आपके जटिल AI प्रॉम्प्ट वास्तव में GPT-5.6 को और अधिक सुस्त बना रहे हैं

पिछले एक साल से, प्रॉम्प्ट इंजीनियरिंग एक उच्च-दांव वाली कानूनी बातचीत की तरह महसूस हो रही थी। उपयोगकर्ताओं ने XML ब्लॉक्स, पर्सिस्टेंस स्क्रिप्ट्स और सख्त चेन-ऑफ-थॉट निर्देशों से भरे विस्तृत, बहु-पृष्ठ सिस्टम प्रॉम्प्ट बनाए। लक्ष्य AI को नियंत्रण में रखना था। यदि मॉडल भटकता था, तो आप उसे वापस लाइन पर लाने के लिए मचान (scaffolding) की एक और परत जोड़ देते थे। OpenAI ने अभी-अभी GPT-5.6 Sol के लिए अपनी नई प्रॉम्प्टिंग गाइड जारी की है, और इसका प्राथमिक संदेश उन आदतों की सीधी अस्वीकृति है। संक्षेप में, AI को माइक्रो-मैनेज करने के आपके प्रयास अब इसकी सबसे बड़ी बाधा हैं।

OpenAI परिणाम-प्रथम (outcome-first) प्रॉम्प्टिंग की ओर एक क्रांतिकारी बदलाव की वकालत करता है। नई रणनीति सरल है: गंतव्य को परिभाषित करें, रुकने की शर्तें निर्धारित करें, और रास्ते से हट जाएं। यह बदलाव इस बात में एक मौलिक विकास को दर्शाता है कि नवीनतम मॉडल जानकारी को कैसे संसाधित करते हैं। जबकि पुराने संस्करणों को हर मोड़ के विस्तृत मानचित्र की आवश्यकता होती थी, GPT-5.6 तब बेहतर प्रदर्शन करता है जब उसके पास केवल अंतिम पता होता है। बड़ी तस्वीर को देखें तो, यह AI को एक नाजुक मशीन के बजाय एक सक्षम, हालांकि शाब्दिक अर्थ समझने वाले, डिजिटल पार्टनर के रूप में मानने की दिशा में एक कदम है।

माइक्रो-मैनेजमेंट की उच्च लागत

OpenAI ने इस बदलाव का समर्थन करने के लिए विशिष्ट डेटा प्रदान किया। कोडिंग एजेंटों का उपयोग करने वाले आंतरिक परीक्षणों में, छोटे सिस्टम प्रॉम्प्ट ने मूल्यांकन स्कोर में लगभग 10% से 15% का सुधार किया। यह सुधार तब हुआ जब मॉडल ने 41% से 66% कम टोकन का उपयोग किया। एक व्यवसाय या पावर यूजर के लिए, इसका प्रभाव स्पष्ट है। इन छोटे प्रॉम्प्ट्स ने लागत में 33% से 67% तक की कटौती की। सरल शब्दों में, कम लिखने से काफी कम पैसों में बेहतर काम होता है।

इस प्रदर्शन उछाल का कारण बुनियादी है। जब GPT-5.6 जैसा मॉडल किसी प्रॉम्प्ट को पढ़ता है, तो वह हर शब्द को एक बाधा के रूप में मानता है। यदि आप निर्देशों के पांच पृष्ठ प्रदान करते हैं, तो मॉडल अपनी तर्क क्षमता का एक बड़ा हिस्सा उन सभी नियमों को अपनी सक्रिय स्मृति में रखने की कोशिश में खर्च कर देता है। यह डिजिटल रूप से वैसा ही है जैसे कोई आपके सामने 200 पन्नों का सुरक्षा मैनुअल जोर-जोर से पढ़ रहा हो और आप पांच-कोर्स का भोजन बनाने की कोशिश कर रहे हों। शोर को हटाकर, आप मॉडल को वास्तविक कार्य पर ध्यान केंद्रित करने के लिए मुक्त कर देते हैं।

