GPT-5.6 Sol Достигает 8 Миллионов Пользователей — и Меняет То, Как Мы Должны Писать Промпты

Введение

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.

Восемь Миллионов Пользователей Выводят Codex и ChatGPT Work на Новый Рубеж

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.

OpenAI Предупреждает, что Масштабирование Может Быть Неравномерным

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.

История о цене — это на самом деле история об эффективности

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.

Ваша старая библиотека промптов, вероятно, нуждается в переписывании

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:

• Повысили оценочные баллы примерно на 10–15%
• Сократили общее использование токенов на 41–66%
• Снизили стоимость на 33–67%

OpenAI описывает эти цифры как ориентировочные, а не универсальные. Их следует проверять на задачах, инструментах и наборе для оценки, используемых в вашем собственном приложении.

Четырехчастная структура промпта

Практический промпт для GPT-5.6 обычно может быть организован вокруг четырех элементов:

1. Результат — Какой готовый результат должна предоставить модель?
2. Ограничения — Какие границы в отношении объема, безопасности, разрешений или политик она должна соблюдать?
3. Доказательства — Какие файлы, данные, документация или исходные материалы должны направлять работу?
4. Критерии приемки — Что должно быть истинным, прежде чем

Задание считается выполненным?

Такой подход дает модели четкие рамки, не заставляя ее следовать жесткому маршруту.

Пример: Аудит кодовой базы на предмет уязвимостей безопасности

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.

Три ограничителя для предоставления модели большей автономии

Лаконичные промпты не означают отказ от контроля. Это означает перенос контроля в те места, где это действительно важно.

1. Определите границы остановки и утверждения

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.

2. Требуйте самопроверки

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.

3. Начинайте с малого и добавляйте только то, чего не хватает

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.

Переписывание всего набора промптов за один раз может дать более чистый результат, но при этом делает ошибки более сложными для диагностики.

Одна лишняя фраза может создать противоречивые инструкции

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.

Что удалить

Рекомендации OpenAI по кратким подсказкам поддерживают удаление:

• Повторяющихся правил
• Примеров, не кодирующих реальное требование
• Инструкций по стилю, не меняющих желаемый результат
• Этапов процесса, которые модель уже надёжно выполняет
• Инструментов, не имеющих отношения к текущей задаче
• Длинных описаний инструментов, повторяющих очевидную информацию
• Нескольких версий одного и того же правила одобрения

Что сохранить

Подсказка должна сохранять:

• Требуемый результат
• Соответствующий контекст и доказательства
• Жёсткие границы безопасности, политики и разрешений
• Условия одобрения и остановки
• Критерии успеха
• Требуемую структуру вывода
• Инструкции, исправляющие измеренную ошибку
• Примеры, кодирующие важное требование продукта

Полезное правило — сохранять инструкции, которые могут изменить результат, и удалять те, которые лишь повторяют ваш предпочтительный процесс.

Практические советы по использованию GPT-5.6 Sol

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:

• Используйте более низкую настройку, когда важна задержка, а задача проста.
• Начинайте со сбалансированной настройки для общей многошаговой работы.
• Переходите к более высоким затратам только тогда, когда оценки показывают значительное улучшение.
• Резервируйте самые дорогие режимы для сложных задач, критичных к качеству.
• Сравнивайте успешность выполнения задачи, полноту, качество доказательств, задержку, использование токенов и общую стоимость.

Выбор самой высокой настройки по умолчанию может тратить ресурсы без улучшения результата.

Реальный сдвиг: от микроменеджмента к руководству

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:

• Какой результат на самом деле важен
• Какие свидетельства заслуживают доверия
• Какие действия разрешены
• Какие риски требуют решения человека
• Как будет тестироваться конечный результат
• Когда агент должен остановиться

По мере того как модели становятся более способными, чрезмерно детализированные промпты могут создавать ту самую помеху, которую они призваны предотвратить.

Часто задаваемые вопросы

Что такое GPT-5.6 Sol?

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.

Почему с GPT-5.6 более короткие промпты могут работать лучше?

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.

Что должен включать хороший промпт для GPT-5.6?

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.

Стоит ли удалять все промпты, написанные для предыдущих моделей GPT?

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.

Означает ли «лёгкий» промптинг предоставление модели неограниченной автономии?

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.

Гарантированы ли заявленные показатели сокращения токенов и затрат?

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.

Какое усилие рассуждения следует использовать с GPT-5.6 Sol?

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.

Связанные инструменты

• ChatGPT Work: Агентское рабочее пространство для выполнения документов, исследований, электронных таблиц, презентаций и других сквозных задач.
• OpenAI Codex: Среда кодирующего агента OpenAI для понимания, изменения, тестирования и рецензирования программного обеспечения.
• OpenAI API Platform: Официальная платформа для создания приложений с использованием GPT-5.6 и других моделей OpenAI.

модели.

• [OpenAI Evals] (https://developers.openai.com/api/docs/guides/evals): Инструменты для тестирования изменений промптов и моделей на соответствие повторяемым критериям оценки.
• [OpenAI Prompt Optimizer] (https://developers.openai.com/api/docs/guides/prompt-optimizer): Инструмент для улучшения промптов на основе заданных оценщиков и примеров оценки.

Связанные ссылки

• [Официальное объявление GPT-5.6] (https://openai.com/index/gpt-5-6/): Обзор семейства GPT-5.6 от OpenAI, производительность, доступность и цены.
• [Руководство по модели GPT-5.6] (https://developers.openai.com/api/docs/guides/latest-model): Официальные рекомендации по составлению промптов, миграции, рассуждению, кэшированию и использованию инструментов для GPT-5.6.
• [Руководство OpenAI по инженерии промптов] (https://developers.openai.com/api/docs/guides/prompt-engineering): Общие рекомендации по написанию и управлению промптами с текущими моделями OpenAI.
• [Цены на API OpenAI] (https://openai.com/api/pricing/): Актуальные официальные цены на токены и услуги для продуктов API OpenAI.
• [Обзор ChatGPT] (https://chatgpt.com/overview/): Официальная информация о ChatGPT, ChatGPT Work и возможностях Codex.
• [Объявление Тибо о 8 миллионах пользователей] (https://x.com/thsottiaux/status/2077114635308986427): Пост с объявлением о 8 миллионах активных пользователей и очередном сбросе лимита использования.
• [Сэм Альтман об эффективности GPT-5.6 Sol] (https://x.com/sama/status/2077036999303999910): Пост, сравнивающий цены и эффективность токенов GPT-5.6 Sol с Fable.

Резюме

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.