Apenas alguns dias após o lançamento do GPT-5.6, a OpenAI relatou outro aumento acentuado na adoção. No momento do relatório original, o Cod...
Poucos dias após o lançamento do GPT-5.6, a OpenAI relatou outro aumento expressivo na adoção. No momento do relatório original, o Codex e o ChatGPT Work haviam ultrapassado 8 milhões de usuários ativos, e a OpenAI mais uma vez redefiniu os limites de uso para todos.
A história de crescimento é impressionante, mas a lição mais útil pode estar escondida nas novas diretrizes de prompts do GPT-5.6 da OpenAI. A empresa agora está incentivando os desenvolvedores a remover regras repetidas, exemplos desnecessários, descrições de ferramentas inchadas e instruções passo a passo que o modelo não precisa mais.
Para o GPT-5.6 Sol, um bom prompt tem menos a ver com controlar cada movimento e mais com definir o destino: o resultado desejado, restrições rígidas, evidências disponíveis, limites de aprovação e o padrão para conclusão.
Tibo, que lidera o Codex e o ChatGPT na OpenAI, anunciou que o número combinado de usuários ativos do Codex e do ChatGPT Work havia atingido 8 milhões. A OpenAI também redefiniu os limites de uso novamente e continuou operando sem o limite de taxa de cinco horas anterior.
O ritmo foi excepcionalmente rápido. De acordo com o relatório original, o número combinado de usuários subiu de 6 milhões para 7 milhões e depois para 8 milhões em poucos dias após o lançamento do GPT-5.6.
As redefinições de uso também se tornaram tão frequentes que viraram piada recorrente entre os usuários. Algumas pessoas descreveram o padrão como uma atualização diária que mantinha os limites semanais fora de vista, especialmente para aqueles que não haviam consumido totalmente sua cota restaurada antes da próxima redefinição.
As redefinições não devem ser interpretadas como um direito permanente ou uma política fixa do produto. Foram respostas públicas a um rápido aumento na adoção, e os limites podem variar de acordo com o plano, modelo, carga de trabalho e capacidade atual.
Sam Altman disse que a demanda pelo GPT-5.6 Sol estava crescendo rapidamente e atribuiu à equipe de inferência o mérito de expandir a capacidade para suportá-la. Ele também alertou que os usuários podem ocasionalmente enfrentar pequenas interrupções no serviço enquanto a infraestrutura continua a escalar.
Esse aviso é importante porque uma redefinição de uso não elimina o custo subjacente de servir um modelo de raciocínio. Mais usuários, execuções de agente mais longas, ferramentas paralelas e configurações de raciocínio mais altas podem aumentar a demanda computacional.
A conclusão prática é simples: limites restaurados podem criar mais espaço para experimentação, mas as equipes ainda devem projetar fluxos de trabalho com base em qualidade medida, latência e
custo em vez de assumir capacidade ilimitada.
Altman também disse que o GPT-5.6 Sol foi precificado a aproximadamente metade do custo de um modelo concorrente que ele chamou de Fable, enquanto usava cerca de metade dos tokens em muitas tarefas comparáveis.
Se um modelo custa metade por token e conclui o mesmo trabalho com aproximadamente metade dos tokens, o custo total pode chegar a um quarto da linha de base de comparação nesses casos específicos.
Essa não é uma fórmula universal. A própria documentação da OpenAI recomenda repetidamente testar cargas de trabalho representativas, pois a escolha do modelo, o esforço de raciocínio, o uso de ferramentas, o cache, a latência e os requisitos de saída afetam o custo final.
Ainda assim, a direção é clara: o valor do GPT-5.6 não é apenas que cada token pode ser mais barato. O modelo também é projetado para obter mais trabalho útil com menos tokens.
Por várias gerações de modelos de IA, a engenharia de prompts frequentemente significava adicionar mais estrutura.
Equipes construíam prompts de sistema longos com descrições detalhadas de papéis, avisos repetidos, blocos XML, instruções de persistência, exemplos, descrições de ferramentas e etapas explícitas de processo. Sempre que o modelo falhava, outra regra era adicionada.
O GPT-5.6 Sol muda esse equilíbrio.
A orientação atual do modelo da OpenAI diz que o GPT-5.6 tem uma compreensão de intenção mais forte e muitas vezes não precisa que cada etapa intermediária seja prescrita. Os desenvolvedores ainda devem fornecer contexto de domínio, restrições rígidas, limites de aprovação, requisitos de evidência e critérios de sucesso — mas podem dar ao modelo mais liberdade para escolher o caminho de trabalho.