GPT-5.6 अपने पूर्ववर्ती से अलग क्यों है

इस बदलाव को समझने के लिए, हमें अगस्त 2025 में जारी GPT-5 के आंतरिक कामकाज को देखना होगा। उस मॉडल को भारी मचान (scaffolding) की आवश्यकता थी। उपयोगकर्ताओं ने XML पर्सिस्टेंस ब्लॉक्स पर भरोसा किया ताकि मॉडल को तब तक काम करने के लिए कहा जा सके जब तक कि समस्या हल न हो जाए। उन्होंने खोजों को समानांतर करने के तरीके को मैप करने के लिए विस्तृत संदर्भ-एकत्रीकरण टेम्प्लेट का उपयोग किया। उस समय का दर्शन मॉडल को बहुत जल्दी हार मानने से रोकने के लिए रेलिंग बनाने और उसकी उत्सुकता को कैलिब्रेट करने के बारे में था।

GPT-5.6 Sol एक अधिक लचीला मॉडल है जो इन प्रक्रिया चरणों को अपने आप भरोसेमंद तरीके से संभालता है। नई गाइड सुझाव देती है कि पुराने पर्सिस्टेंस ब्लॉक्स अब केवल कचरा हैं जिन्हें मॉडल को पार करना पड़ता है। आप वास्तव में जो रखते हैं वह एक केंद्रित सूची है: उपयोगकर्ता को दिखने वाला परिणाम, सफलता की कसौटी, रुकने की शर्तें और कठोर बाधाएं। गाइड सुझाव देती है कि एक मॉडल प्रॉम्प्ट को सीधे उद्देश्य के साथ शुरू करना चाहिए जैसे, "ग्राहक की समस्या को शुरू से अंत तक हल करें।" फिर आप निर्दिष्ट करते हैं कि एक समाप्त कार्य कैसा दिखता है और डेटा गायब होने पर क्या कार्रवाई करनी है। "विस्तृत रहें" या "जारी रखें" जैसे अस्पष्ट निर्देश अब खत्म हो गए हैं।

परस्पर विरोधी नियमों का खतरा

नई गाइड में सबसे विघटनकारी निष्कर्षों में से एक यह है कि मॉडल विरोधाभासों को कैसे संभालता है। पहले के मॉडल अक्सर एक निर्देश चुन लेते थे यदि उनका सामना दो टकराने वाले नियमों से होता था। GPT-5.6 अलग है। यह प्रॉम्प्ट अनुबंधों का इतनी बारीकी से पालन करता है कि परस्पर विरोधी नियम अस्थिरता पैदा करते हैं। विजेता चुनने के बजाय, मॉडल असंभव को सुलझाने की कोशिश में रीजनिंग टोकन जलाता है। यह प्रतिक्रिया को धीमा, अधिक महंगा और अक्सर गलत बनाता है।

OpenAI अब "हमेशा" या "कभी नहीं" जैसे पूर्ण शब्दों का उपयोग करने के पुराने तरीके के खिलाफ सलाह देता है। ये शब्द कभी व्यवहार को निर्देशित करने का प्राथमिक तरीका थे, लेकिन अब इन्हें बहुत कठोर माना जाता है। व्यावहारिक रूप से, यदि आपके सिस्टम प्रॉम्प्ट में ओवरलैपिंग नियम हैं, तो यह पहली चीज़ है जिसे आपको ठीक करना चाहिए। मॉडल तब सबसे अच्छा प्रदर्शन करता है जब उसके पास विरोधाभासी मांगों के पिंजरे में बंद होने के बजाय एक स्पष्ट सीमा के भीतर नेविगेट करने की जगह होती है।

सटीक नियंत्रण के लिए नए उपकरण

अपडेट दो ठोस विशेषताएं पेश करता है जो पिछले प्लेबुक में अनुपस्थित थीं। पहला text.verbosity पैरामीटर है। GPT-5.6 स्वाभाविक रूप से GPT-5.5 मिड-साइकिल अपडेट की तुलना में अधिक संक्षिप्त है। इस वजह से, "संक्षिप्त रहें" के पुराने निर्देश अब ओवर-करेक्ट करते हैं और ऐसी प्रतिक्रियाएं देते हैं जो उपयोगी होने के लिए बहुत छोटी होती हैं। उपयोगकर्ताओं को अब पैरामीटर के माध्यम से एक वैश्विक डिफॉल्ट सेट करना चाहिए और केवल विशिष्ट कार्यों के लिए इसे ओवरराइड करना चाहिए। यह प्रॉम्प्ट टेक्स्ट के भीतर ही बार-बार दोहराए जाने वाले स्टाइल नियमों की आवश्यकता को समाप्त करता है।

