Спустя всего несколько дней после выпуска GPT-5.6 OpenAI сообщила о новом резком росте числа пользователей. На момент публикации первого отч...
Всего через несколько дней после выхода GPT-5.6 в OpenAI сообщили о новом резком росте числа пользователей. На момент публикации первоначального отчёта число активных пользователей Codex и ChatGPT Work превысило 8 миллионов, и OpenAI вновь сбросила лимиты использования для всех.
История роста впечатляет, но, возможно, более полезным уроком являются новые рекомендации OpenAI по составлению промптов для GPT-5.6. Компания теперь призывает разработчиков удалять повторяющиеся правила, ненужные примеры, раздутые описания инструментов и пошаговые инструкции, которые модели больше не требуются.
Для GPT-5.6 Sol хороший промпт — это не столько контроль каждого действия, сколько определение конечной цели: требуемый результат, жёсткие ограничения, доступные доказательства, границы одобрения и критерии завершения.
Тибо, руководитель направлений Codex и ChatGPT в OpenAI, объявил, что общее число активных пользователей Codex и ChatGPT Work достигло 8 миллионов. OpenAI также вновь сбросила лимиты использования и продолжила работу без прежнего пятичасового лимита.
Темпы роста были необычайно высокими. Согласно первоначальному отчёту, в течение нескольких дней после запуска GPT-5.6 общее число пользователей выросло с 6 до 7, а затем и до 8 миллионов.
Сбросы лимитов стали настолько частыми, что превратились в шутку среди пользователей. Некоторые описывали эту схему как ежедневное обновление, которое держало недельные лимиты вне поля зрения, особенно для тех, кто не успевал полностью израсходовать восстановленный лимит до следующего сброса.
Сбросы не следует воспринимать как постоянное право или фиксированную политику продукта. Это были публичные ответы на стремительный всплеск числа пользователей, и лимиты могут варьироваться в зависимости от тарифа, модели, рабочей нагрузки и текущих мощностей.
Сэм Альтман заявил, что спрос на GPT-5.6 Sol быстро растёт, и поблагодарил команду по выводу за расширение мощностей для его поддержки. Он также предупредил, что пользователи могут столкнуться с периодическими сбоями в работе, пока инфраструктура продолжает масштабироваться.
Это предупреждение важно, поскольку сброс лимитов не отменяет базовую стоимость обслуживания модели рассуждений. Большее количество пользователей, более длительные запуски агентов, параллельные инструменты и более высокие настройки рассуждений — всё это может увеличить потребность в вычислительных мощностях.
Практический вывод прост: восстановленные лимиты могут дать больше возможностей для экспериментов, но командам по-прежнему следует проектировать рабочие процессы, ориентируясь на измеримые качество, задержку и
стоимость, а не предположение о неограниченной мощности.
Альтман также сказал, что GPT-5.6 Sol был оценен примерно вдвое дешевле, чем конкурирующая модель, которую он назвал Fable, при этом используя примерно вдвое меньше токенов во многих сопоставимых задачах.
Если модель стоит вдвое дешевле за токен и выполняет ту же работу примерно вдвое меньшим количеством токенов, общая стоимость в этих конкретных случаях может приблизиться к четверти базового показателя для сравнения.
Это не универсальная формула. Собственная документация OpenAI неоднократно рекомендует тестировать репрезентативные рабочие нагрузки, поскольку выбор модели, усилия по рассуждению, использование инструментов, кэширование, задержка и требования к выводу — все это влияет на конечную стоимость.
Тем не менее, направление ясно: ценность GPT-5.6 заключается не только в том, что каждый токен может быть дешевле. Модель также спроектирована так, чтобы получать больше полезной работы из меньшего количества токенов.
На протяжении нескольких поколений моделей ИИ инженерия промптов часто означала добавление большей структуры.
Команды создавали длинные системные промпты с подробными ролями, повторяющимися предупреждениями, XML-блоками, инструкциями по постоянству, примерами, описаниями инструментов и явными шагами процесса. Когда модель терпела неудачу, добавлялось еще одно правило.
GPT-5.6 Sol меняет этот баланс.
Текущее руководство по модели от OpenAI говорит, что GPT-5.6 обладает более сильным пониманием намерений и часто не требует предписания каждого промежуточного шага. Разработчикам все равно следует предоставлять контекст предметной области, жесткие ограничения, границы одобрения, требования к доказательствам и критерии успеха — но они могут дать модели больше свободы в выборе пути работы.
