GPT-5.6 Sol Raggiunge 8 Milioni di Utenti—e Cambia il Modo in Cui Dovremmo Scrivere i Prompt

Introduzione

A solo pochi giorni dal rilascio di GPT-5.6, OpenAI ha riportato un altro netto aumento delle adozioni. Al momento del rapporto originale, Codex e ChatGPT Work avevano superato 8 milioni di utenti attivi, e OpenAI aveva nuovamente resettato i limiti di utilizzo per tutti.

La storia della crescita è notevole, ma la lezione più utile potrebbe essere nascosta nelle nuove linee guida di prompting di GPT-5.6 di OpenAI. L'azienda ora incoraggia gli sviluppatori a rimuovere regole ripetute, esempi non necessari, descrizioni di strumenti gonfiate e istruzioni passo-passo di cui il modello non ha più bisogno.

Per GPT-5.6 Sol, un buon prompt riguarda meno il controllo di ogni singola mossa e più la definizione della destinazione: il risultato richiesto, i vincoli rigidi, le prove disponibili, i confini di approvazione e lo standard per il completamento.

Otto Milioni di Utenti Spingono Codex e ChatGPT Work Verso un Nuovo Traguardo

Tibo, che guida Codex e ChatGPT in OpenAI, ha annunciato che il conteggio combinato di utenti attivi per Codex e ChatGPT Work ha raggiunto 8 milioni. OpenAI ha anche resettato nuovamente i limiti di utilizzo e ha continuato a operare senza il precedente limite di frequenza di cinque ore.

Il ritmo è stato insolitamente rapido. Secondo il rapporto originale, il conteggio combinato di utenti è passato da 6 milioni a 7 milioni e poi a 8 milioni nel giro di pochi giorni dal lancio di GPT-5.6.

Anche i reset dell'utilizzo sono diventati così frequenti da diventare un luogo comune tra gli utenti. Alcune persone hanno descritto il modello come un aggiornamento quotidiano che teneva fuori dalla vista i limiti settimanali, specialmente per coloro che non avevano completamente consumato la loro indennità ripristinata prima dell'arrivo del reset successivo.

I reset non dovrebbero essere interpretati come un diritto permanente o una politica di prodotto fissa. Erano risposte pubbliche a un rapido aumento dell'adozione, e i limiti possono variare in base al piano, al modello, al carico di lavoro e alla capacità corrente.

OpenAI Avverte che la Scalabilità Potrebbe Essere Disomogenea

Sam Altman ha affermato che la domanda per GPT-5.6 Sol stava crescendo rapidamente e ha riconosciuto il team di inferenza per aver ampliato la capacità per supportarla. Ha anche avvertito che gli utenti potrebbero occasionalmente riscontrare problemi di servizio mentre l'infrastruttura continua a scalare.

Questo avvertimento è importante perché un reset dell'utilizzo non rimuove il costo sottostante del servizio di un modello di ragionamento. Più utenti, esecuzioni più lunghe degli agenti, strumenti paralleli e impostazioni di ragionamento più elevate possono tutti aumentare la domanda di calcolo.

La conclusione pratica è semplice: i limiti ripristinati possono creare più spazio per sperimentare, ma i team dovrebbero comunque progettare i flussi di lavoro basandosi su qualità misurata, latenza

costo, piuttosto che assumere capacità illimitata.

La Storia del Prezzo è in Realtà una Storia di Efficienza

Altman ha anche affermato che GPT-5.6 Sol aveva un prezzo pari a circa la metà del costo di un modello concorrente che ha definito Fable, utilizzando al contempo circa la metà dei token in molti compiti comparabili.

Se un modello costa la metà per token e completa lo stesso lavoro con circa la metà dei token, il costo totale può avvicinarsi a un quarto del punto di riferimento di confronto in questi casi specifici.

Non si tratta di una formula universale. La stessa documentazione di OpenAI raccomanda ripetutamente di testare carichi di lavoro rappresentativi, perché la scelta del modello, lo sforzo di ragionamento, l'uso degli strumenti, la memorizzazione nella cache, la latenza e i requisiti di output influenzano tutti il costo finale.

