OpenAI công bố hướng dẫn prompt cho GPT-5.6, tiết kiệm hơn 40% token

OpenAI chính thức phát hành hướng dẫn về từ khóa GPT-5.6, nội bộ thử nghiệm cho thấy: sau khi giảm đáng kể độ dài của system prompt, điểm số không những không giảm mà còn tăng từ 10% đến 15%, đồng thời tiết kiệm từ 41% đến 66% lượng Token. Nội dung chính của hướng dẫn là: nhà phát triển chỉ cần cung cấp kết quả mong muốn và các giới hạn quan trọng, không cần quy định từng bước cụ thể; mô hình sẽ tự chọn con đường hiệu quả nhất.

Dữ liệu thử nghiệm về việc tối giản system prompt

(Nguồn: Trang chính OpenAI)

Theo hướng dẫn của OpenAI GPT-5.6, nhóm kỹ thuật đã thử nghiệm và phát hiện ra rằng, có thể loại bỏ bốn loại nội dung sau trong system prompt mà không làm giảm hiệu suất của mô hình, thậm chí còn cải thiện:

Quy tắc lặp lại: các đoạn nhấn mạnh cùng một giới hạn nhiều lần

Lời nhắc về phong cách không ảnh hưởng thực chất đến hành vi: như “hãy trả lời chuyên nghiệp”, “hãy trả lời ngắn gọn” (GPT-5.6 đã được tối giản đáng kể)

Ví dụ thừa: các ví dụ không cung cấp thêm thông tin hữu ích

Hướng dẫn quy trình mô hình có thể tự thực hiện: quá nhiều mô tả theo từng bước

Phương pháp đề xuất để tối giản là “bắt đầu từ phiên bản chạy được rồi dần loại bỏ”: giữ lại prompt hiệu quả, từng đoạn loại bỏ các phần nghi ngờ, đồng thời theo dõi điểm đánh giá (đánh giá định lượng); nếu điểm không giảm, có thể xác nhận đã loại bỏ thành công. Những nội dung thực sự cần giữ lại gồm: định nghĩa kết quả rõ ràng, tiêu chí thành công và dừng, giới hạn an toàn và thương mại, quy tắc sử dụng công cụ và định dạng đầu ra.

Phương pháp viết mới cốt lõi: chỉ viết kết quả và giới hạn

Theo hướng dẫn của OpenAI GPT-5.6, nguyên tắc cốt lõi của prompt là: “Định nghĩa kết quả, giới hạn quan trọng, bằng chứng có thể sử dụng, tiêu chí hoàn thành, rồi để mô hình tự chọn con đường hiệu quả.” OpenAI đưa ra ví dụ về chính sách: “Sử dụng ít nhất các công cụ hữu ích để giải quyết yêu cầu, nhưng không được giảm số vòng lặp làm ảnh hưởng đến độ chính xác, bằng chứng cần thiết hoặc trích dẫn” — đây là quy tắc ra quyết định, chứ không phải mệnh lệnh cứng nhắc.

Về tham số, text.verbosity (low/medium/high) kiểm soát độ dài câu trả lời, giọng điệu và mức độ trang trọng cần mô tả riêng; reasoning effort (low/medium/high/xhigh/max) điều chỉnh mức độ suy nghĩ của mô hình, nhưng trước khi tăng, OpenAI khuyên nên xác nhận prompt đã rõ ràng về tiêu chí thành công và vòng xác minh — “nói rõ ràng thường hiệu quả hơn là suy nghĩ nhiều hơn”.

Mô tả công cụ cũng là một phần của prompt, chỉ giữ lại các công cụ liên quan đến nhiệm vụ; mô tả từng công cụ cần rõ ràng về chức năng, thời điểm sử dụng, cách xử lý lỗi.

Các câu hỏi thường gặp

Tại sao tối giản system prompt lại khiến điểm của GPT-5.6 tăng lên?

Theo hướng dẫn của OpenAI, prompt quá chi tiết sẽ gây gánh nặng phân tích không cần thiết cho mô hình, các lặp lại, lặp đi lặp lại có thể gây nhiễu cho khả năng xác định thứ tự ưu tiên thực sự; GPT-5.6 có khả năng suy luận mạnh mẽ, sau khi cung cấp mục tiêu và giới hạn, mô hình có thể tự chọn con đường hiệu quả, các bước quy định quá nhiều sẽ hạn chế hiệu suất của nó.

Cách thiết lập các tham số text.verbosity và reasoning effort như thế nào?

Theo hướng dẫn của OpenAI, text.verbosity có 3 mức (low/medium/high), kiểm soát độ dài câu trả lời; reasoning effort có 5 mức (low/medium/high/xhigh/max), điều chỉnh mức độ suy nghĩ của mô hình; hai tham số này nên được thiết lập riêng biệt, không nên tích hợp trong prompt. Trước khi tăng reasoning effort, cần xác nhận prompt đã rõ ràng về tiêu chí thành công, vì nhiều khi “nói rõ ràng hơn là suy nghĩ nhiều hơn”.

Quy trình chuyển đổi prompt đúng thứ tự là gì?

Theo hướng dẫn của OpenAI, thứ tự đúng là: trước tiên đổi mô hình (giữ nguyên cài đặt suy luận) → chạy eval để lấy chuẩn → loại bỏ các phần không còn phù hợp hoặc lặp lại → chỉ chỉnh sửa nhỏ những điểm thực sự gây giảm hiệu quả trong eval → đo lại. Nguyên tắc chính là mỗi lần chỉ thay đổi một biến, không đồng thời thay đổi mô hình, cài đặt suy luận, prompt hoặc bộ công cụ, để dễ xác định nguyên nhân gây ra thay đổi hành vi.