Guia dos modelos da família GPT‑6
Dicas práticas para obter os melhores resultados com os modelos GPT‑6 e gerir o tempo e os custos
O GPT‑6 é o nosso conjunto de modelos mais avançado até à data e permite escolher modelos para diferentes tipos de trabalho.
Quer esteja a transformar uma ideia num protótipo funcional, a desenvolver e testar uma funcionalidade ou a coordenar fluxos de trabalho com várias etapas entre repositórios de código, bases de dados e API externas, este guia explica como escolher um modelo GPT‑6, dar-lhe instruções eficazes, gerir tarefas de longa duração e preparar a entrada em produção.
Garanta um funcionamento eficaz em produção. Use a cache(abre numa nova janela) e a compactação(abre numa nova janela) para gerir o contexto e os custos. Meça o sucesso das tarefas e a latência e planeie a monitorização e os controlos de dados.
Adeque o modelo à sua carga de trabalho. Equilibre capacidade, custo e latência, escolhendo o modelo, o esforço de raciocínio(abre numa nova janela) e a velocidade adequados à tarefa.
Ajuste os seus prompts e competências. Mantenha a coerência entre prompts, competências e instruções do repositório quanto ao que o modelo deve entregar, ao que pode fazer autonomamente e aos critérios de conclusão.
Mantenha as tarefas de longa duração no rumo certo. Use a orientação durante a execução(abre numa nova janela), as ferramentas assíncronas(abre numa nova janela) e a delegação(abre numa nova janela) para gerir atualizações e trabalho independente. Defina limites claros para as situações em que o modelo deve pedir a sua intervenção.
Antes da implementação, há várias verificações e boas práticas a adotar.
Tenha a eficiência em conta. (abre numa nova janela)Elimine o contexto desnecessário para a tarefa(abre numa nova janela), mas mantenha os elementos de que esta precisa. Se a sua aplicação o permitir, execute tarefas independentes em paralelo(abre numa nova janela), para que uma etapa lenta não atrase trabalho não relacionado.
Reutilize o contexto partilhado através da cache de prompts(abre numa nova janela) em tarefas recorrentes. Os tokens de entrada em cache custam até menos 95%(abre numa nova janela) do que os que não estão em cache, consoante o modelo. Coloque as instruções estáveis e o material de referência antes dos detalhes variáveis da tarefa e mantenha as definições das ferramentas consistentes. O painel de cache(abre numa nova janela) e o guia de diagnóstico(abre numa nova janela) ajudam a identificar onde essa reutilização falha. Inclua as gravações em cache e eventuais tarifas de contexto longo ao estimar o custo de um fluxo de trabalho completo.
Em conversas mais longas, a compactação(abre numa nova janela) reduz o tamanho do contexto, preservando o estado necessário para continuar.
Decida como vai monitorizar o comportamento(abre numa nova janela) e reveja os controlos de dados(abre numa nova janela) da sua aplicação.
Teste antes de implementar: execute tarefas representativas e meça o sucesso, a latência e o custo por tarefa bem-sucedida. Consulte a nossa lista de verificação para implementação com a API(abre numa nova janela).
Encare a escolha do modelo e do nível de raciocínio como um equilíbrio entre inteligência e preço.
Modelo:
GPT‑6 Astra(abre numa nova janela) para as tarefas de raciocínio mais difíceis, que exigem o máximo de inteligência.
GPT‑6.1 Sol(abre numa nova janela) para tarefas complexas de programação, investigação e utilização do computador.
GPT‑6 Luna(abre numa nova janela) para tarefas específicas em grande escala e trabalho quotidiano e repetitivo com um objetivo claro, como extrair campos de faturas, classificar pedidos ou produzir resumos estruturados.
Ao avaliar qual o melhor modelo para a tarefa, compare os preços(abre numa nova janela) de cada modelo.
Nível de raciocínio: na API, escolha o esforço que o modelo dedica à tarefa.
Baixo: tarefas de rotina, como extrair factos ou fazer pequenas alterações.
Médio: trabalho que exige ponderação, como planear uma funcionalidade ou comparar opções.
Elevado: depuração difícil, análise aprofundada ou revisão cuidada.
Muito elevado / Max: teste estes níveis, quando disponíveis, se o nível Elevado não for suficiente. Mantenha-os apenas se a melhoria justificar o tempo e o custo adicionais.
Na API, pode alterar o esforço de raciocínio a meio da conversa(abre numa nova janela) sem invalidar a cache.
No Codex, comece pelo nível de raciocínio predefinido do modelo. Depois, reduza-o para tarefas mais simples ou aumente-o para análises mais aprofundadas.
Velocidade:
Na API, use o modo Fast(abre numa nova janela) quando o tempo de resposta for importante, por exemplo, em aplicações de chat ou ferramentas de programação. Oferece tempos de resposta mais rápidos e consistentes, com um custo por token superior ao do processamento padrão.
No Codex e na API, use o Ultrafast(abre numa nova janela) quando respostas mais rápidas justificarem o custo adicional, como em iterações rápidas de programação. Acelera a geração de tokens independentemente do esforço de raciocínio. Disponível para o GPT‑6 Astra(abre numa nova janela).
