jev. Pick a start article and a target article. At each step, give the model the current page's links as the options and ask which link gets closest to the target. Follow it and repeat.
```

Khi giao cho Claude, ban đầu anh định cho nó dùng Jev qua API key của anh ở một dịch vụ API trung gian cho model. Nhưng rồi anh nhận ra cần API key trực tiếp từ TypeSafe, vì theo lời anh lúc đó Jev không có trên dịch vụ ấy (tình trạng anh gặp trong video đăng ngày 08/10/2026). Anh vào lấy key ngay. Theo Pat, TypeSafe console giúp việc lấy API key rất dễ: vào Balance, bấm Add card, rồi tạo key.

Trong lúc đó, Claude đã build xong ứng dụng và chạy một bài test trọn vẹn trước cả khi anh kịp xem tiến độ (demo trong video đăng ngày 08/10/2026). Ứng dụng có ô bài bắt đầu và bài đích, có thể gõ bất kỳ bài nào, và có sẵn các cặp như Albert Einstein với Pizza. Ngoài hai bên chính, anh còn so với một chat model thông thường, ở đây là GPT-5.5 (trên màn hình ghi openai/gpt-5.5).

Anh chọn cặp Banana tới Moon landing, ba làn: Decisions API, Jev và chat model thường, rồi bấm Race. "Họ xuất phát rồi." Nhìn làn Decisions API, anh thốt lên "sáu giây" (màn hình ghi 6 hop, total time 2.9s): nó đi Banana, Domesticated plants and animals of Austronesia, James Cook, 1769 transit of Venus observed from Tahiti, Transit of Venus, Moon, rồi Moon landing (đường đi trong demo ở video đăng ngày 08/10/2026).

![Wikipedia race Banana tới Moon landing: OpenAI Decisions API 6 hops 2.9s 0.00327 đô, TypeSafe Jev 3 hops 7.3s 0.00272 đô, Regular chat model](https://homus.dev/photos/XYX8bTIwKkM-1543.jpg)

Cặp Banana tới Moon landing trong demo ở video đăng ngày 08/10/2026: OpenAI Decisions API (gpt-6-luna) về đích trước với 6 hop, decision time 1,746 ms, total time 2.9s, chi phí $0.00327; TypeSafe Jev (jev-latest) 3 hop qua Cold War, Space Race, total time 7.3s, $0.00272; làn chat model thường đi Cold War rồi Moon landing.

Pat đọc chi phí của OpenAI Decisions (màn hình ghi $0.00327). Jev chậm hơn một chút, theo anh mất bảy giây, so với khoảng hai giây của OpenAI (màn hình ghi 7.3s và 2.9s). Chat model thường mất chín giây và tốn khoảng chín cent (số anh đọc trong demo ở video đăng ngày 08/10/2026). "Vui thật", anh nói.

Cặp thứ hai: Taylor Swift tới Photosynthesis. Decisions API đi Taylor Swift, Carbon emissions, Carbon cycle, Photosynthesis, và anh tò mò bài Taylor Swift có gì nói về carbon emissions. Jev đi Taylor Swift, Environmentalism, Ecology, Photosynthesis, trong khi chat model vẫn còn đang chạy. Kết quả theo anh đọc: chat model 16 giây, Jev hai giây, Decisions API 1,2 giây (số đo của demo trong video đăng ngày 08/10/2026). "Nhìn Decisions API nhanh chưa kìa."

![Wikipedia race Pokemon tới Roman Empire: Jev về trước với 5 hops 2.1s, Decisions API 6 hops 3.1s, chat model 2 hops 14.2s](https://homus.dev/photos/XYX8bTIwKkM-1643.jpg)

Cặp Pokémon tới Roman Empire trong demo ở video đăng ngày 08/10/2026: lần này TypeSafe Jev về trước ("first · 5 hops", total time 2.1s, $0.00136), Decisions API 6 hop trong 3.1s ($0.00268), còn chat model thường chỉ 2 hop qua Globalization nhưng mất 14.2s.

