Gabay sa mga modelo sa pamilyang GPT‑6

Ang GPT‑6 ang aming pinaka-advanced na koleksyon ng mga modelo sa ngayon, at may pagpipilian kang mga modelo para sa iba't ibang gawain.

Gumagawa ka man ng gumaganang prototype mula sa isang ideya, bumubuo at sumusubok ng feature, o nag-uugnay ng mga workflow na may maraming hakbang sa mga code repository, database, at external API, itinuturo ng gabay na ito kung paano pumili ng modelong GPT‑6, magbigay ng epektibong tagubilin, pamahalaan ang matagalang gawain, at maghanda para sa production.

• Gamitin nang epektibo sa production. Gumamit ng caching⁠(magbubukas sa bagong window) at compaction⁠(magbubukas sa bagong window) para pamahalaan ang konteksto at gastos. Sukatin ang tagumpay ng gawain at latency, at magplano para sa pagsubaybay at mga kontrol sa data.

• Iangkop ang modelo sa iyong workload. Balansehin ang kakayahan, gastos, at latency sa pagpili ng modelo, antas ng pagsisikap sa pangangatwiran⁠(magbubukas sa bagong window), at bilis na angkop sa gawain.

• Iangkop ang iyong mga prompt at skill. Tiyaking magkakatugma ang mga prompt, skill, at tagubilin sa repository tungkol sa dapat ibigay ng modelo, magagawa nito nang mag-isa, at pamantayan ng pagkumpleto.

• Panatilihin sa tamang direksyon ang matagalang gawain. Gumamit ng paggabay⁠(magbubukas sa bagong window), mga async tool⁠(magbubukas sa bagong window), at pagdelegasyon⁠(magbubukas sa bagong window) para pangasiwaan ang mga update at gawaing hindi umaasa sa iba. Linawin kung kailan dapat humingi ng opinyon o tagubilin ang modelo.

Bago mag-deploy, magsagawa ng mga pagsusuri at magpatupad ng pinakamahuhusay na kasanayan.

• Isaalang-alang ang episyenteng paggamit ng mga resource. ⁠(magbubukas sa bagong window)Alisin ang kontekstong hindi kailangan ng gawain⁠(magbubukas sa bagong window) pero panatilihin ang kinakailangang ebidensya. Kung suportado ng iyong application, pagsabayin ang mga gawaing hindi umaasa sa isa't isa⁠(magbubukas sa bagong window) para hindi maantala ng isang mabagal na hakbang ang ibang gawain.

• Muling gamitin ang iisang konteksto sa pamamagitan ng prompt caching⁠(magbubukas sa bagong window) para sa paulit-ulit na gawain. Hanggang 95% na mas mababa⁠(magbubukas sa bagong window) ang gastos sa mga naka-cache na input token kaysa sa hindi naka-cache, depende sa modelo. Ilagay ang mga tagubilin at sangguniang hindi nagbabago bago ang nagbabagong detalye ng gawain, at panatilihing pare-pareho ang mga depinisyon ng tool. Makakatulong ang caching dashboard⁠(magbubukas sa bagong window) at gabay sa diagnostics⁠(magbubukas sa bagong window) para makita kung saan pumapalya ang muling paggamit na ito. Isama ang mga cache write at anumang singil sa mahabang konteksto kapag tinatantiya ang gastos ng buong workflow.

• Para sa mas mahabang usapan, pinapaliit ng compaction⁠(magbubukas sa bagong window) ang konteksto habang pinapanatili ang state na kailangan para magpatuloy.

• Magpasya kung paano susubaybayan ang gawi⁠(magbubukas sa bagong window) at suriin ang mga kontrol sa data⁠(magbubukas sa bagong window) para sa iyong application.

• Subukan bago mag-deploy: Magpatakbo ng mga gawaing kumakatawan sa aktuwal na gamit at sukatin ang tagumpay, latency, at gastos sa bawat matagumpay na gawain. Tingnan ang aming checklist sa pag-deploy ng API⁠(magbubukas sa bagong window).

Ituring ang pagpili ng modelo at antas ng pangangatwiran bilang pagbabalanse ng talino at presyo.

• Modelo:

  • GPT‑6 Astra⁠(magbubukas sa bagong window) para sa pinakamahihirap na gawaing pangangatwiran na nangangailangan ng pinakamataas na talino.

  • GPT‑6.1 Sol⁠(magbubukas sa bagong window) para sa kumplikadong coding, pananaliksik, at paggamit ng computer.

  • GPT‑6 Luna⁠(magbubukas sa bagong window) para sa maramihang tiyak na gawain at araw-araw na paulit-ulit na gawaing may malinaw na layunin, gaya ng pagkuha ng mga field sa invoice, pag-uuri ng mga kahilingan, o paggawa ng mga buod na may takdang istruktura.

