OpenAI публікує настанови для промптів GPT-5.6: надавайте лише результат і червоні лінії, а решту — залиште моделі

OpenAI опублікувала настанови щодо промптів для GPT-5.6; у внутрішніх тестах виявили, що коли скоротити багатослівний system prompt, оцінка не тільки не падає, а зростає на 10% до 15%, а витрати токенів іще економляться на 41% до 66%. Указівник у гайді радить розробникам давати моделі лише результати, обмеження та критерії завершення й зупинки, не розписуючи, як саме треба проходити кожен крок. (Контекст: Секретні тести GPT-5.6 розлетілися: ChatGPT різко став розумнішим, а тести користувачів “перемололи” Fable 5) (Додаткова довідка: Harness Engineering（AI керування інженерією）для початківців: нові програмні стандарти OpenAI, навчить легко дістатися Lv.1)

Зміст

Toggle

• Чим менше інструкцій, тим точніша модель?
• Хватить писати кроки — пишіть “кінцеву точку”
• Від “накидати інструкцій” до “коригування через вимірювання”

Внутрішні тести OpenAI показують: після того як скоротити system prompt, який спочатку був вельми довгим, оцінки не тільки не падають, а навпаки зростають на 10% до 15%, і водночас витрати токенів знижуються на 41% до 66%. Іншими словами, коли наказуєш моделі “підготуватися менше”, вона натомість рухається швидше й відповідає точніше.

Це ключове, що пояснюється в офіційно опублікованому гайді OpenAI щодо промптів для GPT-5.6; нижче автор зібрав три ключові моменти: чому скорочення інструкцій парадоксально ефективніше, яким є рекомендований OpenAI новий спосіб написання та як розробникам на практиці це змінити.

Чим менше інструкцій, тим точніша модель?

Раніше інтуїція інженерів під час написання промптів була така: “чим детальніше, тим слухняніше модель”, і вони прописували кожен крок, кожний виняток, боячись, що модель щось пропустить. Але OpenAI у гайді прямо вказує: ця інтуїція не спрацьовує в GPT-5.6. Інженерна команда під час практичних перевірок з’ясувала: system prompt — це, простіше кажучи, приховані інструкції налаштувань, які розробник вкладає в модель перед стартом діалогу з користувачем, але якщо там забагато повторюваних правил, стилістичних застережень без реального впливу на поведінку, зайвих прикладів та настанов щодо процесу, які модель і так уміє робити, то після їх вилучення модель демонструє кращі результати.

Конкретний підхід у гайді — “почати з робочої версії та поступово видаляти”: спершу лишіть промпт, який уже працює, і послідовно прибирайте сумнівні фрагменти, одночасно відстежуючи eval (AI кількісну оцінку за балами); простіше кажучи, берете набір фіксованих завдань, запускаєте модель і міряєте, наскільки добре вона відповідає, чи не стало гірше.

Те, що справді варто залишити, — це результати, видимі для користувача, критерії успіху та зупинки, обмеження щодо безпеки й комерції, правила вибору інструментів залежно від ситуації та формат виходу, який потрібно отримати. Усе інше — здебільшого “зайві слова”, якими інженери заспокоюють себе.

Гайд також підкреслює один аспект, який часто ігнорують: опис інструментів сам по собі теж є частиною промпта. Чим більше інструментів ви даєте моделі та чим нечіткіше їх описуєте, тим вищою стає “ціна” для моделі, щоб визначити, який інструмент застосувати. OpenAI радить давати лише інструменти, пов’язані із завданням, і щоб у кожному описі було сказано, що саме має робити інструмент, коли його треба використовувати, і як він має поводитися, якщо щось пішло не так. Іншими словами, спрощення стосується не лише “інструкцій”, а й “набору інструментів” — він теж має стати компактнішим.

Хватить писати кроки — пишіть “кінцеву точку”

Найключовіша фраза в гайді звучить так: “визначте результат, важливі обмеження, доступні докази, критерії завершення — а тоді залиште місце для того, щоб модель самостійно обрала ефективний шлях”. Якщо простіше, то слід лише пояснити, куди треба дійти, і які червоні лінії не можна перетинати, не вказуючи, як модель має діяти на кожному кроці.

Приклад, який наводить OpenAI, — “вирішіть запит за допомогою мінімального корисного інструментального циклу, але не можна допустити, щоб зменшення кількості циклів зашкодило правильності, необхідним доказам або посиланням”; це правило прийняття рішень типу “якщо X, то Y”, а не “мертва команда”.

Інша деталь, яку легко пропустити: відповідь за замовчуванням у GPT-5.6 зазвичай коротша. Раніше інженери писали в промпті “відповідай коротко” та подібні застереження, але тепер це може бути зайвим або навіть шкідливим. У гайді радять замість цього використовувати параметр text.verbosity: простими словами, окремим параметром контролювати, наскільки довго має бути відповідь моделі, відокремивши це від тону; довжину розділяють на low, medium, high, а індивідуальність тону й формальності описують окремо — і в обох випадках пишуть коротко.

Якщо справді потрібні ще коротші відповіді, гайд радить прямо вказати “що лишити, а що прибрати”, а не кидати загальне “зроби коротше”. Що стосується того, скільки зусиль модель має витрачати на мислення, тобто reasoning effort: це, простіше кажучи, установка того, скільки “сил мислення” модель має витратити перед тим, як відповісти; у гайді він поділений на низький, середній, високий рівні — low, medium, high, xhigh, max. Перед підвищенням OpenAI радить спершу перевірити, чи у промпті чітко прописані критерії успіху та цикл верифікації: дуже часто “чітко пояснити” ефективніше, ніж “додати, щоб модель думала більше”.

Від “накидати інструкцій” до “коригування через вимірювання”

Найпрактичніший вплив для розробників — це робочий процес переходу промптів, який додається до гайда.

OpenAI говорить дуже прямо: коли міняєте модель, не переписуйте одразу весь комплект промптів; причина в тому, що якщо одночасно змінити модель, параметри міркування, сам промпт і набір інструментів, потім узагалі не буде зрозуміло, яка саме частина спричинила зміну поведінки. Правильний порядок такий: спершу замінити модель, залишити без змін налаштування сили міркувань, запустити один раз як базовий орієнтир типовий eval, потім прибрати застарілі “будівельні лісу” та повторювані інструкції, і коригувати лише в мінімальний спосіб ті місця, де “eval показує реальне погіршення”; після цього знову протестувати. Кожну зміну фактора — заново вимірювати, ніколи не рухатися далі, не переконавшись у вимірі.

Гайд також вимагає, щоб розробники чітко писали, скільки рішень модель може приймати сама, а не обходили це нечітко. Наведена OpenAI приклад-політика така: для запитів на відповідь, пояснення, перевірку тощо модель має лише перевіряти й повідомляти, не виконуючи правки; для запитів, що передбачають зміни або виправлення, можна в межах дозволеного робити локальні зміни й запускати невикривні (не руйнівні) перевірки; а запити, які реально стосуються зовнішнього запису, руйнівних дій чи розширення меж задачі, — слід зупинити і спершу запитати.

Інструкцій стає дедалі більше — раніше це було способом інженерів заспокоїтися. Зараз, схоже, це може уповільнювати роботу моделі й водночас “тягнути” рахунки. Чим розумнішою стає модель, тим більше людині варто вчитися менше говорити та залишати сили для вимірювання й верифікації.