OpenAI publica la guía de prompts de GPT-5.6: solo da el resultado y las líneas rojas, y deja el resto al modelo

OpenAI 公布 la guía de indicaciones de GPT-5.6: las pruebas internas descubrieron que, al recortar un prompt de system más largo, las puntuaciones no bajan, sino que suben entre un 10% y un 15%, y el consumo de tokens se reduce entre un 41% y un 66%. La guía sugiere que los desarrolladores solo indiquen los resultados del modelo, las limitaciones y los criterios de finalización y parada; no hace falta especificar cómo debe recorrer cada paso.

(Antecedentes: la prueba secreta de GPT-5.6 se volvió viral: ChatGPT cambia y se vuelve más inteligente; las pruebas de usuarios superan a Fable 5)

(Añadido de contexto: Harness Engineering (ingeniería para domar la IA), capítulo introductorio: el estándar de programación más reciente de OpenAI, para que logres fácilmente el nivel Lv.1)

Índice

Toggle

• ¿Cuantas menos instrucciones, más preciso el modelo?
• Deja de escribir pasos; escribe el “punto final”
• Del “acumular instrucciones” al “ajuste basado en mediciones”

Las pruebas internas de OpenAI muestran que, después de reducir de forma considerable un system prompt que antes era muy extenso, las puntuaciones no solo no caen: al contrario, suben entre un 10% y un 15%. Al mismo tiempo, el consumo de tokens se reduce entre un 41% y un 66%. En otras palabras, si le pides al modelo “hacer menos preparación”, en realidad avanza más rápido y responde con más acierto.

Este es el punto clave explicado en la guía de indicaciones de GPT-5.6 publicada oficialmente por OpenAI. A continuación, el autor resume tres puntos: por qué simplificar las instrucciones resulta más efectivo, cuál es la nueva forma recomendada por OpenAI y cómo deben cambiar los desarrolladores en la práctica.

¿Cuantas menos instrucciones, más preciso el modelo?

La intuición de los ingenieros al escribir prompts ha sido: “cuanto más detallado, más obediente el modelo”, es decir, escribir cada paso y cada excepción, con miedo a que el modelo se salte algo. Pero OpenAI señala en la guía que esta intuición falla en GPT-5.6. El equipo de ingeniería probó y encontró que un system prompt, en pocas palabras, es una instrucción de configuración oculta que el desarrollador introduce antes de que empiece la conversación del usuario: si se llenan reglas repetidas, advertencias de estilo sin impacto real en el comportamiento, ejemplos innecesarios y guías de procesos que el modelo ya sabe hacer, al retirarlo el rendimiento del modelo en realidad mejora.

El método concreto que propone la guía es “empezar por la versión que funciona y luego ir eliminando paso a paso”: primero mantener el prompt actual que ya funciona, quitar porciones sospechosas una a una y, al mismo tiempo, vigilar el eval (puntuación de evaluación cuantitativa de la IA). En términos simples: usar un conjunto fijo de tareas para que el modelo corra y medir si responde bien, si pierde rendimiento o no.

Lo que realmente debe conservarse es: los resultados visibles para el usuario, los criterios de juicio de éxito y de parada, las limitaciones de seguridad y comerciales, las reglas de selección de herramientas que cambian según el contexto y el formato de salida exigido. Lo demás, en su mayor parte, son palabras de más que tranquilizan al ingeniero.

La guía también señala un elemento que suele pasarse por alto: la descripción de herramientas en sí misma es parte del prompt. Cuantas más herramientas se le dan al modelo y cuanto más ambiguas sean las descripciones, mayor es el coste para que el modelo decida cuál herramienta usar. OpenAI recomienda dar solo herramientas relacionadas con la tarea y que, en la descripción de cada herramienta, se explique qué hace, cuándo se debe usar y cómo debe comportarse si falla. En otras palabras, la simplificación no solo recorta “instrucciones”: el “kit de herramientas” en sí también debe adelgazar.

Deja de escribir pasos; escribe el “punto final”

La frase más central de la guía es: “define el resultado, las limitaciones importantes, la evidencia disponible, el criterio de finalización y luego deja espacio para que el modelo elija por sí mismo una ruta eficiente”. En pocas palabras: decirle al modelo a dónde tiene que llegar y cuáles son las líneas rojas que no puede cruzar, sin especificar cómo debe recorrer cada paso.

El ejemplo que ofrece OpenAI es “resolver la solicitud con un bucle de herramientas útiles mínimo, pero sin permitir que reducir el número de iteraciones sacrifique la corrección, la evidencia necesaria o las citas”, que es una regla de decisión del tipo “si X entonces Y”, no una orden rígida.

Otro detalle que es fácil de ignorar es que, de forma predeterminada, GPT-5.6 responde de manera más concisa. Antes, los ingenieros incluían en el prompt recordatorios como “responde brevemente”; ahora eso podría ser innecesario e incluso perjudicial. La guía sugiere cambiar por el parámetro text.verbosity. En pocas palabras: usar un solo parámetro para controlar cuánto debe responder el modelo, separado del tono; dividir la longitud en tres niveles (low, medium, high) específicamente para controlar el tamaño del contenido, y describir la personalidad del tono y la formalidad por separado, con escritura corta en ambos casos.

Si de verdad se necesita una respuesta más breve, la guía recomienda decir explícitamente “qué se debe dejar y qué se debe recortar”, en lugar de soltar genéricamente “un poco más corto”. En cuanto a cuánto esfuerzo de razonamiento invierte el modelo —es decir, reasoning effort—, la guía lo divide en cinco niveles: low, medium, high, xhigh y max. Antes de subirlo, OpenAI recomienda revisar primero si el prompt define con claridad los criterios de éxito y el ciclo de verificación; muchas veces “decir las cosas con claridad” es más efectivo que “hacer que el modelo piense más”.

Del “acumular instrucciones” al “ajuste basado en mediciones”

El impacto más práctico para los desarrolladores es un flujo de trabajo de migración de prompts adjunto a la guía.

OpenAI lo explica de forma muy directa: al cambiar de modelo, no reescribas todo el prompt de una sola vez; la razón es que si al mismo tiempo cambias el modelo, la configuración de inferencia, el prompt y el conjunto de herramientas, luego ni siquiera se puede determinar qué cambio provocó la variación del comportamiento. El orden correcto es: primero cambiar el modelo y conservar la configuración de intensidad de razonamiento original; ejecutar una vez un eval representativo como línea base; después quitar las ayudas (scaffolding) obsoletas y las instrucciones duplicadas; ajustar solo con cambios mínimos en los puntos donde el eval muestre una caída real de rendimiento; luego volver a medir. Después de modificar un factor, medir de nuevo; nunca mover cosas al mismo tiempo.

La guía también exige que los desarrolladores indiquen con claridad “cuánta capacidad de decidir por sí mismo” tiene el modelo, en lugar de tratarlo de forma vaga. La política de ejemplo que da OpenAI es: para solicitudes como responder, explicar o revisar, el modelo solo puede comprobar y reportar, no puede modificar con la mano; para solicitudes que impliquen cambios o reparaciones, se puede realizar modificaciones locales dentro del alcance y ejecutar verificaciones no destructivas; para solicitudes que realmente involucren escritura hacia fuera, acciones destructivas o ampliar el alcance de la tarea, se debe detenerse y preguntar primero.

Antes, escribir cada vez más instrucciones era la forma en que los ingenieros buscaban tranquilidad. Ahora parece que eso podría ralentizar el modelo y, además, empeorar la factura. Cuanto más inteligente es el modelo, más debería aprender la gente a hablar menos: dejar la fuerza para medición y verificación.