Kapag pumipili ng pinakamahusay na modelo para sa gawain, ihambing ang mga presyo⁠(magbubukas sa bagong window) ng bawat modelo.

• Antas ng pangangatwiran: Sa API, piliin kung gaano kalaking pagsisikap ang ilalaan ng modelo sa gawain.

  • Mababa: Karaniwang gawain, gaya ng pagkuha ng mga katotohanan o paggawa ng maliliit na edit.

  • Medium: Gawaing nangangailangan ng pagpapasya, gaya ng pagpaplano ng feature o paghahambing ng mga opsyon.

  • Mataas: Mahirap na debugging, mas malalim na pagsusuri, o maingat na pagrerepaso.

  • Napakataas / Max: Subukan kung suportado kapag kulang ang Mataas, at gamitin lang kung sulit ang dagdag na oras at gastos sa ibinubuting resulta.

Sa API, maaari mong baguhin ang antas ng pagsisikap sa pangangatwiran habang nag-uusap⁠(magbubukas sa bagong window) nang hindi naaabala ang cache.

Sa Codex, magsimula sa default na antas ng pangangatwiran ng modelo, saka ibaba para sa mas simpleng gawain o itaas para sa mas malalim na pagsusuri.

• Bilis:

  • Sa API, gumamit ng Fast mode⁠(magbubukas sa bagong window) kapag mahalaga ang bilis ng tugon, gaya sa mga chat app o coding tool. Nagbibigay ito ng mas mabilis at mas pare-parehong oras ng pagtugon, pero mas mataas ang gastos kada token kaysa sa Standard na pagproseso.

  • Sa Codex at API, gumamit ng Ultrafast⁠(magbubukas sa bagong window) kapag sulit ang dagdag na bayad para sa mas mabilis na tugon, gaya ng mabilisang pag-ulit sa coding. Pinapabilis nito ang pagbuo ng token anuman ang antas ng pagsisikap sa pangangatwiran. Available para sa GPT‑6 Astra⁠(magbubukas sa bagong window).

Magsimula sa malinaw na gawain: ang gustong resulta, para kanino ito, kaugnay na konteksto at mga limitasyon, at pamantayan ng pagkumpleto. Pagkatapos, suriin ang apat na aspetong ito, na binuod mula sa Muling pag-iisip sa mga skill at prompt para sa GPT‑6 Astra⁠(magbubukas sa bagong window), para mas maunawaan kung paano ia-update ang iyong mga tagubilin:

• Gumawa ng mas mahuhusay na skill: Ilarawan nang maikli at malinaw kung kailan gagamitin ang bawat skill, mag-load lang ng dagdag na detalye kapag kailangan, at palitan ang mahihigpit na hakbang ng gabay na angkop sa mga modelong gamit ng team.

• I-update ang iyong AGENTS.md: Ipaliwanag kung kailan mahalaga ang mga partikular na dokumento at pagsusuri, at tahasang pahintulutan ang ligtas na karaniwang workflow, gaya ng mga lokal na pagsusuring gumagamit ng pansamantalang data at walang access sa production.

• Magtakda ng mga hangganan sa pagpapasya: Sabihin kung aling mga aksyon ang magagawa nang mag-isa at alin ang kailangan ng pahintulot. Palitan ang pangkalahatang utos na “laging magtanong” ng malinaw na hangganan.

• Linawin kung hanggang kailan magpapatuloy: Tukuyin kung ano ang saklaw ng “tapos”—pagpapatupad ng pagbabago, pagpapatakbo nito, pagsusuri ng resulta, at pag-aayos ng mga pagkabigo—at kung aling mga desisyon ang kailangan mong suriin.

Para sa dagdag na gabay, tingnan ang pinakamahuhusay na kasanayan sa pangangatwiran⁠(magbubukas sa bagong window).

Gumagamit ka man ng Codex o bumubuo gamit ang API, tukuyin kung aling mga desisyon ang magagawa ng modelo, kailan ito dapat humingi ng opinyon o tagubilin, at ano ang katangian ng kapaki-pakinabang na tugon.

Bigyan ang modelo ng sapat na gabay para magpatuloy ang gawain nang hindi nanghuhula sa mahahalagang desisyon. ⁠(magbubukas sa bagong window)Sabihin kung ano ang maaari nitong pagpasyahan at kailan dapat humingi ng iyong opinyon⁠(magbubukas sa bagong window). Halimbawa, maaari nitong piliin kung paano aayusin ang isang buod, pero dapat muna itong magtanong sa iyo bago baguhin ang saklaw ng proyekto. ⁠(magbubukas sa bagong window)Ilarawan ang mga katangian ng kapaki-pakinabang na tugon⁠(magbubukas sa bagong window), gaya ng simpleng pananalita, teknikal na detalyeng angkop sa iyong audience, at maikling ulat tungkol sa mga binago, sinuri, at kailangan pang asikasuhin.

