Een modelgids voor de GPT‑6‑familie
Praktische tips om het beste uit GPT‑6-modellen te halen en tegelijk tijd en kosten te beheersen
GPT‑6 is onze meest geavanceerde reeks modellen tot nu toe en biedt je de keuze uit modellen voor verschillende soorten werk.
Of je nu een idee omzet in een werkend prototype, een functie bouwt en test, of workflows met meerdere stappen aanstuurt via coderepository's, databases en externe API's: deze gids legt uit hoe je een GPT‑6‑model kiest, effectieve instructies geeft, langdurig werk beheert en je voorbereidt op productie.
Werk effectief in productie. Gebruik caching(opent in een nieuw venster) en compaction(opent in een nieuw venster) om context en kosten te beheren. Meet het taaksucces en de latentie, en plan monitoring en gegevensbeheer.
Stem het model af op je werklast. Vind de balans tussen mogelijkheden, kosten en latentie door het model, de redeneringsinspanning(opent in een nieuw venster) en de snelheid te kiezen die bij de taak passen.
Pas je prompts en skills aan. Zorg dat prompts, skills en repository-instructies eenduidig aangeven wat het model moet opleveren, wat het zelfstandig mag doen en wanneer het werk klaar is.
Houd langdurig werk op koers. Gebruik bijsturing(opent in een nieuw venster), asynchrone tools(opent in een nieuw venster) en delegatie(opent in een nieuw venster) om updates en onafhankelijk werk te regelen. Bepaal duidelijk wanneer het model om input moet vragen.
Voer vóór de implementatie een aantal controles uit en pas beproefde werkwijzen toe.
Houd rekening met efficiëntie. (opent in een nieuw venster)Schrap context die niet nodig is voor de taak(opent in een nieuw venster), maar behoud de benodigde onderbouwing. Als je toepassing dit ondersteunt, voer onafhankelijke taken dan tegelijk uit(opent in een nieuw venster), zodat één trage stap ander werk niet ophoudt.
Hergebruik gedeelde context via promptcaching(opent in een nieuw venster) voor terugkerend werk. Gecachte invoertokens kosten tot 95% minder(opent in een nieuw venster) dan niet-gecachte invoertokens, afhankelijk van het model. Plaats vaste instructies en referentiemateriaal vóór wisselende taakdetails en houd tooldefinities consistent. Het cachingdashboard(opent in een nieuw venster) en de diagnosegids(opent in een nieuw venster) helpen je te zien waar dat hergebruik misloopt. Neem schrijfacties naar de cache en eventuele tarieven voor lange context mee in de kostenraming voor een volledige workflow.
Bij langere gesprekken verkleint compaction(opent in een nieuw venster) de context, met behoud van de status die nodig is om verder te gaan.
Bepaal hoe je gedrag gaat monitoren(opent in een nieuw venster) en bekijk de opties voor gegevensbeheer(opent in een nieuw venster) voor je toepassing.
Test vóór de implementatie: voer representatieve taken uit en meet het taaksucces, de latentie en de kosten per geslaagde taak. Bekijk onze checklist voor API-implementatie(opent in een nieuw venster).
Zie de keuze van het model en het redeneringsniveau als een afweging tussen intelligentie en prijs.
Model:
GPT‑6 Astra(opent in een nieuw venster) voor de moeilijkste redeneringstaken waarbij maximale intelligentie nodig is.
GPT‑6.1 Sol(opent in een nieuw venster) voor complex programmeerwerk, onderzoek en computergebruik.
GPT‑6 Luna(opent in een nieuw venster) voor gerichte taken op grote schaal en dagelijks, terugkerend werk met een duidelijk doel, zoals factuurvelden extraheren, verzoeken classificeren of gestructureerde samenvattingen maken.
Vergelijk de prijzen(opent in een nieuw venster) van de modellen wanneer je beoordeelt welk model het beste bij de taak past.
Redeneringsniveau: Kies in de API hoeveel inspanning het model aan de taak besteedt.
Laag: routinetaken, zoals feiten extraheren of kleine wijzigingen aanbrengen.
Gemiddeld: werk dat afwegingen vereist, zoals een functie plannen of opties vergelijken.
Hoog: lastige fouten opsporen, diepgaandere analyses of grondige beoordelingen.
Zeer Hoog / Max: test waar ondersteund als Hoog tekortschiet. Behoud de instelling alleen als de verbetering de extra tijd en kosten rechtvaardigt.
In de API kun je de redeneringsinspanning tijdens een gesprek wijzigen(opent in een nieuw venster) zonder de cache ongeldig te maken.
Begin in Codex met het standaardredeneringsniveau voor dat model. Verlaag het voor eenvoudigere taken of verhoog het voor diepgaandere analyses.
Snelheid:
Gebruik in de API de Fast-modus(opent in een nieuw venster) als de responstijd belangrijk is, bijvoorbeeld in chatapps of programmeertools. Deze biedt snellere, consistentere responstijden tegen hogere kosten per token dan standaardverwerking.
Gebruik in Codex en de API Ultrafast(opent in een nieuw venster) als snellere antwoorden de meerprijs waard zijn, bijvoorbeeld bij snelle programmeeriteraties. Dit versnelt het genereren van tokens, onafhankelijk van de redeneringsinspanning. Beschikbaar voor GPT‑6 Astra(opent in een nieuw venster).