Cặp thứ ba: Pokémon tới Roman Empire. Decisions API mất khoảng ba giây, Jev hai giây; "nhìn Jev kìa, nhanh hơn nhiều", anh nói, còn chat model vẫn đang chạy trên GPT-5.5. Đường đi của Decisions API: Pokémon, Pokémon Conquest, Nobunaga's Ambition, History of Japan, Book of Han, Sino-Roman relations, Roman Empire. Jev đi Pokémon Conquest, Tecmo Koei, Warriors: Legends of Troy, Aeneid (anh không chắc cách phát âm, và nói đó là bài thơ của Virgil), rồi Roman Empire. Chat model thì hiệu quả hơn về số bước: Pokémon, Globalization, Roman Empire, nhưng mất 14 giây (demo trong video đăng ngày 08/10/2026). "Vui quá", anh nói, và gọi use case thứ năm là xong.

## 13. Use case 6: đếm calo từ một tấm ảnh trên iPhone

Tiếp theo, Pat build một calorie tracker. Anh nói sẽ "clone Cal AI", nhưng không phải giao diện, chỉ là khả năng ghi calo từ một tấm ảnh. Theo prompt: build một calorie tracker tức thì dùng được trên iPhone; anh bấm nút camera, chụp món ăn, và Decisions API sẽ gán ra lượng calo (prompt trong video đăng ngày 08/10/2026).

Cách làm là lấy danh sách thực phẩm từ USDA FoodData Central. Theo Pat (video đăng ngày 08/10/2026), đây là một file tải về miễn phí, nên anh đoán Claude sẽ phải tải xuống rồi đưa vào một kiểu database, vì nhớ rằng Decisions API không dùng suy luận gì, nó chỉ phân loại. Mỗi lần gọi có hai câu hỏi: món ăn thuộc nhóm nào, và khẩu phần cỡ nào. Rồi một chút toán thường tính ra calo từ khẩu phần. Anh nói trước nó sẽ không hoàn toàn chính xác vì các lựa chọn chỉ có small, medium, large, extra large, nhưng có thể cũng khá gần. Phần prompt hiện trên màn hình:

```
Build an instant calorie tracker that I can use on my iPhone.

It's a mobile web app: I open it in Safari on my iPhone (and can add it to my home screen), tap one big camera button, and take a photo of my food. Use a plain photo input that opens the iPhone camera, so it works over plain http on my Wi-Fi. Within about a second it shows what the food is, the portion size, and the calories.

How it works:
- Use the USDA FoodData Central food list (the free download, not the API) as the food database, with calories for each food. Group the foods into about 15 simple categories like burgers and sandwiches, pizza, pasta, salads, fruit, desserts, drinks.
- Send the photo to OpenAI's Decisions API (POST /v1/decisions, model gpt-6-luna) with two questions in one call: which category is this food in, and what size is the portion (small, medium, large, extra large).
- Then make a second call with only the foods in that category as the choices, and ask which one it is.
- Plain code does the calorie math: the food's calories from the database times the portion size. The Decisions API never makes up a number.

On screen, show the photo, the food it picked and how sure it was, the portion, the calories, how many milliseconds the whole thing took, and what that photo cost. Keep a simple list of everything I've logged today with a running total.
```

Anh dán prompt vào và bảo Claude bắt đầu. "Claude ơi, tôi không theo kịp bạn": theo lời anh, chỉ năm phút sau nó đã test cả ứng dụng, dựng xong một database 5.000 món ăn và đang thử Decisions API; hai phút sau nữa, ứng dụng hoàn tất (thời gian anh kể trong video đăng ngày 08/10/2026). Claude báo calorie tracker đang chạy trên máy Mac, và trên iPhone, khi cùng Wi-Fi, chỉ cần mở Safari và vào một đường link.

