GPT‑6 परिवार के मॉडलों की मार्गदर्शिका

GPT‑6 हमारे अब तक के सबसे उन्नत मॉडलों का समूह है. इसमें अलग-अलग कामों के लिए मॉडल चुनने के विकल्प हैं.

चाहे आप किसी विचार का कार्यशील नमूना बना रहे हों, कोई सुविधा बनाकर परख रहे हों या कोड रिपॉज़िटरी, डेटाबेस और बाहरी एपीआई में कई चरणों वाली कार्यप्रक्रियाएँ चला रहे हों—यह मार्गदर्शिका बताएगी कि GPT‑6 मॉडल कैसे चुनें, उसे प्रभावी निर्देश कैसे दें, लंबे काम कैसे सँभालें और वास्तविक उपयोग की तैयारी कैसे करें.

• वास्तविक उपयोग में प्रभावी ढंग से चलाएँ. संदर्भ और लागत सँभालने के लिए कैशिंग⁠(एक नई विंडो में खुलेगा) और कम्पैक्शन⁠(एक नई विंडो में खुलेगा) अपनाएँ. काम की सफलता और विलंब मापें. निगरानी और डेटा नियंत्रण की योजना बनाएँ.

• काम के अनुरूप मॉडल चुनें. काम के अनुरूप मॉडल, रीज़निंग प्रयास⁠(एक नई विंडो में खुलेगा) और गति चुनकर क्षमता, लागत और विलंब में संतुलन रखें.

• अपने प्रॉम्प्ट और कौशल ढालें. प्रॉम्प्ट, कौशल और रिपॉज़िटरी के निर्देशों में एकरूपता रखें: मॉडल क्या परिणाम दे, खुद क्या कर सके और काम कब पूरा माना जाए.

• लंबे कामों को सही दिशा में रखें. बदलाव और स्वतंत्र काम सँभालने के लिए दिशा-निर्देशन⁠(एक नई विंडो में खुलेगा), असमकालिक टूल⁠(एक नई विंडो में खुलेगा) और काम सौंपने⁠(एक नई विंडो में खुलेगा) की सुविधाएँ अपनाएँ. स्पष्ट करें कि मॉडल को कब आपसे राय लेनी चाहिए.

परिनियोजन से पहले कुछ जाँचें और अच्छी कार्यपद्धतियाँ लागू करें.

• दक्षता का ध्यान रखें. ⁠(एक नई विंडो में खुलेगा)ज़रूरी प्रमाण रखते हुए काम के लिए अनावश्यक संदर्भ हटाएँ⁠(एक नई विंडो में खुलेगा). जहाँ ऐप इसकी सुविधा दे, स्वतंत्र काम साथ-साथ चलाएँ⁠(एक नई विंडो में खुलेगा), ताकि एक धीमा चरण असंबंधित काम न रोके.

• दोहराए जाने वाले काम में प्रॉम्प्ट कैशिंग⁠(एक नई विंडो में खुलेगा) से साझा संदर्भ फिर इस्तेमाल करें. मॉडल के अनुसार, कैश किए गए इनपुट टोकन की लागत बिना कैश वाले इनपुट टोकन से 95% तक कम⁠(एक नई विंडो में खुलेगा) होती है. स्थिर निर्देश और संदर्भ सामग्री को बदलते कार्य-विवरण से पहले रखें. टूल की परिभाषाएँ एक जैसी रखें. कैशिंग डैशबोर्ड⁠(एक नई विंडो में खुलेगा) और निदान मार्गदर्शिका⁠(एक नई विंडो में खुलेगा) बताते हैं कि संदर्भ का दोबारा इस्तेमाल कहाँ रुक रहा है. पूरी कार्यप्रक्रिया की लागत आँकते समय कैश में लिखने और लंबे संदर्भ की लागू दरें भी जोड़ें.