—Eric Provencher, ontwikkelaarservaring bij OpenAI
Begin met een duidelijke opdracht: het gewenste resultaat, voor wie het bedoeld is, de relevante context en beperkingen, en wanneer het werk klaar is. Bekijk vervolgens deze vier aandachtspunten, samengevat uit Een nieuwe kijk op skills en prompts voor GPT‑6 Astra(opent in een nieuw venster), om je verder te verdiepen in het bijwerken van je instructies:
Maak betere skills: Beschrijf kort en expliciet wanneer elke skill moet worden uitgevoerd, laad ondersteunende details alleen waar nodig en vervang rigide stappenplannen door richtlijnen die passen bij de modellen die je team gebruikt.
Werk je AGENTS.md bij: Leg uit wanneer specifieke documenten en tests relevant zijn. Geef expliciet toestemming voor veilige routineworkflows, zoals lokale tests met tijdelijke gegevens en zonder toegang tot productie.
Baken de beslisruimte af: Geef aan welke acties zelfstandig mogen worden uitgevoerd en welke goedkeuring vereisen. Vervang algemene regels als "altijd vragen" door duidelijke grenzen.
Geef duidelijk aan hoelang het model moet doorwerken: Definieer wat "klaar" inhoudt: de wijziging implementeren, uitvoeren, het resultaat controleren en fouten oplossen. Geef aan welke beslissingen je moet beoordelen.
Bekijk voor meer richtlijnen de aanbevolen werkwijzen voor redenering(opent in een nieuw venster).
Of je nu in Codex werkt of met de API bouwt: geef aan welke beslissingen het model mag nemen, wanneer het om input moet vragen en hoe een bruikbaar antwoord eruitziet.
Geef het model genoeg richting om door te werken zonder te hoeven gissen bij belangrijke beslissingen. (opent in een nieuw venster)Vertel welke keuzes het zelf mag maken en wanneer het om je input moet vragen(opent in een nieuw venster). Het mag bijvoorbeeld zelf bepalen hoe het een samenvatting indeelt, maar moet overleggen voordat het de reikwijdte van het project wijzigt. (opent in een nieuw venster)Beschrijf hoe een bruikbaar antwoord eruitziet(opent in een nieuw venster): bijvoorbeeld heldere taal, technische details afgestemd op je doelgroep en een korte overdracht met wat er is gewijzigd, wat is gecontroleerd en wat nog aandacht vraagt.
Met de GPT‑6‑modelfamilie kun je nu taken aanpakken die uren of dagen duren. Gebruik de volgende functies om agents bij langdurige taken beter aan te sturen.
Gebruik in de API bijsturing, asynchrone tools en parallel werk om langdurige taken voort te zetten.
Werk instructies bij tijdens de uitvoering: Met bijsturing tijdens een beurt(opent in een nieuw venster) kun je via de Responses WebSocket API(opent in een nieuw venster) een correctie sturen terwijl het model werkt. Updates komen in een wachtrij; ze stoppen geen actieve tools en draaien voltooide acties niet terug.
Werk door terwijl een tool draait: Door tools asynchroon aan te roepen(opent in een nieuw venster) kan het model onafhankelijk werk voortzetten terwijl je app een tragere taak uitvoert, zoals tests. Je app geeft het resultaat terug zodra het klaar is. Wacht op dat resultaat voordat je begint aan werk dat ervan afhankelijk is.
Delegeer onafhankelijke deeltaken: GPT‑6.1 Sol ondersteunt workflows met meerdere agents in de Responses API(opent in een nieuw venster). Het kan onafhankelijk werk toewijzen aan subagents (zoals het onderzoeken van verschillende delen van een codebase) en hun bevindingen combineren tot een definitief antwoord. De multi-agentfunctie is momenteel in bèta.
Bij langdurige taken kunnen beslissingen nodig blijken die je in de eerste prompt niet had voorzien. Gebruik verduidelijking en bijsturing om het werk op koers te houden.
Beantwoord vragen tijdens het werk: Met GPT‑6 Astra kan Codex tijdens het werk om verduidelijking vragen(opent in een nieuw venster). Beantwoord vragen die van invloed zijn op de volgende stap en geef aan welk onafhankelijk werk mag doorgaan terwijl je beslist. Als je afwezig zult zijn, vertel Codex dan welke taken mogen doorgaan en wanneer het moet wachten op je antwoord.
Stuur het werk bij als de eisen veranderen: Stuur de actieve taak bij(opent in een nieuw venster) met nieuwe informatie en leg uit wat moet veranderen en wat hetzelfde moet blijven. Zo voorkom je dat er meer tijd gaat naar een aanpak die niet meer aan je behoeften voldoet.
Met computergebruik(opent in een nieuw venster) kunnen GPT‑6 Astra, GPT‑6.1 Sol en GPT‑6 Luna rechtstreeks websites en desktopapps bedienen, ook toepassingen zonder API. Je kunt het model bijvoorbeeld vragen een bug te onderzoeken, de code te herstellen en je product in een browser te openen om te controleren of de oplossing werkt.
Kies voor elke stap de eenvoudigste betrouwbare aanpak:
Gebruik een API of gekoppelde tool als die de taak rechtstreeks kan uitvoeren.
Zet computergebruik in als het model een scherm moet lezen, op knoppen moet klikken of een formulier voor je moet invullen.
Als je computergebruik in je eigen app inbouwt, geef het model dan een tool die code kan uitvoeren om een browser of desktop te bedienen. Playwright werkt met browsers(opent in een nieuw venster); PyAutoGUI werkt met desktopapps.