Anh mở Safari trên điện thoại, dán link, và có màn hình "Tap to photograph your food". Anh tìm trên máy tính ảnh một chiếc burrito khổng lồ, loại burrito cuộn bacon tám pound, chụp lại bằng điện thoại rồi bấm Use photo. Nó nhận diện rất nhanh: 964 calo. Pat thấy cần thêm chút gì đó: có thể giao tiếp cho một model nhỏ biết suy luận, hoặc có lẽ vì chỉ có lựa chọn extra large. Nó đã nhận đúng là extra large, nhưng theo anh con số calo có vẻ hơi thấp cho một món như vậy; lúc nói anh đọc thành "913 calories", trong khi màn hình ghi 964 kcal và dòng "Took 913 ms total" (demo trong video đăng ngày 08/10/2026).

Anh thử lại với một chiếc cheeseburger, phóng to vào chiếc burger rồi Use photo: 488 calo. "Không tệ", anh nói. Anh đọc thời gian khoảng 1.000 mili giây (màn hình ghi 1,171 ms), và chi phí để nhận diện là $0.00054. "Quá ngầu" (demo trong video đăng ngày 08/10/2026).

![iPhone hiển thị 488 kcal Cheeseburger, NFS, Sure 100%, Medium about 165 g, đặt trên trang Google Images tìm cheeseburger](https://homus.dev/photos/XYX8bTIwKkM-1923.jpg)

Kết quả cheeseburger trên iPhone trong demo ở video đăng ngày 08/10/2026: 488 kcal, "Cheeseburger, NFS", Sure 100%, Portion "Medium · about 165 g", Category "Burgers & sandwiches (100%)", Took "1,171 ms total · 667 ms in 3 Decisions calls", Cost "$0.00054 · 5,382 tokens". Bên dưới là danh sách Logged today có cả chiếc burrito.

## 14. Use case 7: cắt các đoạn nói hỏng trong video của chính mình

Use case thứ bảy và cuối cùng là để Decisions API cắt bỏ các đoạn nói hỏng (bad takes) trong video của Pat. Anh kể đang làm một skill với Opus 5.5 để edit video trong Premiere Pro, và theo anh, chỉ với Opus 5.5 thì nó đã đạt khoảng 98% chặng đường, tự edit mọi thứ, và theo anh nó thật sự đáng kinh ngạc (tiến độ anh kể trong video đăng ngày 08/10/2026).

Vấn đề duy nhất, theo Pat, là nó cực kỳ chậm và rất tốn token. Anh không biết chi phí API cụ thể là bao nhiêu, nhưng chắc chắn là cỡ hàng trăm đô cho mỗi video (ước đoán của anh trong video đăng ngày 08/10/2026). Nên anh muốn xem có thể chuyển một phần việc nặng sang Decisions API không: chỉ cắt các bad take, có thể là một lượt edit đầu tiên trước khi giao cho Opus 5.5. Prompt anh đưa Claude:

```
Build a tool that finds the bad takes in a raw video recording so I can cut them.

Give it a raw recording. Transcribe it with timestamps, split it into sentences, and send each sentence (with the sentence before and after it for context) to OpenAI's Decisions API (POST /v1/decisions, model gpt-6-luna):
- a predicate: is this a flub, a false start, or a line I restarted?
- when I say the same line more than once in a row, a choice: which of these takes is the keeper?

Output a cut list with the timecodes to remove, the reason for each, and the takes it kept, plus a version of the video with the bad takes cut out. Show how long the scan took and what it cost.
```

Anh sẽ đưa nó một bản quay thô. Không làm trong Premiere, chỉ trong một giao diện nào đó: Claude có thể dựng một timeline với dạng sóng (waveform) để hiển thị. Rồi ta xem Decisions API tìm bad take giỏi tới đâu (kế hoạch anh nói trong video đăng ngày 08/10/2026). Có lẽ sẽ có thêm phần chuyển giọng nói thành text. Anh không biết Claude sẽ phân loại thế nào, cứ để Opus lo.

