GPT-5.6 Sol、ユーザー数800万人を突破——プロンプト作成方法を変える革新

はじめに

GPT-5.6リリースからわずか数日後、OpenAIはユーザー数の急増を報告しました。当初の報告時点で、CodexとChatGPT Workのアクティブユーザー数は800万人を超え、OpenAIは全ユーザーの利用制限を再びリセットしました。

この成長ストーリーは印象的ですが、より実用的な教訓はOpenAIの新しいGPT-5.6プロンプトガイダンスに隠されているかもしれません。同社は現在、開発者に対して、重複したルール、不要な例、膨らんだツールの説明、そしてモデルがもはや必要としないステップバイステップの指示を削除するよう推奨しています。

GPT-5.6 Solにおいて、強力なプロンプトとはすべての動作を制御することよりも、目的地を定義することにあります。すなわち、必要な結果、厳格な制約、利用可能なエビデンス、承認範囲、完了の基準です。

800万人のユーザーがCodexとChatGPT Workを新たなマイルストーンへ

OpenAIでCodexとChatGPTを統括するTibo氏は、CodexとChatGPT Workの合計アクティブユーザー数が800万人に達したと発表しました。また、OpenAIは利用制限を再びリセットし、以前の5時間のレート制限なしで運用を継続しています。

そのペースは異常に速かったです。当初の報告によると、GPT-5.6ローンチから数日以内に、合計ユーザー数は600万人から700万人、さらに800万人へと増加しました。

利用制限のリセットも頻繁に行われ、ユーザーの間で笑い話になりました。ある人々はこのパターンを、週間制限を見えなくする毎日のリフレッシュと表現し、特に次のリセット前に復元された許容量を完全に消費していないユーザーにとって顕著でした。

これらのリセットは、恒久的な権利や固定された製品ポリシーとして解釈されるべきではありません。これらは急速な採用増加に対する公開された対応であり、制限はプラン、モデル、ワークロード、現在のキャパシティによって異なる場合があります。

OpenAI、スケーリングの不均一性を警告

Sam Altman氏は、GPT-5.6 Solへの需要が急速に高まっていると述べ、推論チームがそれをサポートするためのキャパシティ拡大に尽力したことを評価しました。また、インフラストラクチャの拡大が続く間、ユーザーは時折サービスに支障をきたす可能性があると警告しました。

この警告が重要なのは、利用制限のリセットが推論モデルを提供する根本的なコストを除去しないからです。より多くのユーザー、より長いエージェント実行、並列ツール、より高い推論設定はすべて、コンピュート需要を増加させる可能性があります。

実用的な教訓はシンプルです。復元された制限は実験の余地を広げるかもしれませんが、チームは依然として測定可能な品質、レイテンシ、そして

コストは、無制限のキャパシティを前提とするのではなく。

価格のストーリーは、実は効率のストーリー

アルトマン氏はまた、GPT-5.6 Solの価格が、彼がFableと呼ぶ競合モデルの約半分であり、多くの同等タスクで使用するトークン数も約半分であると述べた。

モデルがトークンあたりのコストを半分に抑え、かつ同じ作業を約半分のトークンで完了できる場合、特定のケースでは総コストが比較基準の4分の1近くになる可能性があります。

これは普遍的な公式ではありません。OpenAI自身のドキュメントでも、モデルの選択、推論の負荷、ツールの使用状況、キャッシュ、レイテンシ、出力要件のすべてが最終コストに影響するため、代表的なワークロードをテストすることを繰り返し推奨しています。

それでも、方向性は明確です。GPT-5.6の価値は、各トークンが安価になることだけではありません。このモデルは、より少ないトークンでより多くの有用な作業を実現するように設計されています。

これまでのプロンプトライブラリは書き直しが必要かもしれません

数世代にわたるAIモデルにおいて、プロンプトエンジニアリングはしばしば、より多くの構造を追加することを意味していました。

チームは、詳細な役割、繰り返しの警告、XMLブロック、永続性の指示、例、ツールの説明、明示的なプロセスステップを含む長大なシステムプロンプトを作成していました。モデルが失敗するたびに、新たなルールが追加されました。

