En modellguide för GPT‑6‑familjen
Praktiska tips för att få bästa möjliga resultat med GPT‑6-modeller och samtidigt hålla koll på tid och kostnad
GPT‑6 är vår mest avancerade modellserie hittills och ger dig flera modeller att välja mellan för olika slags arbete.
Oavsett om du omvandlar en idé till en fungerande prototyp, bygger och testar en funktion eller samordnar flerstegsflöden mellan kodförvar, databaser och externa API:er visar den här guiden hur du väljer en GPT‑6‑modell, ger effektiva instruktioner, hanterar långvarigt arbete och förbereder för produktion.
Kör effektivt i produktion. Använd cachning(öppnas i ett nytt fönster) och komprimering(öppnas i ett nytt fönster) för att hantera kontext och kostnader. Mät andelen lyckade uppgifter och svarstider, och planera för övervakning och datakontroller.
Anpassa modellen till arbetsbelastningen. Balansera kapacitet, kostnad och svarstid genom att välja en modell, resonemangsinsats(öppnas i ett nytt fönster) och hastighet som passar uppgiften.
Anpassa dina prompter och färdigheter. Se till att prompter, färdigheter och instruktioner i förvaret är samstämmiga om vad modellen ska leverera, vad den får göra självständigt och när arbetet räknas som klart.
Håll långvarigt arbete på rätt spår. Använd styrning(öppnas i ett nytt fönster), asynkrona verktyg(öppnas i ett nytt fönster) och delegering(öppnas i ett nytt fönster) för att hantera uppdateringar och oberoende arbete. Ange tydligt när modellen ska be om återkoppling.
Före driftsättning bör du införa ett antal kontroller och beprövade rutiner.
Tänk på effektiviteten. (öppnas i ett nytt fönster)Ta bort kontext som uppgiften inte behöver(öppnas i ett nytt fönster), men behåll det underlag som behövs. Om appen stöder det kan du köra oberoende uppgifter parallellt(öppnas i ett nytt fönster), så att ett långsamt steg inte fördröjer annat arbete.
Återanvänd gemensam kontext med promptcachning(öppnas i ett nytt fönster) för återkommande arbete. Cachade indatatoken kostar upp till 95 % mindre(öppnas i ett nytt fönster) än icke-cachade indatatoken, beroende på modell. Placera oföränderliga instruktioner och referensmaterial före uppgiftsdetaljer som varierar, och håll verktygsdefinitionerna konsekventa. Med instrumentpanelen för cachning(öppnas i ett nytt fönster) och diagnostikguiden(öppnas i ett nytt fönster) kan du se var återanvändningen inte fungerar. Räkna in cachelagring och eventuella priser för lång kontext när du uppskattar kostnaden för ett helt arbetsflöde.
I längre konversationer minskar komprimering(öppnas i ett nytt fönster) kontextens storlek samtidigt som tillståndet som behövs för att fortsätta bevaras.
Bestäm hur du ska övervaka beteendet(öppnas i ett nytt fönster) och granska appens datakontroller(öppnas i ett nytt fönster).
Testa före driftsättning: kör representativa uppgifter och mät andelen lyckade uppgifter, svarstider och kostnad per lyckad uppgift. Läs vår checklista för API-driftsättning(öppnas i ett nytt fönster).
Se valet av modell och resonemangsnivå som en avvägning mellan intelligens och pris.
Modell:
GPT‑6 Astra(öppnas i ett nytt fönster) för de svåraste resonemangsuppgifterna som kräver maximal intelligens.
GPT‑6.1 Sol(öppnas i ett nytt fönster) för komplex programmering, research och datoranvändning.
GPT‑6 Luna(öppnas i ett nytt fönster) för avgränsade uppgifter i stor skala och återkommande vardagsarbete med tydliga mål, som att extrahera fakturafält, klassificera förfrågningar eller skapa strukturerade sammanfattningar.
När du bedömer vilken modell som passar uppgiften bäst bör du jämföra priserna(öppnas i ett nytt fönster) för varje modell.
Resonemangsnivå: I API:et väljer du hur stor insats modellen ska lägga på uppgiften.
Låg: rutinuppgifter som att extrahera fakta eller göra små ändringar.
Balanserad: arbete som kräver omdöme, som att planera en funktion eller jämföra alternativ.
Hög: svår felsökning, djupare analys eller noggrann granskning.
Extra hög / Max: testa där det stöds när Hög inte räcker till, och behåll bara om förbättringen motiverar den extra tiden och kostnaden.
I API:et kan du ändra resonemangsinsatsen under en konversation(öppnas i ett nytt fönster) utan att cachen blir ogiltig.
I Codex börjar du med modellens förvalda resonemangsnivå. Sänk den för enklare uppgifter eller höj den för djupare analys.
Hastighet:
I API:et använder du Snabbläge(öppnas i ett nytt fönster) när svarstiden är viktig, till exempel i chattappar eller kodverktyg. Det ger snabbare och jämnare svarstider till en högre kostnad per token än standardbearbetning.
I Codex och API:et använder du Ultrafast(öppnas i ett nytt fönster) när snabbare svar är värda merkostnaden, till exempel vid snabba koditerationer. Det snabbar upp tokengenereringen oberoende av resonemangsinsatsen. Tillgängligt för GPT‑6 Astra(öppnas i ett nytt fönster).