—Eric Provencher, Experiência de Programadores na OpenAI
Comece por definir claramente a tarefa: o resultado pretendido, a quem se destina, o contexto e as restrições relevantes e os critérios de conclusão. Depois, reveja estas quatro áreas, resumidas a partir de Repensar as competências e os prompts para o GPT‑6 Astra(abre numa nova janela), para aprofundar a atualização das suas instruções:
Crie melhores competências: mantenha as descrições curtas e explícitas sobre quando executar cada competência, carregue detalhes de apoio apenas quando necessário e substitua receitas rígidas por orientações adequadas aos modelos que a sua equipa usa.
Atualize o seu AGENTS.md: explique quando determinados documentos e testes são relevantes e autorize explicitamente fluxos de trabalho de rotina seguros, como executar testes locais com dados descartáveis e sem acesso ao ambiente de produção.
Defina limites de decisão: indique que ações podem avançar autonomamente e quais exigem aprovação, substituindo regras genéricas de «perguntar sempre» por limites claros.
Dê instruções explícitas sobre a persistência: defina o que significa «concluído» — implementar a alteração, executá-la, inspecionar o resultado e corrigir falhas — e identifique as decisões que exigem a sua revisão.
Para mais orientações, consulte as boas práticas de raciocínio(abre numa nova janela).
Quer trabalhe no Codex ou desenvolva com a API, especifique que decisões o modelo pode tomar, quando deve pedir a sua intervenção e o que constitui uma resposta útil.
Dê ao modelo orientações suficientes para avançar com o trabalho sem fazer suposições sobre decisões importantes. (abre numa nova janela)Diga-lhe que escolhas pode fazer e quando deve pedir a sua intervenção(abre numa nova janela). Por exemplo, pode escolher como organizar um resumo, mas deve consultá-lo antes de alterar o âmbito do projeto. (abre numa nova janela)Descreva o que constitui uma resposta útil(abre numa nova janela): por exemplo, linguagem simples, detalhe técnico adequado ao público e uma breve nota de entrega sobre o que mudou, o que foi verificado e o que ainda precisa de atenção.
Com a família de modelos GPT‑6, pode agora realizar tarefas que se prolongam por horas ou dias. Use as seguintes funcionalidades para gerir melhor os agentes em tarefas de longa duração.
Na API, use a orientação durante a execução, ferramentas assíncronas e trabalho em paralelo para manter as tarefas de longa duração a avançar.
Atualize as instruções durante a execução: a orientação a meio do turno(abre numa nova janela) permite enviar uma correção através da API WebSocket de Responses(abre numa nova janela) enquanto o modelo trabalha. As atualizações ficam em fila de espera; não cancelam ferramentas em execução nem anulam ações concluídas.
Continue a trabalhar enquanto uma ferramenta é executada: a chamada assíncrona de ferramentas(abre numa nova janela) permite ao modelo continuar trabalho independente enquanto a sua aplicação executa uma tarefa mais lenta, como testes. A sua aplicação devolve o resultado quando este estiver pronto. Aguarde esse resultado antes de iniciar trabalho que dependa dele.
Delegue subtarefas independentes: o GPT‑6.1 Sol permite fluxos de trabalho com vários agentes na API Responses(abre numa nova janela). Pode atribuir trabalho independente a subagentes, como investigar diferentes partes de uma base de código, e combinar as suas conclusões numa resposta final. A funcionalidade de vários agentes está atualmente em fase beta.
As tarefas de longa duração podem trazer à tona decisões que não teria necessariamente previsto no prompt inicial. Recorra a esclarecimentos e à orientação durante a execução para manter o trabalho no rumo certo.
Responda a perguntas à medida que o trabalho avança: com o GPT‑6 Astra, o Codex pode pedir esclarecimentos enquanto trabalha(abre numa nova janela). Esclareça as dúvidas que afetam a etapa seguinte e especifique que trabalho independente pode continuar enquanto decide. Se vai estar ausente, diga ao Codex que tarefas podem continuar e quando deve parar para aguardar a sua resposta.
Redirecione o trabalho quando os requisitos mudarem: oriente a tarefa em curso(abre numa nova janela) com novas informações, explicando o que deve mudar e o que deve permanecer igual. Isto ajuda a evitar gastar mais tempo numa abordagem que já não responde às suas necessidades.
A utilização do computador(abre numa nova janela) permite ao GPT‑6 Astra, ao GPT‑6.1 Sol e ao GPT‑6 Luna interagir diretamente com sites e aplicações de computador, mesmo que estas não tenham uma API. Por exemplo, pode pedir ao modelo que investigue um erro, corrija o código e abra o seu produto num navegador para verificar se a correção funciona.
Escolha a forma fiável mais simples de executar cada etapa:
Use uma API ou uma ferramenta ligada quando esta puder realizar o trabalho diretamente.
Recorra à utilização do computador quando o modelo precisar de ler um ecrã, clicar em botões ou preencher um formulário por si.
Se estiver a integrar a utilização do computador na sua própria aplicação, dê ao modelo uma ferramenta capaz de executar código para controlar um navegador ou o ambiente de trabalho. O Playwright funciona com navegadores(abre numa nova janela); o PyAutoGUI funciona com aplicações de computador.
