Panduan model untuk keluarga GPT‑6
Petua praktikal untuk mendapatkan hasil terbaik daripada model GPT‑6 sambil mengurus masa dan kos
GPT‑6 ialah rangkaian model kami yang paling maju setakat ini, dengan pilihan model untuk pelbagai jenis kerja.
Sama ada anda menukar idea menjadi prototaip berfungsi, membina dan menguji ciri, atau menyelaraskan aliran kerja berbilang langkah merentas repositori kod, pangkalan data dan API luaran, panduan ini menerangkan cara memilih model GPT‑6, memberi arahan berkesan, mengurus kerja jangka panjang dan bersedia untuk pengeluaran.
Beroperasi dengan berkesan dalam pengeluaran. Gunakan cache(dibuka dalam tetingkap baru) dan pemadatan(dibuka dalam tetingkap baru) untuk mengurus konteks dan kos. Ukur kejayaan tugas dan kependaman, serta rancang pemantauan dan kawalan data.
Padankan model dengan beban kerja anda. Seimbangkan keupayaan, kos dan kependaman dengan memilih model, usaha penaakulan(dibuka dalam tetingkap baru) dan kelajuan yang sesuai dengan tugas.
Sesuaikan prom dan kemahiran anda. Pastikan prom, kemahiran dan arahan repositori konsisten tentang hasil yang perlu diserahkan model, tindakan yang boleh dilakukan sendiri dan kriteria siap.
Pastikan kerja jangka panjang kekal mengikut hala tuju. Gunakan panduan hala tuju(dibuka dalam tetingkap baru), alat tak segerak(dibuka dalam tetingkap baru) dan delegasi(dibuka dalam tetingkap baru) untuk mengendalikan kemas kini dan kerja yang tidak saling bergantung. Tetapkan batas yang jelas tentang bila model perlu meminta input.
Sebelum pelaksanaan, ada beberapa semakan dan amalan terbaik yang perlu anda terapkan.
Utamakan kecekapan. (dibuka dalam tetingkap baru)Buang konteks yang tidak diperlukan oleh tugas(dibuka dalam tetingkap baru) sambil mengekalkan bukti yang diperlukan. Jika aplikasi anda menyokongnya, jalankan tugas yang tidak saling bergantung serentak(dibuka dalam tetingkap baru) supaya satu langkah yang lambat tidak menghalang kerja lain.
Guna semula konteks bersama melalui cache prom(dibuka dalam tetingkap baru) untuk kerja berulang. Kos token input yang dicache sehingga 95% lebih rendah(dibuka dalam tetingkap baru) berbanding token input tanpa cache, bergantung pada model. Letakkan arahan tetap dan bahan rujukan sebelum butiran tugas yang berubah, dan pastikan takrif alat konsisten. Papan pemuka cache(dibuka dalam tetingkap baru) dan panduan diagnostik(dibuka dalam tetingkap baru) membantu anda mengenal pasti di mana penggunaan semula itu gagal. Sertakan penulisan cache dan sebarang kadar konteks panjang semasa menganggarkan kos aliran kerja lengkap.
Untuk perbualan lebih panjang, pemadatan(dibuka dalam tetingkap baru) mengecilkan saiz konteks sambil mengekalkan keadaan yang diperlukan untuk meneruskannya.
Tentukan cara anda akan memantau tingkah laku(dibuka dalam tetingkap baru) dan semak kawalan data(dibuka dalam tetingkap baru) untuk aplikasi anda.
Uji sebelum pelaksanaan: Jalankan tugas yang mewakili penggunaan sebenar dan ukur kejayaan tugas, kependaman serta kos bagi setiap tugas yang berjaya. Lihat senarai semak pelaksanaan API(dibuka dalam tetingkap baru) kami.
Anggap pilihan model dan tahap penaakulan sebagai pertimbangan antara kecerdasan dengan harga.
Model:
GPT‑6 Astra(dibuka dalam tetingkap baru) untuk kerja penaakulan paling sukar yang memerlukan kecerdasan maksimum.
GPT‑6.1 Sol(dibuka dalam tetingkap baru) untuk pengekodan, penyelidikan dan penggunaan komputer yang kompleks.
