Panduan model dalam keluarga GPT‑6
Kiat praktis untuk meraih hasil terbaik dari model GPT‑6 sambil mengelola waktu dan biaya
GPT‑6 adalah rangkaian model kami yang paling canggih sejauh ini, dengan pilihan model untuk berbagai jenis pekerjaan.
Baik untuk mewujudkan ide menjadi prototipe yang berfungsi, membangun dan menguji fitur, maupun mengoordinasikan alur kerja bertahap di berbagai repositori kode, database, dan API eksternal, panduan ini menjelaskan cara memilih model GPT‑6, memberikan instruksi efektif, mengelola pekerjaan berdurasi panjang, dan menyiapkan penerapan di lingkungan produksi.
Jalankan secara efektif di lingkungan produksi. Gunakan penyimpanan cache(terbuka di jendela baru) dan pemadatan(terbuka di jendela baru) untuk mengelola konteks dan biaya. Ukur keberhasilan tugas dan latensi, serta rencanakan pemantauan dan kontrol data.
Sesuaikan model dengan beban kerja Anda. Seimbangkan kemampuan, biaya, dan latensi dengan memilih model, upaya penalaran(terbuka di jendela baru), dan kecepatan yang sesuai dengan tugas.
Sesuaikan prompt dan keterampilan Anda. Pastikan prompt, keterampilan, dan instruksi repositori konsisten dalam menjelaskan hasil yang harus diberikan model, tindakan yang boleh dilakukan secara mandiri, dan kriteria penyelesaian.
Jaga agar pekerjaan berdurasi panjang tetap terarah. Gunakan pengarahan(terbuka di jendela baru), alat asinkron(terbuka di jendela baru), dan pendelegasian(terbuka di jendela baru) untuk menangani pembaruan dan pekerjaan mandiri. Tetapkan batasan yang jelas mengenai kapan model harus meminta masukan.
Sebelum penerapan, ada beberapa pemeriksaan dan praktik terbaik yang perlu Anda terapkan.
Utamakan efisiensi. (terbuka di jendela baru)Pangkas konteks yang tidak diperlukan tugas(terbuka di jendela baru), tetapi pertahankan bukti yang dibutuhkan. Jika aplikasi Anda mendukungnya, jalankan tugas yang saling independen secara bersamaan(terbuka di jendela baru) agar satu langkah yang lambat tidak menghambat pekerjaan lain.
Gunakan kembali konteks bersama melalui penyimpanan prompt(terbuka di jendela baru) untuk pekerjaan berulang. Biaya token input yang tersimpan dalam cache hingga 95% lebih rendah(terbuka di jendela baru) daripada token input tanpa cache, tergantung modelnya. Letakkan instruksi tetap dan materi referensi sebelum detail tugas yang berubah-ubah, serta jaga konsistensi definisi alat. Dasbor penyimpanan cache(terbuka di jendela baru) dan panduan diagnostik(terbuka di jendela baru) membantu Anda mengetahui kapan penggunaan ulang tersebut gagal. Perhitungkan penulisan cache dan tarif konteks panjang saat memperkirakan biaya keseluruhan alur kerja.
Untuk percakapan yang lebih panjang, pemadatan(terbuka di jendela baru) mengurangi ukuran konteks sekaligus mempertahankan status yang diperlukan untuk melanjutkan.
Tentukan cara Anda memantau perilaku(terbuka di jendela baru) dan tinjau kontrol data(terbuka di jendela baru) untuk aplikasi Anda.
Uji sebelum penerapan: Jalankan tugas yang representatif dan ukur keberhasilan tugas, latensi, serta biaya per tugas yang berhasil. Lihat daftar periksa penerapan API(terbuka di jendela baru) kami.
Pertimbangkan pilihan model dan tingkat penalaran sebagai keseimbangan antara kecerdasan dan biaya.
Model:
GPT‑6 Astra(terbuka di jendela baru) untuk tugas penalaran tersulit yang membutuhkan kecerdasan maksimal.
GPT‑6.1 Sol(terbuka di jendela baru) untuk tugas pemrograman, riset, dan penggunaan komputer yang kompleks.