Sa pamilya ng mga modelong GPT‑6, maaari ka nang humawak ng mga gawaing tumatagal nang ilang oras o araw. Gamitin ang mga sumusunod na feature para mas mahusay na mapamahalaan ang mga agent sa matagalang gawain.

Sa API, gumamit ng paggabay, mga asynchronous tool, at sabay-sabay na paggawa para patuloy na umusad ang mga matagalang gawain.

• I-update ang mga tagubilin habang tumatakbo ang gawain: Sa paggabay sa gitna ng turn⁠(magbubukas sa bagong window), maaari kang magpadala ng pagwawasto sa pamamagitan ng Responses WebSocket API⁠(magbubukas sa bagong window) habang nagtatrabaho ang modelo. Ipinipila ang mga update; hindi nito kinakansela ang mga tumatakbong tool o binabawi ang mga nakumpletong aksyon.

• Magpatuloy habang tumatakbo ang isang tool: Sa asynchronous na pagtawag ng tool⁠(magbubukas sa bagong window), maipagpapatuloy ng modelo ang ibang gawaing hindi umaasa rito habang gumagawa ang iyong app ng mas mabagal na gawain, gaya ng mga pagsusuri. Ibibigay ng iyong app ang resulta kapag handa na ito. Hintayin ang resultang iyon bago simulan ang gawaing umaasa rito.

• Ipagkatiwala sa iba ang mga subtask na hindi umaasa sa isa't isa: Sinusuportahan ng GPT‑6.1 Sol ang mga multi-agent workflow sa Responses API⁠(magbubukas sa bagong window). Maaari nitong italaga sa mga subagent ang magkakahiwalay na gawain (gaya ng pagsisiyasat sa iba't ibang bahagi ng codebase) at pagsamahin ang kanilang mga natuklasan sa isang panghuling tugon. Kasalukuyang nasa beta ang multi-agent.

Sa matagalang gawain, maaaring lumitaw ang mga desisyong hindi mo inaasahan sa unang prompt. Gumamit ng paglilinaw at paggabay para manatili sa tamang direksyon ang gawain.

• Sagutin ang mga tanong habang umuusad ang gawain: Sa GPT‑6 Astra, maaaring humingi ng paglilinaw ang Codex habang nagtatrabaho ito⁠(magbubukas sa bagong window). Sagutin ang mga tanong na nakaaapekto sa susunod na hakbang, at tukuyin kung aling mga gawaing hindi umaasa sa iyong desisyon ang maaaring magpatuloy habang nagpapasya ka. Kung mawawala ka muna, sabihin sa Codex kung aling mga gawain ang maaaring magpatuloy at kailan ito dapat huminto para hintayin ang iyong sagot.

• Baguhin ang direksyon ng gawain kapag nagbago ang mga kinakailangan: Gabayan ang kasalukuyang gawain⁠(magbubukas sa bagong window) gamit ang bagong impormasyon, at ipaliwanag kung ano ang dapat baguhin at panatilihin. Makakatulong ito para maiwasang gumugol pa ng oras sa paraang hindi na tumutugon sa iyong mga pangangailangan.

Sa paggamit ng computer⁠(magbubukas sa bagong window), direktang makakagamit ang GPT‑6 Astra, GPT‑6.1 Sol, at GPT‑6 Luna ng mga website at desktop app, kahit mga application na walang API. Halimbawa, maaari mong hilingin sa modelo na siyasatin ang isang bug, ayusin ang code, at buksan ang iyong produkto sa browser para tingnan kung gumagana ang pag-aayos.

Piliin ang pinakasimple at maaasahang paraan para sa bawat hakbang:

• Gumamit ng API o nakakonektang tool kung kaya nitong gawin nang direkta ang trabaho.

• Gamitin ang kakayahang gumamit ng computer kapag kailangang basahin ng modelo ang screen, mag-click ng mga button, o mag-fill out ng form para sa iyo.

Kung isinasama mo ang kakayahang gumamit ng computer sa sarili mong app, bigyan ang modelo ng tool na makakapagpatakbo ng code para kontrolin ang browser o desktop. Gumagana ang Playwright sa mga browser⁠(magbubukas sa bagong window); gumagana naman ang PyAutoGUI sa mga desktop app.