GPT‑6 Luna(dibuka dalam tetingkap baru) untuk tugas berfokus pada skala besar dan kerja harian berulang dengan matlamat jelas, seperti mengekstrak medan invois, mengelaskan permintaan atau menghasilkan ringkasan berstruktur.
Semasa menilai model terbaik untuk tugas tersebut, bandingkan harga(dibuka dalam tetingkap baru) setiap model.
Tahap penaakulan: Dalam API, pilih jumlah usaha yang digunakan model untuk tugas tersebut.
Rendah: Tugas rutin seperti mengekstrak fakta atau membuat suntingan kecil.
Sederhana: Kerja yang memerlukan pertimbangan, seperti merancang ciri atau membandingkan pilihan.
Tinggi: Penyahpepijatan sukar, analisis mendalam atau semakan teliti.
Sangat Tinggi / Max: Uji jika disokong apabila Tinggi tidak memadai, dan teruskan hanya jika peningkatannya berbaloi dengan tambahan masa dan kos.
Dalam API, anda boleh mengubah usaha penaakulan di tengah perbualan(dibuka dalam tetingkap baru) tanpa menjejaskan cache.
Dalam Codex, mulakan dengan tahap penaakulan lalai model itu, kemudian turunkannya untuk tugas lebih mudah atau tingkatkannya untuk analisis lebih mendalam.
Kelajuan:
Dalam API, gunakan Mod pantas(dibuka dalam tetingkap baru) apabila masa respons penting, seperti dalam aplikasi sembang atau alat pengekodan. Mod ini memberikan masa respons lebih pantas dan konsisten pada kos setiap token yang lebih tinggi daripada pemprosesan Standard.
Dalam Codex dan API, gunakan Ultrapantas(dibuka dalam tetingkap baru) apabila respons lebih pantas berbaloi dengan kos premium, seperti untuk lelaran pengekodan yang pantas. Mod ini mempercepat penjanaan token tanpa bergantung pada usaha penaakulan. Tersedia untuk GPT‑6 Astra(dibuka dalam tetingkap baru).
Mulakan dengan tugasan jelas: hasil yang diingini, untuk siapa, konteks dan kekangan berkaitan, serta kriteria siap. Kemudian teliti empat aspek ini, yang diringkaskan daripada Menilai semula kemahiran dan prom untuk GPT‑6 Astra(dibuka dalam tetingkap baru), untuk memahami cara mengemas kini arahan anda dengan lebih mendalam:
Cipta kemahiran lebih baik: Pastikan penerangan ringkas dan jelas tentang bila setiap kemahiran patut dijalankan, muatkan butiran sokongan hanya apabila perlu, dan gantikan langkah tegar dengan panduan yang sesuai untuk model pasukan anda.
Kemas kini AGENTS.md anda: Jelaskan bila dokumen dan ujian tertentu relevan, dan benarkan aliran kerja rutin yang selamat secara jelas, seperti menjalankan ujian setempat dengan data sementara tanpa akses pengeluaran.
Tetapkan batas keputusan: Nyatakan tindakan yang boleh diteruskan sendiri dan yang memerlukan kelulusan, bagi menggantikan peraturan menyeluruh “sentiasa bertanya” dengan batas yang jelas.
Nyatakan bila usaha perlu diteruskan: Takrifkan maksud “siap”—melaksanakan perubahan, menjalankannya, memeriksa hasil dan membaiki kegagalan—serta kenal pasti keputusan yang memerlukan semakan anda.
Untuk panduan tambahan, lihat amalan terbaik penaakulan(dibuka dalam tetingkap baru).
Sama ada anda bekerja dalam Codex atau membina dengan API, nyatakan keputusan yang boleh dibuat oleh model, bila model perlu meminta input dan ciri respons yang berguna.
Beri model panduan secukupnya untuk meneruskan kerja tanpa meneka-neka keputusan penting. (dibuka dalam tetingkap baru)Beritahu model pilihan yang boleh dibuatnya dan bila perlu meminta input anda(dibuka dalam tetingkap baru). Contohnya, model boleh memilih cara menyusun ringkasan, tetapi perlu merujuk kepada anda sebelum mengubah skop projek. (dibuka dalam tetingkap baru)Terangkan ciri respons yang berguna(dibuka dalam tetingkap baru), contohnya bahasa mudah, butiran teknikal yang sesuai untuk khalayak anda dan ringkasan serahan yang meliputi perubahan, perkara yang disemak serta perkara yang masih memerlukan perhatian.