Tuttavia, la direzione è chiara: il valore di GPT-5.6 non è solo che ogni token può essere più economico. Il modello è anche progettato per ottenere più lavoro utile da un numero inferiore di token.

La Tua Vecchia Libreria di Prompt Potrebbe Aver Bisogno di una Riscrittura

Per diverse generazioni di modelli di IA, l'ingegneria dei prompt spesso significava aggiungere più struttura.

I team costruivano lunghi prompt di sistema con ruoli dettagliati, avvisi ripetuti, blocchi XML, istruzioni di persistenza, esempi, descrizioni di strumenti e fasi di processo esplicite. Ogni volta che il modello falliva, veniva aggiunta un'altra regola.

GPT-5.6 Sol cambia questo equilibrio.

Le attuali linee guida sui modelli di OpenAI affermano che GPT-5.6 ha una comprensione delle intenzioni più forte e spesso non ha bisogno che ogni passaggio intermedio sia prescritto. Gli sviluppatori dovrebbero comunque fornire contesto di dominio, vincoli rigidi, limiti di approvazione, requisiti di evidenza e criteri di successo, ma possono dare al modello maggiore libertà per scegliere il percorso di lavoro.

In un campione delle valutazioni interne degli agenti di codifica di OpenAI, prompt di sistema più snelli avrebbero:

• Migliorato i punteggi di valutazione di circa il 10% al 15%
• Ridotto l'uso totale di token dal 41% al 66%
• Ridotto i costi dal 33% al 67%

OpenAI descrive queste cifre come indicative piuttosto che universali. Dovrebbero essere validate rispetto ai compiti, agli strumenti e alla suite di valutazione utilizzati nella propria applicazione.

La Struttura del Prompt in Quattro Parti

Un prompt pratico per GPT-5.6 può solitamente essere organizzato attorno a quattro elementi:

1. Risultato — Quale risultato finale dovrebbe fornire il modello?
2. Vincoli — Quali limiti di ambito, sicurezza, autorizzazione o policy deve rispettare?
3. Evidenze — Quali file, dati, documentazione o materiale di origine dovrebbero guidare il lavoro?
4. Criteri di accettazione — Cosa deve essere vero prima che

il task è considerato completato?

Questo approccio offre al modello un contratto chiaro senza costringerlo a seguire un percorso rigido.

Esempio: Revisione di un Codebase per Rischi di Sicurezza

Un prompt più datato potrebbe assegnare al modello un ruolo da senior security engineer, specificare ogni passaggio di navigazione dei file, dettare l'ordine di analisi, ripetere avvertimenti e prescrivere il flusso di lavoro esatto per il reporting.

Una versione più snella per GPT-5.6 potrebbe essere questa:

Risultato:
Verifica questo repository e identifica le vulnerabilità di sicurezza ad alta gravità.

Vincoli:
Concentrati su autenticazione e validazione dell'input.
Non modificare la configurazione di produzione o alterare file.
Segnala ogni problema una sola volta, senza ripetere lo stesso rischio in più sezioni.

Evidenze:
Utilizza la documentazione dell'architettura allegata e l'inventario delle dipendenze.
Non inventare dettagli di implementazione mancanti.

Criteri di accettazione:
Per ogni riscontro, includi la posizione del file, l'evidenza a supporto, l'impatto probabile
e una soluzione pratica.
Prima di concludere, verifica ogni riscontro in base a questi requisiti.

Il modello può quindi decidere se ispezionare prima una directory specifica, utilizzare sottoagenti, eseguire un test non distruttivo o confrontare le dipendenze con schemi noti.

L'utente definisce cosa significa un buon lavoro. Il modello sceglie un percorso efficiente entro i confini consentiti.

Tre Linee Guida per Dare Maggiore Autonomia al Modello

Un prompting più snello non significa abbandonare il controllo. Significa spostare il controllo nei punti in cui è importante.

