Przewodnik po modelach z rodziny GPT‑6

GPT‑6 to nasza najbardziej zaawansowana rodzina modeli⁠, oferująca wybór modeli do różnych zadań.

Niezależnie od tego, czy zamieniasz pomysł w działający prototyp, tworzysz i testujesz funkcję, czy koordynujesz wieloetapowe procesy obejmujące repozytoria kodu, bazy danych i zewnętrzne API — ten przewodnik wyjaśnia, jak wybrać model GPT‑6, skutecznie go instruować, zarządzać pracą rozłożoną w czasie i przygotować się do wdrożenia produkcyjnego.

• Zadbaj o wydajność w środowisku produkcyjnym. Korzystaj z buforowania⁠(otwiera nowe okno) i kompaktowania⁠(otwiera nowe okno), by zarządzać kontekstem i kosztami. Mierz skuteczność realizacji zadań i opóźnienia, zaplanuj monitorowanie i kontrolę nad danymi.

• Dopasuj model do zadań. Wyważ możliwości, koszty i opóźnienia, dobierając model, wysiłek rozumowania⁠(otwiera nowe okno) i szybkość do zadania.

• Dostosuj polecenia i umiejętności. Zadbaj, by polecenia, umiejętności i instrukcje w repozytorium spójnie określały, co model ma dostarczyć, co może robić samodzielnie i kiedy zadanie jest ukończone.

• Dbaj o prawidłowy przebieg działań rozłożonych w czasie. Korzystaj ze sterowania⁠(otwiera nowe okno), narzędzi asynchronicznych⁠(otwiera nowe okno) i delegowania⁠(otwiera nowe okno), by uwzględniać zmiany i wykonywać niezależne prace. Jasno określ, kiedy model powinien prosić o wskazówki.

Przed wdrożeniem warto przeprowadzić kilka kontroli i wprowadzić dobre praktyki.

• Pamiętaj o efektywności. Usuń kontekst zbędny do zadania⁠(otwiera nowe okno), zachowując potrzebne informacje. Jeśli aplikacja na to pozwala, uruchamiaj niezależne zadania równolegle⁠(otwiera nowe okno), by jeden wolny etap nie opóźniał innych prac.

• W powtarzalnych zadaniach wykorzystuj wspólny kontekst ponownie dzięki buforowaniu poleceń⁠(otwiera nowe okno). Zbuforowane tokeny wejściowe kosztują nawet o 95% mniej⁠(otwiera nowe okno) niż niezbuforowane, zależnie od modelu. Umieszczaj stałe instrukcje i materiały referencyjne przed zmiennymi szczegółami zadania i zachowuj spójność definicji narzędzi. Panel buforowania⁠(otwiera nowe okno) i przewodnik diagnostyczny⁠(otwiera nowe okno) pomogą ustalić, gdzie zawodzi ponowne użycie kontekstu. Szacując koszt całego procesu, uwzględnij zapisy w pamięci podręcznej i ewentualne stawki za długi kontekst.

• W dłuższych rozmowach kompaktowanie⁠(otwiera nowe okno) zmniejsza rozmiar kontekstu, zachowując stan niezbędny do kontynuacji.

• Zdecyduj, jak będziesz monitorować zachowanie⁠(otwiera nowe okno), i sprawdź opcje kontroli nad danymi⁠(otwiera nowe okno) dla swojej aplikacji.

• Testuj przed wdrożeniem: uruchamiaj reprezentatywne zadania i mierz skuteczność ich realizacji, opóźnienia oraz koszt pomyślnie wykonanego zadania. Sprawdź naszą listę kontrolną wdrożenia API⁠(otwiera nowe okno).

Traktuj wybór modelu i poziomu rozumowania jako kompromis między inteligencją a ceną.

• Model:

  • GPT‑6 Astra⁠(otwiera nowe okno) do najtrudniejszych zadań wymagających rozumowania i maksymalnej inteligencji.

  • GPT‑6.1 Sol⁠(otwiera nowe okno) do złożonych zadań programistycznych, badawczych i obsługi komputera.