दूसरा जोड़ प्रोग्राममैटिक टूल कॉलिंग (Programmatic Tool Calling) पर एक समर्पित अनुभाग है। यह उन बाउंडेड वर्कफ़्लो के लिए है जहां कोड डेटा को फ़िल्टर करने या एकत्रित करने का भारी काम संभालता है। मॉडल से हर जानकारी को आंकने के लिए कहने के बजाय, आप कोड को एक संक्षिप्त परिणाम वापस करने देते हैं। यह मॉडल के निर्णय से श्रम को हटा देता है और इसे अनुमानित तर्क (predictable logic) में डाल देता है। यह मध्यवर्ती चरणों के साथ प्रॉम्प्ट को फुलाए बिना बड़े डेटासेट को संभालने का एक सुव्यवस्थित तरीका है।

न्यूनतम दृष्टिकोण का परीक्षण

हमने अपने आंतरिक बेंचमार्क, TYPE OR DIE नामक एक टाइपिंग सर्वाइवल हॉरर गेम का उपयोग करके इन नए दिशानिर्देशों का परीक्षण किया। GPT-5 का उपयोग करने वाले पिछले पुनरावृत्तियों में, प्रॉम्प्ट गेम लॉजिक और विजुअल सुसंगतता के बारे में नियमों का एक घना जंगल था। GPT-5.6 परीक्षण के लिए, हमने प्रॉम्प्ट को मुख्य परिणाम तक सीमित कर दिया: विशिष्ट उत्तरजीविता यांत्रिकी के साथ एक कार्यात्मक, पॉलिश किया हुआ गेम।

परिणाम आश्चर्यजनक थे। मॉडल सीधे कोड लिखने पर नहीं कूदा। इसके बजाय, उसने पहले पूरी समस्या का मानचित्र बनाया और एक भी लाइन टाइप करने से पहले प्रत्येक सिस्टम की योजना बनाई। ऑटो-लक्ष्य तर्क अधिक कुशल था, और दृश्य संपत्तियां किसी भी पिछले रन की तुलना में अधिक सुसंगत थीं। मॉडल ने एक बेहतर रास्ता चुना क्योंकि हमने उसे यह बताना बंद कर दिया कि कौन सी सड़कें लेनी हैं। यह परिणाम गाइड के इरादे से मेल खाता है। जब आप गंतव्य को परिभाषित करते हैं, तो मॉडल सबसे कुशल मार्ग खोजने के लिए स्वतंत्र होता है।

आपके दैनिक AI उपयोग के लिए इसका क्या अर्थ है

औसत उपयोगकर्ता के लिए, निष्कर्ष यह है कि आपके प्रॉम्प्ट इंजीनियरिंग कौशल को अपडेट की आवश्यकता है। "मेगा-प्रॉम्प्ट" का युग समाप्त हो रहा है। यदि आप एक कस्टम GPT या एक स्वचालित वर्कफ़्लो बना रहे हैं, तो आपका पहला कदम सफाई होना चाहिए। दोहराए गए नियमों को हटा दें। उन स्टाइल निर्देशों को हटा दें जो आउटपुट को नहीं बदलते हैं। उन उदाहरणों को काट दें जो नई जानकारी नहीं जोड़ते हैं।

यदि आपको इन नए दिशानिर्देशों को याद रखना कठिन लगता है, तो एक व्यावहारिक शॉर्टकट है। आप एक कस्टम GPT बना सकते हैं और उसे अपने ज्ञान आधार के रूप में पूर्ण OpenAI GPT-5.6 प्रॉम्प्टिंग गाइड दे सकते हैं। फिर आप उस GPT का उपयोग अपने पुराने प्रॉम्प्ट का विश्लेषण करने और उन्हें फिर से लिखने के लिए कर सकते हैं। आप अनिवार्य रूप से बेहतर, छोटे प्रॉम्प्ट इंजीनियरिंग करने के लिए प्रॉम्प्ट इंजीनियरिंग का उपयोग कर रहे हैं। जैसे-जैसे AI अधिक सक्षम होता जा रहा है, हमारी भूमिका एक माइक्रो-मैनेजर से बदलकर एक स्पष्ट सोच वाले रणनीतिकार की हो रही है जो जानता है कि एक सफल परिणाम कैसा दिखता है।

स्रोत: OpenAI GPT-5.6 Sol के लिए आधिकारिक प्रॉम्प्टिंग गाइड, OpenAI आंतरिक इंजीनियरिंग ब्लॉग, मॉडल वर्बोसिटी पर जुलाई 2026 तकनीकी रिपोर्ट।