Dán prompt vào Claude xong, anh thêm vài chỉ dẫn: hãy nghĩ ra một hệ thống phân loại; anh không chắc, nên Claude có thể xem cách anh đang edit thủ công trong Premiere để hiểu cách anh đang làm (chỉ dẫn trong video đăng ngày 08/10/2026). Anh muốn một timeline kiểu Premiere chạy ở localhost, nơi anh upload video lên và test. Nhưng điều anh muốn thấy là Decisions API làm tốt tới đâu, nên anh để Claude tự đặt ra các quy tắc phân loại, và dặn nó suy nghĩ thật kỹ.

Anh mở đoạn quay thô sẽ dùng để test (trong đó anh đang nói "Whereas Grokbot and Muse, while they can code...") và chờ tới đoạn hỏng: "Có rồi đây, một đoạn. Có cả đống." Những đoạn như vậy sẽ được đưa vào Decisions API để cắt ra. Anh chợt nhớ và dặn thêm Claude: cắt luôn cả các khoảng lặng (pauses), như anh làm trong video đăng ngày 08/10/2026.

## 15. Hệ thống phân loại mà Claude dựng cho các đoạn hỏng

Claude ráp logic lại và, như mọi khi theo lời Pat, kỹ hơn mức cần thiết. Nó thử cả Whisper 1 của OpenAI lẫn MLX Whisper cài ở máy để xem model chuyển giọng nói thành text nào chính xác và đỡ tốn hơn cho video. Kết quả, Whisper 1 thắng bản chạy ở máy, "không bất ngờ", nghĩa là anh phải trả tiền API, nhưng anh thấy không sao (kết quả test trong video đăng ngày 08/10/2026).

Rồi Claude dựng hệ thống phân loại: tách thành từng dòng, cắt ở cuối câu, ở các dấu cắt ngang mà Whisper đánh dấu và ở các chỗ ngắt đoạn của nó; rồi tìm mọi lần nói lặp lại. Nếu anh nói hỏng, rồi nói hỏng lần nữa, rồi nói lại, theo lời anh nó sẽ luôn tìm ra (kế hoạch của Claude trong video đăng ngày 08/10/2026). Sau đó nó chấm từng dòng: có phải bad take không, có hay không? Lý do là gì: một dòng hỏng hoàn toàn, một false start, một dòng nói lại, vấp, một câu dặn cho người edit (editor cue), một lỗi nhỏ đáng giữ, hay một câu nói bên lề (aside)?

![Kế hoạch của Claude: bad take yes/no, reason choice, Pick the keeper, Trim the abandoned part, Cut precisely, các quy tắc từ editing skill](https://homus.dev/photos/XYX8bTIwKkM-2251.jpg)

Bản kế hoạch Claude viết trong video đăng ngày 08/10/2026: câu hỏi "bad take?" (yes/no), "reason" (choice: complete line, false start, restarted line, stumble, editor cue, small slip worth keeping, aside), "triggers on-screen action?"; rồi "Pick the keeper (Decisions call 2)", "Trim the abandoned part (Decisions call 3)", "Cut precisely", và các quy tắc lấy từ editing skill của anh. Dòng dưới ghi bản phân loại "correctly caught all 7 bad takes, with Decisions running in 1.3s/$0.005".

Theo Pat, khi nhìn nó vạch ra hệ thống phân loại này, bạn bắt đầu thấy rằng với nhiều loại việc như thế, số quyết định thật ra chỉ có bấy nhiêu. Nếu bạn làm phần việc gán sẵn các lựa chọn từ trước, hay đúng hơn là để Claude làm, thì một thứ như Decisions API có thể chạy nhanh hơn và rẻ hơn rất nhiều (nhận định của anh trong video đăng ngày 08/10/2026).