GPT-5.6 Solは、そのバランスを変えます。

OpenAIの現在のモデルガイダンスによると、GPT-5.6は意図の理解力が向上しており、すべての中間ステップを指示する必要は多くの場合ありません。開発者は、ドメインコンテキスト、厳格な制約、承認の境界、エビデンスの要件、成功基準を提供する必要はありますが、作業の進め方をモデルに自由に選択させる余地を与えることができます。

OpenAIの内部コーディングエージェント評価サンプルでは、より簡潔なシステムプロンプトにより、以下の結果が報告されています。

• 評価スコアが約**10%～15%**向上
• 総トークン使用量が**41%～66%**削減
• コストが**33%～67%**削減

OpenAIはこれらの数値を、普遍的なものではなく方向性を示すものとして説明しています。これらは、各自のアプリケーションで使用されるタスク、ツール、評価スイートに照らして検証されるべきです。

4つの要素からなるプロンプト構造

実用的なGPT-5.6のプロンプトは、通常、以下の4つの要素で構成できます。

1. 成果（Outcome） — モデルはどのような完成結果を提供すべきか。
2. 制約（Constraints） — 範囲、安全性、許可、ポリシーの境界として何を尊重すべきか。
3. エビデンス（Evidence） — 作業の指針となるファイル、データ、ドキュメント、またはソース資料は何か。
4. 合格基準（Acceptance criteria） — 作業が完了したと見なされる前に、何が満たされている必要があるか。

task is considered complete?

このアプローチにより、モデルに強制的なルートを通すことなく、明確な契約を提供できます。

例：コードベースのセキュリティリスク監査

従来のプロンプトでは、モデルに上級セキュリティエンジニアの役割を割り当て、すべてのファイルナビゲーション手順を指定し、分析の順序を指示し、警告を繰り返し、正確なレポート作成フローを規定していました。

GPT-5.6のより簡潔なバージョンは次のようになります：

成果目標：
このリポジトリを監査し、重大なセキュリティ脆弱性を特定してください。

制約事項：
認証と入力バリデーションに焦点を当ててください。
本番環境の設定を変更したり、ファイルを修正しないでください。
各問題は一度だけ報告し、同じリスクを複数のセクションで繰り返さないでください。

エビデンス：
添付のアーキテクチャ文書と依存関係インベントリを使用してください。
欠落している実装詳細をでっち上げないでください。

合格基準：
各発見事項について、ファイルの場所、裏付けとなる証拠、影響の可能性、および実用的な修正方法を含めてください。
終了前に、各発見事項がこれらの要件を満たしていることを確認してください。

モデルは、特定のディレクトリを最初に検査するか、サブエージェントを使用するか、非破壊テストを実行するか、既知のパターンと依存関係を比較するかを自分で判断できます。

ユーザーは良い成果の定義を示します。モデルは許可された範囲内で効率的なルートを選択します。

モデルにより多くの自律性を与えるための3つのガードレール

簡潔なプロンプティングは制御を放棄することを意味しません。重要な場所に制御を移すことを意味します。

1. 停止と承認の境界を定義する

モデルが独立して実行してもよいアクションと、確認が必要なアクションを明示します。

例えば、ファイルの読み取り、ログの検査、対象範囲内のローカルコードの編集、非破壊テストの実行は許可される場合があります。外部への書き込み、購入、破壊的なアクション、本番環境の変更、または範囲の大幅な拡大は、通常承認が必要です。

明確な境界は、「最初に私に確認してください」とプロンプト全体で繰り返すよりも有効です。

2. 自己検証を要求する

モデルが成果物を提出する前に、合格基準に照らして出力をチェックするよう指示します。

これは特に、コードレビュー、調査、文書生成、データ分析、複数ステップのツールワークフローに有効です。検証ルールは具体的にすべきです。必須フィールドを確認し、変更をテストし、エビデンスを引用し、最終出力を提供された参考資料と比較するなどです。

3. 小さく始め、不足しているものだけを追加する

すでに機能している最小のプロンプトとツールセットから始めます。

一度に1つのカテゴリを削除または追加し、同じ評価を再実行します。これにより、どの指示が実際に品質を向上させ、どれが単にトークンを追加するだけかを特定しやすくなります。

プロンプトスタック全体を一度に書き換えると、よりクリーンな結果が得られる可能性がありますが、失敗の診断も難しくなります。

一文の追加が矛盾した指示を生む可能性がある

GPT-5.6は指示に忠実に従います。これはプロンプトが一貫している場合には有用ですが、矛盾があるとコストが高くなります。

プロンプトは、あるセクションでは包括的な回答を求め、別のセクションでは非常に短い回答を求めることがあります。モデルに自律的に行動するよう指示しながら、すべての変更前に承認を得なければならないと繰り返すこともあります。特定の