Em uma amostra das avaliações internas de agentes de codificação da OpenAI, prompts de sistema mais enxutos supostamente:
A OpenAI descreve esses números como direcionais, não universais. Eles devem ser validados em relação às tarefas, ferramentas e conjunto de avaliação usados em sua própria aplicação.
Um prompt prático do GPT-5.6 geralmente pode ser organizado em torno de quatro elementos:
a tarefa é considerada concluída?
Essa abordagem dá ao modelo um contrato claro sem forçá-lo a seguir uma rota rígida.
Um prompt mais antigo poderia atribuir ao modelo o papel de engenheiro sênior de segurança, especificar cada etapa de navegação de arquivos, ditar a ordem de análise, repetir avisos e prescrever o fluxo de trabalho exato de relatórios.
Uma versão mais enxuta do GPT-5.6 poderia ser assim:
Resultado:
Audite este repositório e identifique vulnerabilidades de segurança de alta gravidade.
Restrições:
Concentre-se em autenticação e validação de entrada.
Não altere a configuração de produção nem modifique arquivos.
Relate cada problema uma vez, sem repetir o mesmo risco em várias seções.
Evidências:
Use a documentação de arquitetura anexada e o inventário de dependências.
Não invente detalhes de implementação ausentes.
Critérios de aceitação:
Para cada descoberta, inclua a localização do arquivo, a evidência de apoio, o provável impacto e uma correção prática.
Antes de finalizar, verifique cada descoberta em relação a esses requisitos.
O modelo pode então decidir se inspeciona um diretório específico primeiro, usa subagentes, executa um teste não destrutivo ou compara dependências com padrões conhecidos.
O usuário define como é um bom trabalho. O modelo escolhe uma rota eficiente dentro dos limites permitidos.
Prompts mais enxutos não significam abandonar o controle. Significa mover o controle para os lugares onde ele importa.
Indique quais ações o modelo pode realizar de forma independente e quais ações exigem confirmação.
Por exemplo, ler arquivos, inspecionar logs, editar código local no escopo e executar testes não destrutivos podem ser permitidos. Gravações externas, compras, ações destrutivas, alterações na produção ou uma expansão material do escopo normalmente devem exigir aprovação.
Um limite claro é mais útil do que repetir "pergunte-me primeiro" ao longo do prompt.
Peça ao modelo para verificar sua saída em relação aos critérios de aceitação antes da entrega.
Isso é especialmente útil para revisão de código, pesquisa, geração de documentos, análise de dados e fluxos de trabalho com múltiplas ferramentas. A regra de verificação deve ser concreta: confirmar campos obrigatórios, testar a alteração, citar evidências ou comparar a saída final com uma referência fornecida.
Comece com o menor conjunto de prompts e ferramentas que já funciona.
Remova ou adicione uma categoria de cada vez e, em seguida, reexecute as mesmas avaliações. Isso facilita identificar qual instrução realmente melhora a qualidade e qual apenas adiciona tokens.
Descreva sua ideia uma vez e o We0 AI pode gerar um site de apresentacao, paginas e CMS, alem de ajudar a atrair clientes e trafego apos o lancamento.
Uma geração completa de projetos para registro gratuito
Melhor para experimentar um fluxo de geração completo e ver rapidamente um primeiro rascunho do projeto.
Reescrever toda uma pilha de prompts de uma só vez pode produzir um resultado mais limpo, mas também torna as falhas mais difíceis de diagnosticar.
O GPT-5.6 segue instruções de perto. Isso é útil quando o prompt é coerente, mas torna as contradições mais custosas.
Um prompt pode pedir uma resposta abrangente em uma seção e uma resposta muito curta em outra. Pode dizer ao modelo para agir de forma autônoma e, em seguida, repetir que ele deve pedir aprovação antes de qualquer alteração. Pode exigir
todo detalhe disponível, ao mesmo tempo que impõe um limite rigoroso de saída.
Modelos anteriores, por vezes, ignoravam um dos lados do conflito. Um modelo mais forte de seguimento de instruções pode tentar satisfazer ambos, resultando em comportamento hesitante, pedidos de aprovação desnecessários ou uma saída que não atende claramente a nenhum dos requisitos.
A resposta não é adicionar outro parágrafo explicando qual regra é mais importante. A resposta é geralmente remover ou reconciliar o conflito.