– Eric Provencher, utvecklarupplevelse på OpenAI
Börja med ett tydligt uppdrag: vilket resultat du vill ha, vem det är till för, relevant kontext och begränsningar samt när arbetet räknas som klart. Gå sedan igenom dessa fyra områden, sammanfattade från Tänk om kring färdigheter och prompter för GPT‑6 Astra(öppnas i ett nytt fönster), för att fördjupa dig i hur du kan uppdatera dina instruktioner:
Skapa bättre färdigheter: Beskriv kort och tydligt när varje färdighet ska köras, läs in kompletterande detaljer först när de behövs och ersätt rigida recept med vägledning anpassad till teamets modeller.
Uppdatera din AGENTS.md: Förklara när specifika dokument och tester är relevanta. Tillåt uttryckligen säkra rutinflöden, som att köra lokala tester med tillfälliga data utan åtkomst till produktion.
Sätt gränser för beslut: Ange vilka åtgärder som får utföras självständigt och vilka som kräver godkännande. Ersätt generella regler om att ”alltid fråga” med tydliga gränser.
Var tydlig med hur långt arbetet ska drivas: Definiera vad ”klart” innebär – att implementera ändringen, köra den, granska resultatet och rätta till fel – och ange vilka beslut som kräver din granskning.
För mer vägledning, se bästa praxis för resonemang(öppnas i ett nytt fönster).
Oavsett om du arbetar i Codex eller bygger med API:et bör du ange vilka beslut modellen får fatta, när den ska be om återkoppling och hur ett användbart svar ser ut.
Ge modellen tillräcklig vägledning för att driva arbetet framåt utan att behöva gissa vid viktiga beslut. (öppnas i ett nytt fönster)Berätta vilka val den får göra och när den ska be om din återkoppling(öppnas i ett nytt fönster). Den kan till exempel välja hur en sammanfattning ska struktureras, men bör stämma av med dig innan den ändrar projektets omfattning. (öppnas i ett nytt fönster)Beskriv hur ett användbart svar ser ut(öppnas i ett nytt fönster), till exempel enkelt språk, teknisk detaljnivå anpassad till målgruppen och en kort överlämning som beskriver vad som ändrats, vad som kontrollerats och vad som återstår att se över.
Med modellfamiljen GPT‑6 kan du nu ta dig an uppgifter som sträcker sig över timmar eller dagar. Använd följande funktioner för att bättre hantera agenter som arbetar med långvariga uppgifter.
I API:et använder du styrning, asynkrona verktyg och parallellt arbete för att hålla långvariga uppgifter i gång.
Uppdatera instruktioner under en körning: Med styrning under en pågående tur(öppnas i ett nytt fönster) kan du skicka en korrigering via Responses WebSocket API(öppnas i ett nytt fönster) medan modellen arbetar. Uppdateringarna köas. De avbryter inte verktyg som körs och ångrar inte slutförda åtgärder.
Fortsätt arbeta medan ett verktyg körs: Med asynkrona verktygsanrop(öppnas i ett nytt fönster) kan modellen fortsätta med oberoende arbete medan appen kör en långsammare uppgift, till exempel tester. Appen returnerar resultatet när det är klart. Vänta på resultatet innan du påbörjar arbete som är beroende av det.
Delegera oberoende deluppgifter: GPT‑6.1 Sol stöder arbetsflöden med flera agenter i Responses API(öppnas i ett nytt fönster). Modellen kan tilldela underagenter oberoende arbete, som att undersöka olika delar av en kodbas, och sammanställa deras resultat till ett slutligt svar. Stödet för flera agenter är för närvarande i betaversion.
Under långvariga uppgifter kan det dyka upp beslut som du inte kunde förutse i den första prompten. Använd förtydliganden och styrning för att hålla arbetet på rätt spår.
Besvara frågor under arbetets gång: Med GPT‑6 Astra kan Codex be om förtydliganden medan det arbetar(öppnas i ett nytt fönster). Red ut frågor som påverkar nästa steg och ange vilket oberoende arbete som får fortsätta medan du fattar beslut. Om du ska vara borta, tala om för Codex vilka uppgifter som får fortsätta och när det ska pausa och invänta ditt svar.
Styr om arbetet när kraven ändras: Styr den pågående uppgiften(öppnas i ett nytt fönster) med ny information och förklara vad som ska ändras och vad som ska förbli oförändrat. Det hjälper dig att undvika att lägga mer tid på ett tillvägagångssätt som inte längre uppfyller dina behov.
Datoranvändning(öppnas i ett nytt fönster) låter GPT‑6 Astra, GPT‑6.1 Sol och GPT‑6 Luna interagera direkt med webbplatser och skrivbordsappar, även appar utan API. Du kan till exempel be modellen undersöka en bugg, rätta koden och öppna din produkt i en webbläsare för att kontrollera att rättningen fungerar.
Välj det enklaste tillförlitliga sättet att utföra varje steg:
Använd ett API eller ett anslutet verktyg när det kan göra jobbet direkt.
Använd datoranvändning när modellen behöver läsa av en skärm, klicka på knappar eller fylla i ett formulär åt dig.
Om du bygger in datoranvändning i din egen app ger du modellen ett verktyg som kan köra kod för att styra en webbläsare eller skrivbordsmiljö. Playwright fungerar med webbläsare(öppnas i ett nytt fönster); PyAutoGUI fungerar med skrivbordsappar.