利用可能なすべての詳細情報を保持しつつ、厳格な出力制限も課す。

初期のモデルでは、相反する要件の片方が無視されることがあった。指示追従能力が高いモデルは両方を満たそうとし、結果として挙動が曖昧になったり、不必要な承認を求めたり、いずれの要件も満たさない出力を生成したりする。

この問題の解決策は、どのルールが最も重要かを説明する段落を追加することではない。通常は、相反する要件を削除するか、両立させることである。

削除すべきもの

OpenAIの「lean-prompt（簡潔なプロンプト）」ガイダンスは、以下を削除することを推奨している：

• 繰り返されるルール
• 実際の要件をエンコードしていない例
• 望ましい結果を変えないスタイル指示
• モデルが既に確実に実行できるプロセス手順
• 現在のタスクに関連しないツール
• 明らかな情報を繰り返す長いツールの説明
• 同じ承認ルールの複数のバージョン

保持すべきもの

プロンプトには以下を保持する：

• 必要な成果
• 関連するコンテキストと証拠
• 安全性、ポリシー、権限に関する厳格な境界
• 承認と停止の条件
• 成功基準
• 必要な出力構造
• 実際の失敗を修正する指示
• 重要なプロダクト要件をエンコードする例

有用なルールは、結果を変えられる指示は保持し、好ましいプロセスを単に繰り返すだけの指示は削除することである。

GPT-5.6 Solを活用するための実践的アドバイス

広く共有されているユーザーからのヒントとして、古い指示バンドルを整理し、適宜Codexメモリを有効にし、まずは中程度の推論設定から始めて、必要に応じてより高い設定に上げることが推奨されている。

公式ガイダンスも同様の慎重なアプローチを支持している。

GPT-5.5またはGPT-5.4から移行する場合、OpenAIは現在の推論設定をベースラインとして維持し、その設定と一段階低い設定をテストすることを推奨している。GPT-5.6は少ないトークンで品質を維持または向上させる可能性があるが、最適な構成はワークロードに依存する。

多くの実運用タスクにおいて：

• レイテンシが重要でタスクが単純な場合は、低い設定を使用する。
• 一般的なマルチステップ作業には、バランスの取れた設定から始める。
• 評価で意味のある改善が見られた場合にのみ、より高い努力レベルに移行する。
• 最も高価なモードは、難しく品質が重要なタスクにのみ使用する。
• タスクの成功率、完全性、証拠の質、レイテンシ、トークン使用量、総コストを比較する。

デフォルトで最高設定を選択すると、結果が改善されないままリソースを浪費する可能性がある。

真の変化はマイクロマネジメントからディレクションへ

より深い変化は技術的なものだけではない。これは人間がAIエージェントと協働する方法の変化である。

従来のアプローチは、モデルをジュニアアシスタントのように扱い、すべてのステップを事前に説明する必要があった。ユーザーがルート全体を計画し、モデルがそれを実行した。