• लंबी बातचीत में, कम्पैक्शन⁠(एक नई विंडो में खुलेगा) आगे बढ़ने के लिए ज़रूरी स्थिति सहेजते हुए संदर्भ का आकार घटाता है.

• तय करें कि व्यवहार की निगरानी⁠(एक नई विंडो में खुलेगा) कैसे करेंगे. अपने ऐप के डेटा नियंत्रणों⁠(एक नई विंडो में खुलेगा) की समीक्षा करें.

• परिनियोजन से पहले परखें: वास्तविक उपयोग जैसे काम चलाकर सफलता, विलंब और हर सफल काम की लागत मापें. हमारी एपीआई परिनियोजन जाँच-सूची⁠(एक नई विंडो में खुलेगा) देखें.

मॉडल और रीज़निंग स्तर के चुनाव को बौद्धिक क्षमता और कीमत के बीच संतुलन समझें.

• मॉडल:

  • सबसे कठिन रीज़निंग कार्यों के लिए GPT‑6 Astra⁠(एक नई विंडो में खुलेगा), जहाँ अधिकतम बौद्धिक क्षमता चाहिए.

  • जटिल कोडिंग, शोध और कंप्यूटर उपयोग के लिए GPT‑6.1 Sol⁠(एक नई विंडो में खुलेगा).

  • बड़े पैमाने पर विशिष्ट कामों और स्पष्ट लक्ष्य वाले रोज़मर्रा के दोहराव वाले कामों के लिए GPT‑6 Luna⁠(एक नई विंडो में खुलेगा)—जैसे चालान के फ़ील्ड निकालना, अनुरोधों का वर्गीकरण या संरचित सारांश बनाना.

काम के लिए सबसे अच्छा मॉडल चुनते समय, हर मॉडल की कीमत की तुलना करें⁠(एक नई विंडो में खुलेगा).

• रीज़निंग स्तर: एपीआई में चुनें कि मॉडल काम पर कितना प्रयास करे.

  • कम: नियमित काम, जैसे तथ्य निकालना या छोटे संपादन करना.

  • मीडियम: निर्णय क्षमता माँगने वाले काम, जैसे सुविधा की योजना या विकल्पों की तुलना.

  • हाई: कठिन डीबगिंग, गहन विश्लेषण या सावधानी से समीक्षा.

  • एक्स्ट्रा हाई / मैक्स: हाई पर्याप्त न हो, तो जहाँ उपलब्ध हों, इन्हें परखें. सुधार अतिरिक्त समय और लागत के लायक हो, तभी रखें.

एपीआई में, कैश बरकरार रखते हुए बातचीत के बीच रीज़निंग प्रयास बदल सकते हैं⁠(एक नई विंडो में खुलेगा).

Codex में मॉडल के डिफ़ॉल्ट रीज़निंग स्तर से शुरू करें. फिर सरल कामों के लिए इसे घटाएँ या गहन विश्लेषण के लिए बढ़ाएँ.

• गति:

  • एपीआई में, जवाब मिलने का समय अहम हो, तो तेज़ मोड⁠(एक नई विंडो में खुलेगा) चुनें—जैसे चैट ऐप या कोडिंग टूल में. इससे मानक प्रोसेसिंग के मुकाबले अधिक प्रति-टोकन लागत पर जवाब जल्दी मिलते हैं और उनके समय में कम उतार-चढ़ाव होता है.

  • Codex और एपीआई में, तेज़ जवाब अतिरिक्त कीमत के लायक हों, तो अति तीव्र⁠(एक नई विंडो में खुलेगा) चुनें—जैसे कोडिंग में तेज़ी से बदलाव परखने के लिए. यह रीज़निंग प्रयास से स्वतंत्र रूप से टोकन बनने की गति बढ़ाता है. GPT‑6 Astra के लिए उपलब्ध⁠(एक नई विंडो में खुलेगा).