Dengan keluarga model GPT‑6, anda kini boleh melaksanakan tugas yang mengambil masa berjam-jam atau berhari-hari. Gunakan ciri berikut untuk mengurus ejen dengan lebih baik bagi tugas jangka panjang.
Dalam API, gunakan panduan hala tuju, alat tak segerak dan kerja selari untuk memastikan tugas jangka panjang terus berjalan.
Kemas kini arahan semasa pelaksanaan: Panduan hala tuju di tengah giliran(dibuka dalam tetingkap baru) membolehkan anda menghantar pembetulan melalui API WebSocket Responses(dibuka dalam tetingkap baru) semasa model bekerja. Kemas kini dimasukkan ke dalam baris gilir; kemas kini tidak membatalkan alat yang sedang berjalan atau membuat asal tindakan yang sudah selesai.
Terus bekerja semasa alat berjalan: Panggilan alat tak segerak(dibuka dalam tetingkap baru) membolehkan model meneruskan kerja yang tidak bergantung pada tugas lebih lambat, seperti ujian, yang sedang dijalankan oleh aplikasi anda. Aplikasi anda mengembalikan hasil apabila sudah sedia. Tunggu hasil itu sebelum memulakan kerja yang bergantung padanya.
Delegasikan subtugas yang tidak saling bergantung: GPT‑6.1 Sol menyokong aliran kerja berbilang ejen dalam API Responses(dibuka dalam tetingkap baru). Model boleh menugaskan kerja yang tidak saling bergantung kepada subejen (seperti menyiasat bahagian berbeza dalam pangkalan kod) dan menggabungkan dapatan mereka menjadi respons akhir. Ciri berbilang ejen kini dalam versi beta.
Tugas jangka panjang boleh menimbulkan keputusan yang perlu dibuat tetapi tidak semestinya dijangka dalam prom awal. Gunakan penjelasan dan panduan hala tuju untuk memastikan kerja tidak tersasar.
Jawab soalan sepanjang kerja berlangsung: Dengan GPT‑6 Astra, Codex boleh meminta penjelasan semasa bekerja(dibuka dalam tetingkap baru). Selesaikan persoalan yang mempengaruhi langkah seterusnya, dan nyatakan kerja yang boleh diteruskan tanpa bergantung pada keputusan anda sementara anda membuat pertimbangan. Jika anda akan berada di luar talian, beritahu Codex tugas yang boleh diteruskan dan bila ia perlu berhenti seketika untuk menunggu jawapan anda.
Ubah hala tuju kerja apabila keperluan berubah: Pandu tugas yang sedang berjalan(dibuka dalam tetingkap baru) dengan maklumat baharu, sambil menjelaskan perkara yang perlu diubah dan yang perlu dikekalkan. Ini membantu mengelakkan lebih banyak masa dihabiskan pada pendekatan yang tidak lagi memenuhi keperluan anda.
Penggunaan komputer(dibuka dalam tetingkap baru) membolehkan GPT‑6 Astra, GPT‑6.1 Sol dan GPT‑6 Luna berinteraksi terus dengan laman web dan aplikasi desktop, termasuk aplikasi tanpa API. Contohnya, anda boleh meminta model menyiasat pepijat, membaiki kod dan membuka produk anda dalam pelayar untuk menyemak sama ada pembaikan itu berkesan.
Pilih cara paling mudah yang boleh dipercayai untuk setiap langkah:
Gunakan API atau alat yang disambungkan apabila alat itu boleh melakukan tugas secara langsung.
Gunakan ciri penggunaan komputer apabila model perlu membaca skrin, mengklik butang atau mengisi borang untuk anda.
Jika anda menyepadukan penggunaan komputer ke dalam aplikasi sendiri, beri model alat yang boleh menjalankan kod untuk mengawal pelayar atau desktop. Playwright berfungsi dengan pelayar(dibuka dalam tetingkap baru); PyAutoGUI berfungsi dengan aplikasi desktop.