GPT‑6 Luna(terbuka di jendela baru) untuk tugas terfokus berskala besar dan pekerjaan rutin berulang dengan tujuan jelas, seperti mengekstrak kolom faktur, mengklasifikasikan permintaan, atau membuat ringkasan terstruktur.
Saat mengevaluasi model terbaik untuk tugas Anda, bandingkan harga(terbuka di jendela baru) tiap model.
Tingkat penalaran: Di API, pilih seberapa besar upaya yang dicurahkan model untuk tugas tersebut.
Rendah: Tugas rutin, seperti mengekstrak fakta atau melakukan penyuntingan kecil.
Sedang: Pekerjaan yang membutuhkan pertimbangan, seperti merencanakan fitur atau membandingkan opsi.
Tinggi: Debugging yang sulit, analisis mendalam, atau peninjauan cermat.
Sangat Tinggi / Max: Uji jika didukung saat Tinggi belum memadai, dan gunakan hanya jika peningkatannya sepadan dengan tambahan waktu dan biaya.
Di API, Anda dapat mengubah upaya penalaran di tengah percakapan(terbuka di jendela baru) tanpa mengganggu cache.
Di Codex, mulailah dengan tingkat penalaran default model tersebut, lalu turunkan untuk tugas sederhana atau naikkan untuk analisis lebih mendalam.
Kecepatan:
Di API, gunakan Mode Cepat(terbuka di jendela baru) saat waktu respons penting, seperti pada aplikasi chat atau alat pemrograman. Mode ini memberikan waktu respons yang lebih cepat dan konsisten dengan biaya per token lebih tinggi daripada pemrosesan Standar.
Di Codex dan API, gunakan Ultrafast(terbuka di jendela baru) saat respons lebih cepat sepadan dengan biaya tambahannya, seperti untuk iterasi pemrograman yang cepat. Mode ini mempercepat pembuatan token tanpa bergantung pada upaya penalaran. Tersedia untuk GPT‑6 Astra(terbuka di jendela baru).
—Eric Provencher, Tim Pengalaman Pengembang di OpenAI
Mulailah dengan tugas yang jelas: hasil yang diinginkan, siapa penggunanya, konteks dan batasan yang relevan, serta kriteria penyelesaiannya. Lalu, pelajari empat aspek berikut, yang dirangkum dari Meninjau ulang keterampilan dan prompt untuk GPT‑6 Astra(terbuka di jendela baru), untuk memahami lebih dalam cara memperbarui instruksi Anda:
Buat keterampilan yang lebih baik: Tulis deskripsi singkat yang menjelaskan kapan tiap keterampilan harus dijalankan, muat detail pendukung hanya saat dibutuhkan, dan ganti prosedur kaku dengan panduan yang sesuai untuk model yang digunakan tim Anda.
Perbarui AGENTS.md Anda: Jelaskan kapan dokumen dan pengujian tertentu relevan, serta izinkan secara eksplisit alur kerja rutin yang aman, seperti menjalankan pengujian lokal dengan data sekali pakai tanpa akses ke lingkungan produksi.
Tetapkan batasan pengambilan keputusan: Nyatakan tindakan mana yang boleh dilakukan secara mandiri dan mana yang memerlukan persetujuan, sebagai pengganti aturan umum “selalu bertanya”.
Tegaskan bahwa pekerjaan harus dituntaskan: Definisikan cakupan “selesai”—menerapkan perubahan, menjalankannya, memeriksa hasilnya, dan memperbaiki kegagalan—serta tentukan keputusan yang memerlukan peninjauan Anda.
Untuk panduan tambahan, lihat praktik terbaik penalaran(terbuka di jendela baru).
Baik saat bekerja di Codex maupun membangun dengan API, tentukan keputusan yang boleh diambil model, kapan model harus meminta masukan, dan seperti apa respons yang bermanfaat.