1. Definisci i Confini di Stop e Approvazione

Indica quali azioni il modello può eseguire autonomamente e quali richiedono una conferma.

Ad esempio, leggere file, ispezionare log, modificare codice locale nell'ambito ed eseguire test non distruttivi possono essere consentiti. Scritture esterne, acquisti, azioni distruttive, modifiche alla produzione o un'espansione materiale dell'ambito dovrebbero normalmente richiedere approvazione.

Un confine chiaro è più utile che ripetere "chiedimi prima" in tutto il prompt.

2. Richiedi Auto-Verifica

Chiedi al modello di controllare il proprio output rispetto ai criteri di accettazione prima della consegna.

Questo è particolarmente utile per revisioni del codice, ricerca, generazione di documenti, analisi dei dati e flussi di lavoro multi-step con strumenti. La regola di verifica dovrebbe essere concreta: confermare i campi richiesti, testare la modifica, citare le evidenze o confrontare l'output finale con un riferimento fornito.

3. Inizia in Piccolo e Aggiungi Solo Ciò che Manca

Inizia con il prompt e il set di strumenti più piccoli che funzionano già.

Rimuovi o aggiungi una categoria alla volta, poi riesegui le stesse valutazioni. Questo rende più facile identificare quale istruzione migliora effettivamente la qualità e quale aggiunge solo token.

Riscrivere un intero stack di prompt in una volta sola può produrre un risultato più pulito, ma rende anche più difficile diagnosticare i fallimenti.

Una Frase in Più Può Creare Istruzioni Contrastanti

GPT-5.6 segue le istruzioni attentamente. Questo è utile quando il prompt è coerente, ma rende più costose le contraddizioni.

Un prompt potrebbe chiedere una risposta esaustiva in una sezione e una risposta molto breve in un'altra. Potrebbe dire al modello di agire autonomamente, per poi ripetere che deve chiedere approvazione prima di ogni modifica. Potrebbe richiedere

ogni dettaglio disponibile, imponendo al contempo un limite di output rigoroso.

I modelli precedenti a volte ignoravano un lato del conflitto. Un modello più incline a seguire le istruzioni potrebbe tentare di soddisfare entrambi, producendo un comportamento esitante, richieste di approvazione non necessarie o un output che non soddisfa chiaramente nessuno dei due requisiti.

La soluzione non è aggiungere un altro paragrafo che spieghi quale regola sia più importante. La soluzione è solitamente rimuovere o riconciliare il conflitto.

Cosa Rimuovere

La guida ai prompt snelli di OpenAI suggerisce di rimuovere:

• Regole ripetute
• Esempi che non codificano un requisito reale
• Istruzioni di stile che non modificano il risultato desiderato
• Passaggi procedurali che il modello già esegue in modo affidabile
• Strumenti irrilevanti per l'attività corrente
• Descrizioni lunghe di strumenti che ripetono informazioni ovvie
• Versioni multiple della stessa regola di approvazione

Cosa Mantenere

Il prompt dovrebbe preservare:

• Il risultato richiesto
• Il contesto e le prove pertinenti
• Limiti rigorosi di sicurezza, policy e autorizzazione
• Condizioni di approvazione e interruzione
• Criteri di successo
• La struttura di output richiesta
• Istruzioni che correggono un fallimento misurato
• Esempi che codificano un importante requisito di prodotto

Una regola utile è mantenere le istruzioni che possono cambiare il risultato e rimuovere quelle che ripetono semplicemente il tuo processo preferito.

Consigli Pratici per Usare GPT-5.6 Sol

Un insieme di suggerimenti ampiamente condivisi consiglia di ripulire i vecchi pacchetti di istruzioni, abilitare la memoria di Codex quando appropriato e iniziare con un'impostazione di ragionamento moderata prima di passare a livelli più alti.