Anh thừa nhận chắc chắn sẽ có những ca biên (edge cases) mà một reasoning model nhận ra còn Decisions API thì không. Nhưng chỉ sau vài vòng lặp, anh "đảm bảo" nó sẽ gánh bớt rất nhiều phần việc Opus 5.5 đang làm khi edit video của anh trong Premiere (dự đoán của anh trong video đăng ngày 08/10/2026).

"Trời, có vẻ phân loại chạy được thật": Claude vừa test xong, và theo báo cáo của nó, bản phân loại bắt đúng cả bảy bad take, với Decisions chạy trong 1,3 giây và tốn nửa cent (kết quả Claude báo trong video đăng ngày 08/10/2026). Anh cũng kể Opus mất 21 phút để "clone Premiere", dù giao diện thì xấu, nhưng vẫn đáng nể. Ta sẽ thấy chính xác những chỗ như dead air, cùng mọi thứ khác Decisions API phát hiện.

## 16. Chạy bad take finder trên một đoạn quay thật

Bản "bad take detector kiêm clone Premiere Pro" đã sẵn sàng. Pat thấy hơi rối khi dùng: theo anh, Claude rõ ràng chẳng dành chút thời gian nào cho giao diện. Anh cần upload một file mới, phải refresh trang mới thấy, rồi vào "Bad take finder", thả đoạn quay hỏng vào cho nó upload. Nó tách audio, rồi chuyển giọng nói thành text; anh nhắc phần này chưa phải Decisions API. Rồi tới bước "judge every line": 1,7 giây, 40 lời gọi (demo trong video đăng ngày 08/10/2026).

![Giao diện bad take finder: thanh trên ghi scan 9.66s, 40 Decisions calls, cost 0.0314 đô; Cut list gồm Dead air và Rejected take](https://homus.dev/photos/XYX8bTIwKkM-2357.jpg)

Bad take finder trong demo ở video đăng ngày 08/10/2026: thanh trên cùng ghi "54 pauses", "scan 9.66s (transcribe 5.71s · Decisions 1.69s)", "40 Decisions calls", "cost $0.0314 (Decisions $0.0029 · transcribe $0.0285)"; bên phải là Cut list với các bộ lọc Rejected take (7), Flub / false start (1), Dead air (54), mỗi đoạn có mốc IN, độ dài và lý do.

Rồi nó cắt. Ta thấy nó đã phân loại tất cả: dead air, rejected take. Anh xem được chính xác đoạn nào được giữ, kèm độ tin cậy. Ở tab Take groups, mỗi nhóm hiện các lần nói và lần được giữ, ví dụ "Group 1 · 2 takes · keeper picked with 70% confidence", "Group 2 · 2 takes · keeper picked with 98% confidence". Anh bấm "Render cut video", dù muốn thu gọn hết các đoạn cắt trước mà không biết làm thế nào: "Claude làm cái này rối kinh khủng". Nhưng có vẻ nó đang render (demo trong video đăng ngày 08/10/2026).

Anh xem thử một đoạn: câu "some admin work, then we'll get progressively more complex", và đúng là nó đã bắt được dead air ở đó (demo trong video đăng ngày 08/10/2026). Anh bấm thêm một đoạn dead air khác và thấy có khoảng lặng. "Đúng rồi, nhìn kìa." Dù vậy, anh nói mình vẫn phải xem lại, và đó chính là chỗ bạn để Opus xem lại lần hai, đảm bảo Decisions API đã đúng.

Theo Pat, vì Decisions API gán điểm tin cậy cho từng đoạn, Opus có thể chỉ xem những đoạn có độ tin cậy thấp. Nó có thể bỏ qua các đoạn 98% và có lẽ cả dead air, vì cái đó dễ cắt; còn tất cả các đoạn khác thì đưa cho một reasoning model hoàn thiện nốt. Và chi phí chỉ là "tiền lẻ": theo anh, ba cent cho Decisions API và hai cent để chuyển giọng nói thành text bằng OpenAI Whisper; thanh trên màn hình ghi tổng $0.0314, trong đó Decisions $0.0029 và transcribe $0.0285 (demo trong video đăng ngày 08/10/2026). Và thế là xong bảy use case thật với Decisions API mới của OpenAI.