新しいアプローチは、経験豊富なオペレーターを指揮することに近い。ユーザーはアウトプットを定義し、

目的、境界、根拠、品質基準。モデルは経路を計画・実行し、人間の承認が必要な判断や行動に達した時点で停止する。これによってプロンプトエンジニアリングが不要になるわけではない。むしろ、プロンプトエンジニアリングの水準が引き上げられる。最も価値ある作業は、もはや何百もの手続き的指示を書くことではない。以下の判断こそが重要となる：- どの結果が本当に重要か- どの根拠が信頼できるか- どの行動が許可されているか- どのリスクに人間の判断が必要か- 最終出力をどのようにテストするか- エージェントがいつ停止すべきかモデルの能力が向上するにつれ、過度に詳細なプロンプトは、本来防ぐべき摩擦そのものを生み出す可能性がある。## よくある質問### GPT-5.6 Solとは何か？GPT-5.6 Solは、OpenAIのGPT-5.6ファミリーにおけるフラッグシップモデルである。OpenAIは、複雑な本番ワークフロー、コーディング、知識作業、ツール利用、そして品質とトークン効率の両方が重要なタスク向けに位置づけている。### なぜGPT-5.6では短いプロンプトの方がパフォーマンスが良いのか？GPT-5.6はユーザーの意図するワークフローをより多く推論できるため、必ずしもすべての中間ステップを指示する必要がない。繰り返しや矛盾のある指示を削除することで、プロンプトのオーバーヘッドが減り、モデルにより明確な目的が与えられる。### 適切なGPT-5.6プロンプトには何を含めるべきか？強力なプロンプトは、成果、関連するコンテキスト、厳格な制約、承認の境界、根拠の要件、成功基準、必要な出力形式を定義するべきである。プロセス指示は、実際の要件を符号化するか、測定された失敗を修正する場合にのみ含める。### 以前のGPTモデル用に書かれたプロンプトはすべて削除すべきか？いいえ。既に動作しているプロンプトから始め、指示のグループを一度に1つずつ削除し、同じ評価を再実行する。安全性、権限、製品動作、出力要件、または既知のエッジケースを保護するものは保持する。### リーンプロンプティングはモデルに無制限の自律性を与えることを意味するか？いいえ。モデルは明確に定義された境界内でのみ自由を持つべきである。外部への書き込み、破壊的行為、購入、本番環境の変更、スコープの拡大は、適切な場合には依然として明示的な承認を必要とする。### 報告されているトークンとコストの削減は保証されているか？いいえ。OpenAIは、10～15%のスコア向上、41～66%のトークン削減、33～67%のコスト削減を、内部のコーディングエージェント評価による方向性のある結果として説明している。実際の結果は、アプリケーション、プロンプト、ツール、推論設定、評価基準に依存する。### GPT-5.6 Solではどの推論努力設定を使用すべきか？現在の本番ワークフローで使用している設定から始め、それを1段階低い設定と比較する。代表性のある評価が、追加のレイテンシーとコストに見合う有用な改善を示した場合にのみ、推論努力を増やす。## 関連ツール- ChatGPT Work：ドキュメント作成、調査、スプレッドシート、プレゼンテーション、その他のエンドツーエンドタスクを完了するためのエージェントワークスペース。- OpenAI Codex：ソフトウェアの理解、変更、テスト、レビューのためのOpenAIのコーディングエージェント環境。- OpenAI API Platform：GPT-5.6および他のOpenAIモデルを使用してアプリケーションを構築するための公式プラットフォーム。

models.

• OpenAI Evals: 反復可能な評価基準に基づいてプロンプトやモデルの変更をテストするためのツール。
• OpenAI Prompt Optimizer: 定義された評価者や評価例に基づいてプロンプトを改善するためのツール。

関連リンク

• GPT-5.6 公式発表: OpenAI による GPT-5.6 ファミリーの概要、性能、提供状況、価格について。
• GPT-5.6 モデルガイダンス: GPT-5.6 に関する公式のプロンプト作成、移行、推論、キャッシュ、ツール使用のガイダンス。
• OpenAI プロンプトエンジニアリングガイド: 現在の OpenAI モデルを使用したプロンプトの作成と管理に関する一般的なガイダンス。
• OpenAI API 価格: OpenAI API 製品の現在の公式トークンおよびサービス価格。
• ChatGPT 概要: ChatGPT、ChatGPT Work、Codex の機能に関する公式情報。
• Tibo 氏の800万ユーザー発表: 800万人のアクティブユーザーと別の使用制限リセットを告知した投稿。
• Sam Altman 氏による GPT-5.6 Sol の効率性について: GPT-5.6 Sol の価格とトークン効率を Fable と比較した投稿。

まとめ

元のレポートでは、Codex と ChatGPT Work の急成長、そして OpenAI が最新モデルへのプロンプト推奨方法を変更したという2つの関連する動向が取り上げられていました。

GPT-5.6 Sol は、それ自体でより多くの計画処理を実行できるように設計されています。そのため、最も効果的なプロンプトは、すべての手順を指示するのではなく、必要な結果、制約、根拠、承認、完了基準に重点を置く傾向が強まっています。

チームはプロンプトを段階的に簡素化し、各変更を代表的な評価で検証する必要があります。単に短ければ良いわけではなく、より明確で、重複がなく、測定可能な指示が重要です。

核心的な教訓は、目的地を正確に定義し、境界を明確に設定し、ルートの細かい指示をやめることです。