  • GPT‑6 Luna⁠(otwiera nowe okno) do wąsko zdefiniowanych zadań na dużą skalę i codziennych, powtarzalnych prac o jasnym celu, takich jak odczytywanie pól faktur, klasyfikowanie zgłoszeń czy tworzenie ustrukturyzowanych podsumowań.

Wybierając najlepszy model do zadania, porównaj ceny⁠(otwiera nowe okno) poszczególnych modeli.

• Poziom rozumowania: W API wybierz, ile wysiłku model ma poświęcić na zadanie.

  • Niski: rutynowe zadania, takie jak wydobywanie faktów czy drobne poprawki.

  • Średni: praca wymagająca oceny, np. planowanie funkcji lub porównywanie opcji.

  • Wysoki: trudne debugowanie, pogłębiona analiza lub staranna weryfikacja.

  • Bardzo wysoki / Maks: wypróbuj tam, gdzie są dostępne, jeśli poziom Wysoki nie wystarcza. Korzystaj z nich tylko wtedy, gdy poprawa uzasadnia dodatkowy czas i koszt.

W API możesz zmieniać wysiłek rozumowania w trakcie rozmowy⁠(otwiera nowe okno) bez utraty korzyści z buforowania.

W Codex zacznij od domyślnego poziomu rozumowania dla danego modelu, a potem obniż go przy prostszych zadaniach lub zwiększ, gdy potrzebujesz głębszej analizy.

• Szybkość:

  • W API wybierz Tryb szybki⁠(otwiera nowe okno), gdy liczy się czas odpowiedzi, np. w aplikacjach czatu lub narzędziach programistycznych. Zapewnia krótszy i bardziej przewidywalny czas odpowiedzi przy wyższym koszcie za token niż przetwarzanie standardowe.

  • W Codex i API korzystaj z trybu Ultraszybki⁠(otwiera nowe okno), gdy szybsze odpowiedzi są warte dopłaty, np. przy szybkich iteracjach kodu. Przyspiesza generowanie tokenów niezależnie od wysiłku rozumowania. Dostępny dla GPT‑6 Astra⁠(otwiera nowe okno).

Zacznij od jasnego zadania: określ oczekiwany rezultat, odbiorców, istotny kontekst, ograniczenia i kryteria ukończenia. Następnie przeanalizuj te cztery obszary, by lepiej dostosować instrukcje. To podsumowanie artykułu Nowe podejście do umiejętności i poleceń dla modelu GPT‑6 Astra⁠(otwiera nowe okno):

• Twórz lepsze umiejętności: Krótko i jasno opisuj, kiedy dana umiejętność ma się uruchamiać. Wczytuj dodatkowe szczegóły tylko w razie potrzeby, a sztywne schematy zastąp wskazówkami dopasowanymi do modeli używanych przez zespół.

• Zaktualizuj AGENTS.md: Wyjaśnij, kiedy poszczególne dokumenty i testy są istotne. Wyraźnie zezwól na bezpieczne rutynowe działania, np. testy lokalne z danymi jednorazowego użytku i bez dostępu do środowiska produkcyjnego.

• Wyznacz granice decyzyjne: Określ, które działania można podejmować samodzielnie, a które wymagają zgody. Zastąp ogólne zasady typu „zawsze pytaj” jasnymi granicami.

• Jasno określ, kiedy kontynuować pracę: Zdefiniuj, co oznacza „ukończone” — wdrożenie zmiany, uruchomienie, sprawdzenie wyniku i usunięcie błędów — oraz wskaż decyzje wymagające Twojej weryfikacji.

Więcej wskazówek znajdziesz w dobrych praktykach dotyczących rozumowania⁠(otwiera nowe okno).

Niezależnie od tego, czy pracujesz w Codex, czy tworzysz za pomocą API, określ, jakie decyzje model może podejmować, kiedy powinien prosić o wskazówki i jak ma wyglądać przydatna odpowiedź.