शुरू में ही स्पष्ट करें: क्या परिणाम चाहिए, किसके लिए, प्रासंगिक संदर्भ और सीमाएँ क्या हैं, और काम कब पूरा माना जाए. फिर निर्देश सुधारने की गहरी समझ के लिए ये चार पहलू देखें, जिनका सार GPT‑6 Astra के लिए कौशल और प्रॉम्प्ट पर नए सिरे से विचार⁠(एक नई विंडो में खुलेगा) से लिया गया है:

• बेहतर कौशल बनाएँ: छोटे विवरणों में स्पष्ट करें कि हर कौशल कब चले. सहायक जानकारी ज़रूरत पर ही लोड करें. कठोर तरीकों की जगह अपनी टीम के मॉडलों के अनुरूप मार्गदर्शन दें.

• अपनी AGENTS.md अपडेट करें: बताएँ कि कौन-से दस्तावेज़ और परीक्षण कब प्रासंगिक हैं. सुरक्षित नियमित कार्यप्रक्रियाओं की स्पष्ट अनुमति दें—जैसे अस्थायी डेटा से स्थानीय परीक्षण, बिना वास्तविक संचालन वाले सिस्टम तक पहुँच के.

• निर्णय की सीमाएँ तय करें: बताएँ कि कौन-से काम स्वतंत्र रूप से हो सकते हैं और किसके लिए मंज़ूरी चाहिए. “हमेशा पूछें” जैसे व्यापक नियमों की जगह स्पष्ट सीमाएँ रखें.

• काम पूरा करने के स्पष्ट निर्देश दें: बताएँ कि “पूरा” होने में क्या शामिल है—बदलाव लागू करना, चलाना, परिणाम जाँचना और विफलताएँ सुधारना. वे निर्णय भी बताएँ जिनकी आपको समीक्षा करनी है.

अधिक मार्गदर्शन के लिए रीज़निंग की सर्वोत्तम कार्यपद्धतियाँ⁠(एक नई विंडो में खुलेगा) देखें.

चाहे आप Codex में काम कर रहे हों या एपीआई से कुछ बना रहे हों, स्पष्ट करें कि मॉडल कौन-से निर्णय ले सकता है, कब उसे आपसे राय लेनी चाहिए और उपयोगी जवाब कैसा होना चाहिए.

मॉडल को इतने निर्देश दें कि काम आगे बढ़ता रहे और अहम निर्णयों पर उसे अनुमान न लगाना पड़े. ⁠(एक नई विंडो में खुलेगा)बताएँ कि वह कौन-से निर्णय ले सकता है और कब आपकी राय माँगे⁠(एक नई विंडो में खुलेगा). जैसे, वह सारांश की संरचना चुन सकता है, लेकिन परियोजना का दायरा बदलने से पहले आपसे पूछना चाहिए. ⁠(एक नई विंडो में खुलेगा)बताएँ कि उपयोगी जवाब कैसा होना चाहिए⁠(एक नई विंडो में खुलेगा). जैसे, सरल भाषा, पाठकों के अनुरूप तकनीकी विवरण और काम सौंपते समय छोटा ब्यौरा: क्या बदला, क्या जाँचा और किस पर अभी ध्यान देना है.

GPT‑6 परिवार के मॉडलों से अब आप ऐसे काम भी कर सकते हैं जिनमें घंटों या दिनों का समय लगता है. लंबे कामों में एजेंटों को बेहतर ढंग से सँभालने के लिए इन सुविधाओं का उपयोग करें.

एपीआई में, लंबे कामों को आगे बढ़ाने के लिए दिशा-निर्देशन, असमकालिक टूल और समानांतर काम का उपयोग करें.

• काम चलते समय निर्देश अपडेट करें: टर्न के बीच दिशा-निर्देशन⁠(एक नई विंडो में खुलेगा) से आप मॉडल के काम करते समय Responses WebSocket API⁠(एक नई विंडो में खुलेगा) के ज़रिए सुधार के निर्देश भेज सकते हैं. अपडेट कतार में जुड़ते हैं; वे चलते हुए टूल रद्द नहीं करते और न ही पूरे हो चुके काम पलटते हैं.