В выборке внутренних оценок кодирующих агентов OpenAI, как сообщается, более краткие системные промпты:
OpenAI описывает эти цифры как ориентировочные, а не универсальные. Их следует проверять на задачах, инструментах и наборе для оценки, используемых в вашем собственном приложении.
Практический промпт для GPT-5.6 обычно может быть организован вокруг четырех элементов:
Задание считается выполненным?
Такой подход дает модели четкие рамки, не заставляя ее следовать жесткому маршруту.
Более старый промпт мог бы назначать модели роль старшего инженера по безопасности, указывать каждый шаг навигации по файлам, диктовать порядок анализа, повторять предупреждения и предписывать точный порядок отчетности.
Более лаконичная версия GPT-5.6 могла бы выглядеть так:
Результат:
Проведите аудит этого репозитория и выявите критически опасные уязвимости безопасности.
Ограничения:
Сосредоточьтесь на аутентификации и проверке входных данных.
Не изменяйте производственную конфигурацию и не модифицируйте файлы.
Сообщайте о каждой проблеме один раз, не повторяя один и тот же риск в нескольких разделах.
Доказательства:
Используйте прилагаемую архитектурную документацию и перечень зависимостей.
Не придумывайте отсутствующие детали реализации.
Критерии приемки:
Для каждой находки укажите расположение файла, подтверждающие доказательства, вероятное влияние
и практический вариант исправления.
Перед завершением проверьте каждую находку на соответствие этим требованиям.
Затем модель может решить, какую директорию проверить первой, использовать подагентов, выполнить неразрушающий тест или сравнить зависимости с известными шаблонами.
Пользователь определяет, как выглядит качественная работа. Модель выбирает эффективный маршрут в разрешенных границах.
Лаконичные промпты не означают отказ от контроля. Это означает перенос контроля в те места, где это действительно важно.
Укажите, какие действия модель может выполнять самостоятельно, а какие требуют подтверждения.
Например, чтение файлов, просмотр журналов, редактирование локального кода в рамках задачи и выполнение неразрушающих тестов могут быть разрешены. Внешняя запись, покупки, разрушительные действия, изменения в продакшене или существенное расширение объема работ обычно требуют утверждения.
Четкая граница полезнее, чем повторение "сначала спроси у меня" на протяжении всего промпта.
Попросите модель проверить свой результат на соответствие критериям приемки перед предоставлением.
Это особенно полезно для проверки кода, исследований, генерации документов, анализа данных и многошаговых рабочих процессов с инструментами. Правило проверки должно быть конкретным: подтвердить обязательные поля, протестировать изменение, привести доказательства или сравнить итоговый результат с предоставленным эталоном.
Начните с минимального набора промптов и инструментов, который уже работает.
Удаляйте или добавляйте одну категорию за раз, затем повторно запускайте те же оценки. Это позволяет легче определить, какая инструкция действительно улучшает качество, а какая лишь добавляет токены.
Опишите идею одной фразой, и We0 AI создаст сайт-витрину, страницы и CMS, а после запуска поможет привлечь клиентов и трафик.
Одна полная генерация проекта для бесплатной регистрации
Лучше всего попробовать один полный поток генерации и быстро увидеть первый черновик проекта.
Переписывание всего набора промптов за один раз может дать более чистый результат, но при этом делает ошибки более сложными для диагностики.
GPT-5.6 строго следует инструкциям. Это полезно, когда промпт согласован, но делает противоречия более "дорогостоящими".
Промпт может требовать исчерпывающего ответа в одном разделе и очень краткого ответа в другом. Он может предписывать модели действовать автономно, а затем повторять, что она должна запрашивать разрешение на каждое изменение. Он может требовать
все доступные детали, накладывая строгие ограничения на вывод.
Более ранние модели иногда игнорировали одну сторону конфликта. Более сильная модель, следующая инструкциям, может попытаться удовлетворить обе стороны, проявляя нерешительность, запрашивая ненужные одобрения или выдавая вывод, который не удовлетворяет ни одному из требований.
Ответ заключается не в том, чтобы добавить ещё один абзац, объясняющий, какое правило важнее. Обычно ответ состоит в том, чтобы устранить или согласовать конфликт.