!Immagine di un tweet di Keyan Zhang del 13 luglio 2026, con suggerimenti per i prompt di GPT-5.6. 1. Si consiglia di pulire i vecchi contenuti ridondanti, disabilitare alcune competenze e plug-in della comunità, considerare 5.6 sol come un ingegnere capo appena promosso, dove le istruzioni guida che erano utili diventano microgestione, per poi aggiungere in seguito le parti veramente utili. 2. Attivare la funzione di memoria Codex nelle impostazioni, fornire feedback a Codex sulle preferenze e far sì che ricordi i contenuti. 3. Potrebbe non essere necessaria la modalità ultra; l'autore completa il 95% del lavoro in sol high, usa sol extra high occasionalmente e sol ultra molto raramente; si consiglia di iniziare da high e regolare solo se non si è soddisfatti.

La guida ufficiale supporta lo stesso approccio misurato.

Quando si migra da GPT-5.5 o GPT-5.4, OpenAI raccomanda di mantenere l'impostazione di ragionamento corrente come base di partenza e testare tale impostazione insieme a un livello inferiore. GPT-5.6 può mantenere o migliorare la qualità con meno token, ma la configurazione migliore dipende dal carico di lavoro.

Per molti compiti di produzione:

• Utilizzare un'impostazione più bassa quando la latenza è importante e l'attività è semplice.
• Iniziare con un'impostazione equilibrata per il lavoro multi-step generale.
• Passare a uno sforzo maggiore solo quando le valutazioni mostrano un miglioramento significativo.
• Riservare le modalità più costose per attività difficili e critiche per la qualità.
• Confrontare il successo del compito, la completezza, la qualità delle prove, la latenza, l'uso di token e il costo totale.

Scegliere l'impostazione più alta per impostazione predefinita può sprecare risorse senza migliorare il risultato.

Il Vero Cambiamento: Dal Microgestire al Dirigere

Il cambiamento più profondo non è solo tecnico. È un cambiamento nel modo in cui le persone collaborano con gli agenti AI.

L'approccio precedente trattava il modello come un assistente junior a cui ogni passaggio doveva essere descritto in anticipo. L'utente pianificava l'intero percorso e il modello lo eseguiva.

L'approccio più recente è più simile a dirigere un operatore esperto. L'utente definisce il

obiettivo, confini, evidenze e livello di qualità. Il modello pianifica ed esegue il percorso, fermandosi quando raggiunge una decisione o un'azione che richiede l'approvazione umana.

Ciò non elimina l'ingegneria dei prompt, ma ne eleva il livello.

Il lavoro più prezioso non consiste più nello scrivere centinaia di istruzioni procedurali. Si tratta di decidere:

• Quale risultato è realmente importante
• Quali evidenze sono attendibili
• Quali azioni sono autorizzate
• Quali rischi richiedono una decisione umana
• Come verrà testato l'output finale
• Quando l'agente deve fermarsi

Con l'aumento delle capacità dei modelli, prompt eccessivamente dettagliati possono creare proprio quell'attrito che dovrebbero prevenire.

Domande frequenti

Cos'è GPT-5.6 Sol?

GPT-5.6 Sol è il modello di punta della famiglia GPT-5.6 di OpenAI. OpenAI lo posiziona per flussi di lavoro produttivi complessi, programmazione, lavoro conoscitivo, utilizzo di strumenti e attività in cui sia la qualità che l'efficienza dei token sono importanti.

Perché prompt più brevi possono funzionare meglio con GPT-5.6?

GPT-5.6 è in grado di dedurre maggiormente il flusso di lavoro desiderato dall'utente e non ha sempre bisogno di ogni passaggio intermedio prescritto. Rimuovere istruzioni ripetute o contrastanti riduce il carico del prompt e offre al modello un obiettivo più chiaro.

Cosa dovrebbe includere un buon prompt per GPT-5.6?

Un buon prompt dovrebbe definire il risultato, il contesto rilevante, i vincoli rigidi, i confini di approvazione, i requisiti di evidenza, i criteri di successo e il formato di output richiesto. Includere istruzioni di processo solo quando codificano un requisito reale o correggono un fallimento misurato.

Dovrei eliminare tutti i prompt scritti per i precedenti modelli GPT?