## 17. Vì sao Pat gọi đây là game changer

"Nếu bạn chưa nhận ra thì tôi cực kỳ hào hứng với thứ này", Pat nói. Anh nghĩ nó sẽ là một game changer cho AI builders (nhận định của anh trong video đăng ngày 08/10/2026). Khả năng là rất nhiều, nhất là với khả năng vision của Decisions API; anh tin Jev cũng sẽ sớm có vision. Nhưng vì Decisions API của OpenAI có vision vào thời điểm đó, theo anh bạn có thể bắt đầu nghĩ tới vô vàn khả năng.

Ví dụ robotics Pat gợi ý ở cuối video đăng ngày 08/10/2026: gắn Decisions API vào một Raspberry Pi có camera để làm một con robot nhỏ nhận diện đồ vật theo thời gian thực.

Anh lấy ví dụ robotics: bạn có thể nối nó vào một chiếc Raspberry Pi có camera và build một con robot nhỏ nhận diện đồ vật theo thời gian thực. Và theo anh, nó sẽ chỉ ngày càng nhanh hơn, rẻ hơn và tốt hơn nói chung (dự đoán của anh trong video đăng ngày 08/10/2026).

Anh khuyên mọi người cứ vui với nó, đem nó ra thử (lời kết của video đăng ngày 08/10/2026). Ai đã thử nghiệm gì với OpenAI hay Jev thì để lại trong phần bình luận, kể cả use case nào khác nghĩ ra được; có thể anh sẽ làm một video về chúng sau này. Anh chào và hẹn gặp ở video tiếp theo.

## Nguồn và liên kết

- Tên gốc: OpenAI Just Dropped Decisions API (7 WILD Use Cases)
- Sự kiện: [YouTube](https://homus.dev/events/youtube)
- Video gốc: [https://www.youtube.com/watch?v=XYX8bTIwKkM](https://www.youtube.com/watch?v=XYX8bTIwKkM)

- Kênh YouTube Pat Simmons (Pat Simmons): [youtube.com/channel/UCY8ZKVxXj0FgIvSfeiSDclg](https://www.youtube.com/channel/UCY8ZKVxXj0FgIvSfeiSDclg)

- Hướng dẫn Decisions API của OpenAI (đọc ngày 24/10/2026: endpoint `POST /v1/decisions`, model `gpt-6-luna`, ba loại câu hỏi predicate, choice, score): [developers.openai.com/api/docs/guides/decisions](https://developers.openai.com/api/docs/guides/decisions)

- Trang Models của TypeSafe về Jev (đọc ngày 24/10/2026: giá $0.042 mỗi triệu input token, output miễn phí, đầu vào chỉ là text): [docs.typesafe.ai/models](https://docs.typesafe.ai/models)

- Bài viết của Pat với prompt và số liệu của bảy demo (đọc ngày 24/10/2026): [aiformortals.co/blog/decisions-api](https://www.aiformortals.co/blog/decisions-api)

- Repo mã nguồn các demo của Pat (đọc ngày 24/10/2026): [github.com/per-simmons/decisions-api-demos](https://github.com/per-simmons/decisions-api-demos)

- AssaultCube, game bắn súng open source dùng trong demo mở đầu (đọc ngày 24/10/2026): [assault.cubers.net](https://assault.cubers.net/)

- USDA FoodData Central, trang tải dữ liệu thực phẩm dùng cho calorie tracker (đọc ngày 24/10/2026): [fdc.nal.usda.gov/download-datasets](https://fdc.nal.usda.gov/download-datasets)

Nguồn: https://homus.dev/talks/openai-just-dropped-decisions-api-7-wild-use-cases · cập nhật 2026-10-24