Рекомендации OpenAI по кратким подсказкам поддерживают удаление:
Подсказка должна сохранять:
Полезное правило — сохранять инструкции, которые могут изменить результат, и удалять те, которые лишь повторяют ваш предпочтительный процесс.
Один из широко распространённых наборов советов пользователей рекомендует очищать старые пакеты инструкций, включать память Codex, где это уместно, и начинать с умеренной настройки рассуждений, прежде чем переходить к более высоким.
Официальные рекомендации поддерживают тот же сбалансированный подход.
При миграции с GPT-5.5 или GPT-5.4 OpenAI рекомендует сохранить текущую настройку рассуждений в качестве базовой и протестировать её наряду с настройкой на один уровень ниже. GPT-5.6 может поддерживать или улучшать качество при меньшем количестве токенов, но лучшая конфигурация зависит от рабочей нагрузки.
Для многих производственных задач:
Выбор самой высокой настройки по умолчанию может тратить ресурсы без улучшения результата.
Более глубокое изменение заключается не только в технике. Это изменение в том, как люди сотрудничают с ИИ-агентами.
Старый подход относился к модели как к младшему помощнику, которому нужно было заранее описать каждый шаг. Пользователь планировал весь маршрут, а модель выполняла его.
Новый подход ближе к руководству опытным оператором. Пользователь определяет
objective, boundaries, evidence, and quality bar. The model plans and executes the path, stopping when it reaches a decision or action that requires human approval.
Это не отменяет инжиниринг промптов, а поднимает уровень, на котором он осуществляется.
Самая ценная работа больше не заключается в написании сотен процедурных инструкций. Она состоит в определении:
По мере того как модели становятся более способными, чрезмерно детализированные промпты могут создавать ту самую помеху, которую они призваны предотвратить.
GPT-5.6 Sol — флагманская модель в семействе GPT-5.6 от OpenAI. OpenAI позиционирует её для сложных производственных процессов, программирования, интеллектуальной работы, использования инструментов и задач, в которых важны как качество, так и эффективность использования токенов.
GPT-5.6 способна лучше понимать предполагаемый рабочий процесс пользователя и не всегда нуждается в предписании каждого промежуточного шага. Удаление повторяющихся или противоречивых инструкций снижает нагрузку на промпт и даёт модели более чёткую цель.
Сильный промпт должен определять результат, релевантный контекст, жёсткие ограничения, границы одобрения, требования к доказательствам, критерии успеха и требуемый формат вывода. Включайте процессуальные инструкции только в том случае, если они кодируют реальное требование или исправляют выявленную ошибку.
Нет. Начните с уже работающего промпта, удаляйте по одной группе инструкций за раз и повторно запускайте те же оценки. Сохраняйте всё, что защищает безопасность, разрешения, поведение продукта, требования к выводу или известные граничные случаи.
Нет. Модель должна обладать свободой только в чётко определённых границах. Внешние записи, деструктивные действия, покупки, изменения в производстве или расширение масштаба по-прежнему должны требовать явного одобрения, когда это необходимо.
Нет. OpenAI описывает улучшение показателей на 10–15%, сокращение токенов на 41–66% и снижение затрат на 33–67% как ориентировочные результаты внутренних оценок кодирующего агента. Фактические результаты зависят от приложения, промпта, инструментов, настроек рассуждения и критериев оценки.
Начните с настройки, используемой в вашем текущем рабочем процессе, и сравните её с уровнем ниже. Увеличивайте усилие рассуждения только в том случае, если репрезентативные оценки показывают полезное улучшение, оправдывающее дополнительную задержку и затраты.
модели.
В первоначальном отчете были зафиксированы две связанные тенденции: стремительный рост Codex и ChatGPT Work, а также изменение рекомендаций OpenAI по составлению промптов для своей новейшей модели.
GPT-5.6 Sol спроектирован так, чтобы самостоятельно выполнять большую часть планирования. Наиболее эффективные промпты все чаще сосредотачиваются на требуемом результате, ограничениях, доказательствах, одобрениях и стандартах завершения, а не предписывают каждый шаг.
Командам следует постепенно упрощать промпты и проверять каждое изменение с помощью репрезентативных оценок. Более короткий промпт не обязательно лучше; важны четкие, непротиворечивые и измеримые инструкции.
Главный урок — точно определить конечную цель, четко установить границы и перестать микроменеджерить маршрут.
Начните с одной фразы и получите полноценный сайт за считанные минуты.