No. Parti da un prompt già funzionante, rimuovi un gruppo di istruzioni alla volta e riesegui le stesse valutazioni. Mantieni tutto ciò che protegge la sicurezza, le autorizzazioni, il comportamento del prodotto, i requisiti di output o un caso limite noto.

Un prompt snello significa dare al modello autonomia illimitata?

No. Il modello dovrebbe avere libertà solo entro confini chiaramente definiti. Scritture esterne, azioni distruttive, acquisti, modifiche alla produzione o espansione dell'ambito dovrebbero comunque richiedere un'approvazione esplicita quando opportuno.

Le riduzioni riportate di token e costi sono garantite?

No. OpenAI descrive il miglioramento del punteggio del 10-15%, la riduzione dei token del 41-66% e la riduzione dei costi del 33-67% come risultati indicativi delle valutazioni interne degli agenti di programmazione. I risultati effettivi dipendono dall'applicazione, dal prompt, dagli strumenti, dalle impostazioni di ragionamento e dai criteri di valutazione.

Quale sforzo di ragionamento dovrei usare con GPT-5.6 Sol?

Inizia con l'impostazione utilizzata dal tuo attuale flusso di lavoro produttivo e confrontala con un livello inferiore. Aumenta lo sforzo di ragionamento solo quando valutazioni rappresentative mostrano un miglioramento utile che giustifichi la maggiore latenza e i costi aggiuntivi.

Strumenti correlati

• ChatGPT Work: Uno spazio di lavoro agenziale per completare documenti, ricerche, fogli di calcolo, presentazioni e altre attività end-to-end.
• OpenAI Codex: L'ambiente agenziale di programmazione di OpenAI per comprendere, modificare, testare e revisionare software.
• OpenAI API Platform: La piattaforma ufficiale per creare applicazioni con GPT-5.6 e altri modelli OpenAI.

modelli.

• OpenAI Evals: Strumenti per testare modifiche a prompt e modelli secondo criteri di valutazione ripetibili.
• OpenAI Prompt Optimizer: Uno strumento per migliorare i prompt in base a valutatori definiti ed esempi di valutazione.

Collegamenti correlati

• Annuncio ufficiale di GPT-5.6: Panoramica di OpenAI sulla famiglia GPT-5.6, prestazioni, disponibilità e prezzi.
• Guida al modello GPT-5.6: Guida ufficiale per prompt, migrazione, ragionamento, caching e uso di strumenti per GPT-5.6.
• Guida all'ingegneria dei prompt di OpenAI: Consigli generali per scrivere e gestire prompt con gli attuali modelli OpenAI.
• Prezzi API OpenAI: Prezzi ufficiali correnti per token e servizi dei prodotti API OpenAI.
• Panoramica di ChatGPT: Informazioni ufficiali su ChatGPT, ChatGPT Work e le capacità di Codex.
• Annuncio di Tibo sugli 8 milioni di utenti: Il post che annuncia 8 milioni di utenti attivi e un altro ripristino del limite di utilizzo.
• Sam Altman sull'efficienza di GPT-5.6 Sol: Il post che confronta i prezzi e l'efficienza dei token di GPT-5.6 Sol con Fable.

Riepilogo

Il rapporto originale ha catturato due sviluppi correlati: la rapida crescita di Codex e ChatGPT Work, e un cambiamento nel modo in cui OpenAI raccomanda di fare prompt con il suo modello più recente.

GPT-5.6 Sol è progettato per gestire più autonomamente la pianificazione. I prompt più efficaci si concentrano sempre più sul risultato richiesto, sui vincoli, sulle prove, sulle approvazioni e sugli standard di completamento, piuttosto che prescrivere ogni passaggio.

I team dovrebbero semplificare gradualmente i prompt e convalidare ogni modifica con valutazioni rappresentative. Più corto non è automaticamente meglio; sono preferibili istruzioni chiare, non ridondanti e misurabili.

La lezione fondamentale è definire con precisione la destinazione, stabilire chiaramente i confini e smettere di microgestire il percorso.