• टूल चलते समय भी काम जारी रखें: असमकालिक टूल कॉलिंग⁠(एक नई विंडो में खुलेगा) से मॉडल स्वतंत्र काम जारी रख सकता है, जबकि आपका ऐप परीक्षण जैसे धीमे काम चलाता है. परिणाम तैयार होने पर आपका ऐप उसे लौटाता है. उस परिणाम पर निर्भर काम शुरू करने से पहले परिणाम का इंतज़ार करें.

• स्वतंत्र उपकार्य सौंपें: GPT‑6.1 Sol में Responses API में बहु-एजेंट कार्यप्रक्रियाओं⁠(एक नई विंडो में खुलेगा) की सुविधा है. यह उप-एजेंटों को स्वतंत्र काम सौंप सकता है—जैसे कोडबेस के अलग-अलग हिस्सों की जाँच—और उनके निष्कर्षों को मिलाकर अंतिम जवाब दे सकता है. बहु-एजेंट सुविधा अभी बीटा में है.

लंबे कामों में ऐसे निर्णय सामने आ सकते हैं जिनका शुरुआती प्रॉम्प्ट लिखते समय अंदाज़ा न हो. स्पष्टीकरण और दिशा-निर्देशन से काम को सही दिशा में रखें.

• काम आगे बढ़ने पर सवालों के जवाब दें: GPT‑6 Astra के साथ, Codex काम करते समय स्पष्टीकरण माँग सकता है⁠(एक नई विंडो में खुलेगा). अगले चरण को प्रभावित करने वाले सवाल सुलझाएँ. यह भी बताएँ कि आपके निर्णय लेने तक कौन-से स्वतंत्र काम जारी रह सकते हैं. अगर आप उपलब्ध नहीं होंगे, तो Codex को बताएँ कि कौन-से काम जारी रह सकते हैं और कब उसे आपके जवाब के लिए रुकना चाहिए.

• ज़रूरतें बदलने पर काम की दिशा बदलें: नई जानकारी देकर चल रहे काम को दिशा दें⁠(एक नई विंडो में खुलेगा). बताएँ कि क्या बदलना है और क्या वैसा ही रहना चाहिए. इससे ऐसे तरीके पर और समय खर्च करने से बचते हैं जो अब आपकी ज़रूरतें पूरी नहीं करता.

कंप्यूटर उपयोग⁠(एक नई विंडो में खुलेगा) से GPT‑6 Astra, GPT‑6.1 Sol और GPT‑6 Luna सीधे वेबसाइटों और डेस्कटॉप ऐप पर काम कर सकते हैं, यहाँ तक कि उन ऐप पर भी जिनका एपीआई नहीं है. उदाहरण के लिए, आप मॉडल से बग की जाँच करने, कोड सुधारने और ब्राउज़र में अपना उत्पाद खोलकर यह परखने को कह सकते हैं कि सुधार काम करता है या नहीं.

हर चरण के लिए सबसे सरल और भरोसेमंद तरीका चुनें:

• एपीआई या जुड़ा हुआ टूल सीधे काम कर सकता हो, तो उसका उपयोग करें.

• जब मॉडल को आपके लिए स्क्रीन पढ़नी हो, बटन क्लिक करने हों या फ़ॉर्म भरना हो, तब कंप्यूटर उपयोग चुनें.

अगर आप अपने ऐप में कंप्यूटर उपयोग जोड़ रहे हैं, तो मॉडल को ऐसा टूल दें जो कोड चलाकर ब्राउज़र या डेस्कटॉप नियंत्रित कर सके. Playwright ब्राउज़र के साथ काम करता है⁠(एक नई विंडो में खुलेगा); PyAutoGUI डेस्कटॉप ऐप के साथ काम करता है.