Berikan arahan yang cukup agar model bisa terus bekerja tanpa menebak-nebak keputusan penting. (terbuka di jendela baru)Jelaskan pilihan yang boleh dibuat model dan kapan model harus meminta masukan Anda(terbuka di jendela baru). Misalnya, model boleh menentukan susunan ringkasan, tetapi harus mengonfirmasi kepada Anda sebelum mengubah cakupan proyek. (terbuka di jendela baru)Jelaskan seperti apa respons yang bermanfaat(terbuka di jendela baru), misalnya menggunakan bahasa yang mudah dipahami, detail teknis yang sesuai bagi audiens, dan laporan singkat tentang perubahan, pemeriksaan yang dilakukan, serta hal yang masih perlu diperhatikan.
Dengan keluarga model GPT‑6, kini Anda bisa menangani tugas yang berlangsung berjam-jam atau berhari-hari. Gunakan fitur berikut untuk mengelola agen dengan lebih baik pada tugas berdurasi panjang.
Di API, gunakan pengarahan, alat asinkron, dan pekerjaan paralel agar tugas berdurasi panjang terus berjalan.
Perbarui instruksi saat proses berjalan: Pengarahan di tengah giliran(terbuka di jendela baru) memungkinkan Anda mengirim koreksi melalui Responses WebSocket API(terbuka di jendela baru) saat model bekerja. Pembaruan masuk ke antrean; pembaruan tidak membatalkan alat yang sedang berjalan atau mengurungkan tindakan yang sudah selesai.
Terus bekerja saat alat berjalan: Pemanggilan alat asinkron(terbuka di jendela baru) memungkinkan model melanjutkan pekerjaan independen saat aplikasi Anda menjalankan tugas yang lebih lambat, seperti pengujian. Aplikasi Anda mengembalikan hasilnya saat sudah siap. Tunggu hasil tersebut sebelum memulai pekerjaan yang bergantung padanya.
Delegasikan subtugas independen: GPT‑6.1 Sol mendukung alur kerja multiagen di Responses API(terbuka di jendela baru). Model ini dapat menugaskan pekerjaan independen kepada subagen (seperti menyelidiki bagian yang berbeda dari basis kode) dan menggabungkan temuan mereka menjadi respons akhir. Fitur multiagen saat ini masih dalam tahap beta.
Tugas berdurasi panjang dapat memunculkan kebutuhan pengambilan keputusan yang belum tentu Anda antisipasi dalam prompt awal. Gunakan klarifikasi dan pengarahan agar pekerjaan tetap sesuai tujuan.
Jawab pertanyaan selama pekerjaan berlangsung: Dengan GPT‑6 Astra, Codex dapat meminta klarifikasi saat bekerja(terbuka di jendela baru). Jawab pertanyaan yang memengaruhi langkah berikutnya, dan tentukan pekerjaan independen yang boleh dilanjutkan sembari Anda mengambil keputusan. Jika Anda akan pergi, beri tahu Codex tugas mana yang boleh dilanjutkan dan kapan harus berhenti sejenak untuk menunggu jawaban Anda.
Arahkan ulang pekerjaan saat kebutuhan berubah: Arahkan tugas yang sedang berjalan(terbuka di jendela baru) dengan informasi baru, sambil menjelaskan apa yang harus diubah dan apa yang harus tetap sama. Ini membantu menghindari pemborosan waktu untuk pendekatan yang tidak lagi sesuai dengan kebutuhan Anda.
Penggunaan komputer(terbuka di jendela baru) memungkinkan GPT‑6 Astra, GPT‑6.1 Sol, dan GPT‑6 Luna berinteraksi langsung dengan situs web dan aplikasi desktop, bahkan aplikasi tanpa API. Misalnya, Anda dapat meminta model untuk menyelidiki bug, memperbaiki kode, dan membuka produk Anda di browser untuk memastikan perbaikannya berhasil.
Pilih cara paling sederhana dan andal untuk menjalankan tiap langkah:
Gunakan API atau alat yang terhubung jika dapat menyelesaikan pekerjaan secara langsung.
Gunakan fitur penggunaan komputer saat model perlu membaca layar, mengklik tombol, atau mengisi formulir untuk Anda.
Jika Anda mengintegrasikan penggunaan komputer ke aplikasi sendiri, berikan model alat yang dapat menjalankan kode untuk mengendalikan browser atau desktop. Playwright digunakan untuk browser(terbuka di jendela baru); PyAutoGUI untuk aplikasi desktop.