Daj modelowi dość wskazówek, by mógł kontynuować pracę bez zgadywania przy ważnych decyzjach. Powiedz mu, jakie decyzje może podejmować, a kiedy ma poprosić Cię o wskazówki⁠(otwiera nowe okno). Na przykład może sam wybrać układ podsumowania, ale przed zmianą zakresu projektu powinien skonsultować się z Tobą. Opisz, jak ma wyglądać przydatna odpowiedź⁠(otwiera nowe okno): na przykład prosty język, szczegóły techniczne dopasowane do odbiorców i krótkie podsumowanie tego, co zmieniono, co sprawdzono i co nadal wymaga uwagi.

Dzięki rodzinie modeli GPT‑6 możesz teraz podejmować się zadań trwających godziny lub dni. Korzystaj z poniższych funkcji, by lepiej zarządzać agentami wykonującymi długotrwałe zadania.

W API korzystaj ze sterowania, narzędzi asynchronicznych i pracy równoległej, by utrzymywać postęp długotrwałych zadań.

• Aktualizuj instrukcje podczas działania: Sterowanie w trakcie tury⁠(otwiera nowe okno) pozwala przesyłać korekty przez Responses WebSocket API⁠(otwiera nowe okno), gdy model pracuje. Aktualizacje trafiają do kolejki — nie anulują działających narzędzi ani nie cofają ukończonych działań.

• Kontynuuj pracę, gdy narzędzie działa: Asynchroniczne wywoływanie narzędzi⁠(otwiera nowe okno) pozwala modelowi kontynuować niezależne prace, gdy aplikacja wykonuje wolniejsze zadanie, np. testy. Aplikacja zwraca wynik, gdy jest gotowy. Poczekaj na ten wynik, zanim rozpoczniesz prace, które od niego zależą.

• Deleguj niezależne podzadania: GPT‑6.1 Sol obsługuje procesy wieloagentowe w Responses API⁠(otwiera nowe okno). Może przydzielać niezależne zadania subagentom (np. analizę różnych części bazy kodu) i łączyć ich ustalenia w końcową odpowiedź. Obsługa wielu agentów jest obecnie w wersji beta.

Długotrwałe zadania mogą wymagać decyzji, których trudno było się spodziewać przy pisaniu początkowego polecenia. Korzystaj z wyjaśnień i sterowania, by utrzymać właściwy kierunek pracy.

• Odpowiadaj na pytania w miarę postępu prac: Dzięki GPT‑6 Astra Codex może prosić o wyjaśnienia podczas pracy⁠(otwiera nowe okno). Rozstrzygaj kwestie wpływające na kolejny krok i określaj, które niezależne prace mogą trwać, gdy podejmujesz decyzję. Jeśli planujesz nieobecność, powiedz Codex, które zadania może kontynuować, a kiedy powinien wstrzymać pracę do czasu Twojej odpowiedzi.

• Zmieniaj kierunek pracy, gdy zmieniają się wymagania: Steruj aktywnym zadaniem⁠(otwiera nowe okno), przekazując nowe informacje i wyjaśniając, co ma się zmienić, a co pozostać bez zmian. Dzięki temu unikniesz poświęcania kolejnych godzin na podejście, które nie odpowiada już Twoim potrzebom.

Obsługa komputera⁠(otwiera nowe okno) pozwala modelom GPT‑6 Astra, GPT‑6.1 Sol i GPT‑6 Luna bezpośrednio korzystać ze stron internetowych i aplikacji komputerowych, nawet tych bez API. Możesz na przykład poprosić model o zbadanie błędu, poprawienie kodu i otwarcie produktu w przeglądarce, by sprawdzić, czy poprawka działa.

Dla każdego kroku wybierz najprostszy niezawodny sposób działania:

• Korzystaj z API lub podłączonego narzędzia, jeśli może wykonać zadanie bezpośrednio.

• Korzystaj z obsługi komputera, gdy model musi odczytać zawartość ekranu, kliknąć przyciski lub wypełnić za Ciebie formularz.

Jeśli dodajesz obsługę komputera do własnej aplikacji, daj modelowi narzędzie, które może uruchamiać kod sterujący przeglądarką lub pulpitem. Playwright obsługuje przeglądarki⁠(otwiera nowe okno), a PyAutoGUI — aplikacje komputerowe.