OpenAI опубликовала руководство по промптам для GPT-5.6: экономия токенов превышает 40%

OpenAI официально опубликовала руководство по промптам для GPT-5.6: внутренние тесты показывают, что после значительного сокращения длинного system prompt баллы не только не падают, но и растут на 10–15 %, а использование токенов снижается на 41–66 %. В основе гайда лежит рекомендация: разработчикам достаточно сообщить модели результат и «красные линии», не нужно прописывать каждый шаг — модель сама выберет путь с нужной эффективностью.

Данные тестов по сокращению system prompt

（Источник: официальный сайт OpenAI）

Согласно руководству OpenAI GPT-5.6, инженерная команда на практике выяснила: из system prompt можно удалить следующие четыре типа содержания, и после удаления качество модели становится даже лучше:

Правила повторения: абзацы, где снова и снова подчеркивают одно и то же ограничение

Подсказки по стилю без реального влияния на поведение: например, «отвечайте профессионально», «отвечайте кратко» и т. п. (в GPT-5.6 по умолчанию уже есть более лаконичные формулировки)

Лишние примеры: демонстрации, которые не добавляют полезной информации

Инструкции по процессу, которые модель и так умеет делать: слишком подробные шаги

Рекомендуемый способ сокращения — «начать с версии, которая уже работает, и постепенно удалять»: сначала оставить рабочий prompt, по одному снимать подозрительные элементы и при этом отслеживать eval (количественную оценку баллов); если баллы не падают — можно подтверждать удаление. Что действительно стоит сохранить: определения ожидаемых результатов, критерии успешности и остановки, ограничения по безопасности и бизнесу, а также правила выбора инструментов и формат вывода.

Главное в новом подходе: только результат и красные линии

Согласно руководству OpenAI GPT-5.6, главный принцип промптинга звучит так: «определите результат, важные ограничения, доступные доказательства и критерии завершения, а затем оставьте модели пространство, чтобы она выбрала эффективный путь». Пример политики, который дает OpenAI: «решайте запрос с минимальным числом полезных циклов с инструментами, но нельзя жертвовать правильностью, необходимыми доказательствами или ссылками ради уменьшения числа циклов» — это правило принятия решений, а не буквальная команда.

В параметрах текстов стоит учитывать: text.verbosity (low/medium/high) отвечает именно за длину ответа, а тон и формальность следует описывать отдельно; reasoning effort (low/medium/high/xhigh/max) управляет силой размышлений модели, но перед тем как его повышать, OpenAI советует сначала убедиться, что в самом prompt ясно определены критерии успеха и цикл верификации — «часто ясность важнее, чем наращивание глубины размышлений».

Описание инструментов также относится к части prompt: инструменты должны сохраняться только по делу; в каждом описании нужно указать, что делает инструмент, когда его использовать и как модель должна себя вести при ошибках.

Частые вопросы

Почему сокращение system prompt повышает баллы GPT-5.6?

Согласно объяснениям в гайде OpenAI, чрезмерно подробный system prompt добавляет модели лишнюю нагрузку на разбор, а повторяющиеся и избыточные инструкции могут сбивать ее с приоритизации. Поскольку GPT-5.6 сам по себе обладает сильными возможностями рассуждения, после задания целей и ограничений модель может выбрать эффективный путь; излишние требования к шагам, наоборот, сковывают ее работу.

Как правильно настраивать параметры text.verbosity и reasoning effort?

Согласно руководству OpenAI, text.verbosity имеет три уровня (low/medium/high) и предназначен для контроля длины ответа; reasoning effort — пять уровней (low/medium/high/xhigh/max) и отвечает за силу размышлений. Оба параметра следует задавать отдельно и не полагаться на «наслоение» текста в system prompt. Перед повышением reasoning effort сначала нужно убедиться, что prompt четко определяет критерии успеха, потому что во многих случаях «ясно сказанное работает эффективнее, чем просто больше думать».

Какой правильный порядок при переносе рабочего процесса prompt?

Согласно руководству OpenAI, корректный порядок такой: сначала заменить модель (сохранив исходные настройки рассуждений) → прогнать eval как базовую точку → удалить устаревшие «лесенки» и повторяющиеся инструкции → сделать минимальные правки только там, где eval показывает реальное ухудшение → повторно измерить. Ключевой принцип: менять за раз только один фактор; если одновременно менять модель, настройки рассуждений, prompt и набор инструментов, невозможно будет понять, что именно повлияло на поведение.