A orientação de prompts enxutos da OpenAI apoia a remoção de:
O prompt deve preservar:
Uma regra útil é manter as instruções que podem alterar o resultado e remover aquelas que apenas repetem o seu processo preferido.
Um conjunto de dicas de utilizador amplamente partilhado recomenda limpar pacotes de instruções antigos, ativar a memória do Codex quando apropriado e começar com uma definição de raciocínio moderada antes de aumentar.
A orientação oficial apoia a mesma abordagem comedida.
Ao migrar do GPT-5.5 ou GPT-5.4, a OpenAI recomenda manter a definição de raciocínio atual como base e testar essa definição juntamente com um nível abaixo. O GPT-5.6 pode manter ou melhorar a qualidade com menos tokens, mas a melhor configuração depende da carga de trabalho.
Para muitas tarefas de produção:
Escolher a definição mais alta por predefinição pode desperdiçar recursos sem melhorar o resultado.
A mudança mais profunda não é apenas técnica. É uma mudança na forma como as pessoas colaboram com agentes de IA.
A abordagem antiga tratava o modelo como um assistente júnior que precisava que cada passo fosse descrito antecipadamente. O utilizador planeava toda a rota, e o modelo executava-a.
A abordagem mais recente está mais próxima de dirigir um operador experiente. O utilizador define o
objetivo, limites, evidências e padrão de qualidade. O modelo planeja e executa o percurso, parando quando chega a uma decisão ou ação que requer aprovação humana.
Isso não elimina a engenharia de prompts. Eleva o nível em que a engenharia de prompts ocorre.
O trabalho mais valioso já não é escrever centenas de instruções processuais. É decidir:
À medida que os modelos se tornam mais capazes, prompts excessivamente detalhados podem criar o próprio atrito que deveriam evitar.
O GPT-5.6 Sol é o modelo principal da família GPT-5.6 da OpenAI. A OpenAI o posiciona para fluxos de trabalho complexos de produção, codificação, trabalho intelectual, uso de ferramentas e tarefas onde qualidade e eficiência de tokens são importantes.
O GPT-5.6 consegue inferir mais do fluxo de trabalho pretendido pelo usuário e nem sempre precisa de cada etapa intermediária prescrita. Remover instruções repetidas ou conflitantes reduz a sobrecarga do prompt e dá ao modelo um objetivo mais claro.
Um prompt forte deve definir o resultado, o contexto relevante, restrições rígidas, limites de aprovação, requisitos de evidências, critérios de sucesso e o formato de saída exigido. Inclua instruções de processo apenas quando elas codificarem um requisito real ou corrigirem uma falha medida.
Não. Comece com um prompt que já funciona, remova um grupo de instruções de cada vez e reexecute as mesmas avaliações. Mantenha tudo que protege segurança, permissões, comportamento do produto, requisitos de saída ou um caso limite conhecido.
Não. O modelo deve ter liberdade apenas dentro de limites claramente definidos. Gravações externas, ações destrutivas, compras, alterações na produção ou expansão de escopo ainda devem exigir aprovação explícita quando apropriado.
Não. A OpenAI descreve a melhoria de 10–15% na pontuação, a redução de 41–66% nos tokens e a redução de 33–67% nos custos como resultados direcionais de avaliações internas de agentes de codificação. Os resultados reais dependem da aplicação, do prompt, das ferramentas, das configurações de raciocínio e dos critérios de avaliação.
Comece com a configuração usada pelo seu fluxo de trabalho atual de produção e compare-a com um nível abaixo. Aumente o esforço de raciocínio apenas quando avaliações representativas mostrarem uma melhoria útil que justifique a latência e o custo adicionais.
modelos.
O relatório original capturou dois desenvolvimentos relacionados: o crescimento rápido do Codex e do ChatGPT Work, e uma mudança na forma como a OpenAI recomenda a criação de prompts para seu modelo mais recente.
O GPT-5.6 Sol foi projetado para lidar com mais do planejamento por conta própria. Os prompts mais eficazes focam cada vez mais no resultado desejado, nas restrições, nas evidências, nas aprovações e no padrão de conclusão, em vez de prescrever cada etapa.
As equipes devem simplificar os prompts gradualmente e validar cada alteração com avaliações representativas. Mais curto não é automaticamente melhor; instruções mais claras, não redundantes e mensuráveis são.
A lição central é definir o destino com precisão, estabelecer os limites claramente e parar de microgerenciar a rota.
Comece com uma frase e tenha um site completo em minutos.
