Ваши сложные промпты для ИИ на самом деле делают GPT-5.6 глупее

В течение последнего года промпт-инжиниринг напоминал юридические переговоры с высокими ставками. Пользователи создавали громоздкие многостраничные системные промпты, наполненные блоками XML, скриптами персистентности и строгими инструкциями по цепочке рассуждений (chain-of-thought). Цель заключалась в том, чтобы удержать ИИ в заданных рамках. Если модель отклонялась от курса, вы просто добавляли еще один слой «строительных лесов», чтобы заставить ее вернуться в строй. OpenAI только что выпустила новое руководство по промптингу для GPT-5.6 Sol, и его основной посыл — прямой отказ от этих привычек. По сути, ваши усилия по микроменеджменту ИИ теперь стали его главным препятствием.

OpenAI выступает за радикальный переход к промптингу, ориентированному на результат. Новая стратегия проста: определите цель, установите условия остановки и отойдите в сторону. Это изменение отражает фундаментальную эволюцию того, как последние модели обрабатывают информацию. Если ранним версиям требовалась подробная карта каждого поворота, то GPT-5.6 работает лучше, когда у нее есть только конечный адрес. Глядя на общую картину, можно сказать, что это отход от отношения к ИИ как к хрупкой машине в сторону отношения к нему как к способному, хотя и буквально понимающему все цифровому партнеру.

Высокая цена микроменеджмента

OpenAI предоставила конкретные данные, подтверждающие этот сдвиг. В ходе внутренних тестов с использованием агентов для написания кода более лаконичные системные промпты улучшили оценки производительности примерно на 10–15%. Это улучшение произошло при использовании моделью на 41–66% меньше токенов. Для бизнеса или продвинутого пользователя эффект ощутим. Такие лаконичные промпты сокращают расходы на 33–67%. Проще говоря, написание меньшего объема текста приводит к лучшим результатам за значительно меньшие деньги.

Причина такого скачка производительности носит фундаментальный характер. Когда модель вроде GPT-5.6 читает промпт, она воспринимает каждое слово как ограничение. Если вы предоставляете пять страниц инструкций, модель тратит огромную часть своих мощностей для рассуждения только на то, чтобы удержать все эти правила в активной памяти. Это цифровой эквивалент попытки приготовить обед из пяти блюд, пока кто-то читает вам вслух 200-страничное руководство по технике безопасности. Убирая шум, вы освобождаете модель для концентрации на самой задаче.

Почему GPT-5.6 отличается от своего предшественника

Чтобы понять это изменение, нам нужно заглянуть «под капот» GPT-5, выпущенной в августе 2025 года. Та модель требовала мощного каркаса. Пользователи полагались на блоки персистентности XML, чтобы заставить модель продолжать работу до тех пор, пока проблема не будет решена. Они использовали подробные шаблоны сбора контекста, чтобы точно наметить, как распараллеливать поиск. Философия того времени заключалась в калибровке усердия и создании «рельсов», чтобы модель не сдавалась слишком рано.

GPT-5.6 Sol — это более устойчивая модель, которая самостоятельно и надежно справляется с этими этапами процесса. Новое руководство предполагает, что старые блоки персистентности теперь являются просто мусором, который модели приходится обходить при парсинге. То, что вам действительно нужно оставить, — это сфокусированный список: видимый пользователю результат, критерии успеха, условия остановки и жесткие ограничения. Руководство предлагает начинать промпт модели с прямой цели, например: «Решите проблему клиента от начала до конца». Затем вы указываете, как выглядит завершенная задача и какие действия предпринять, если данные отсутствуют. Расплывчатые инструкции вроде «будь тщательным» или «продолжай работу» ушли в прошлое.

Опасность противоречивых правил

Одним из самых резонансных выводов в новом руководстве является то, как модель обрабатывает противоречия. Ранние модели часто выбирали одну инструкцию, если сталкивались с двумя конфликтующими правилами. GPT-5.6 работает иначе. Она настолько строго следует контрактам промпта, что конфликтующие правила создают нестабильность. Вместо того чтобы выбрать победителя, модель тратит токены рассуждения, пытаясь примирить невозможное. Это делает ответ медленнее, дороже и зачастую неверным.

OpenAI теперь советует отказаться от старого трюка с использованием абсолютов, таких как «всегда» или «никогда». Эти слова когда-то были основным способом управления поведением, но теперь они считаются слишком жесткими. С практической точки зрения, если в вашем системном промпте есть перекрывающиеся правила, это первое, что вам следует исправить. Модель работает лучше всего, когда у нее есть пространство для навигации в четких границах, а не когда она заперта в клетке противоречивых требований.

Новые инструменты для точного контроля

Обновление вводит две конкретные функции, которых не было в предыдущем арсенале. Первая — это параметр text.verbosity. GPT-5.6 по своей природе более лаконична, чем промежуточное обновление GPT-5.5. Из-за этого старые инструкции «будь краток» теперь приводят к избыточной коррекции и выдают слишком короткие ответы, чтобы быть полезными. Теперь пользователям следует установить глобальное значение по умолчанию через параметр и переопределять его только для конкретных задач. Это избавляет от необходимости повторять правила стиля внутри самого текста промпта.

Вторым дополнением является специальный раздел по программному вызову инструментов (Programmatic Tool Calling). Это предназначено для ограниченных рабочих процессов, где код берет на себя тяжелую работу по фильтрации или агрегации данных. Вместо того чтобы просить модель оценивать каждый фрагмент информации, вы позволяете коду вернуть компактный результат. Это снимает нагрузку с суждений модели и переносит ее в область предсказуемой логики. Это упрощенный способ обработки больших наборов данных без раздувания промпта промежуточными шагами.

Тестирование минималистичного подхода

Мы протестировали эти новые рекомендации, используя наш внутренний бенчмарк — хоррор-игру на выживание TYPE OR DIE. В предыдущих итерациях с использованием GPT-5 промпт представлял собой густые заросли правил об игровой логике и визуальной согласованности. Для теста GPT-5.6 мы сократили промпт до основного результата: функциональная, отполированная игра со специфической механикой выживания.

Результаты были удивительными. Модель не бросилась сразу писать код. Вместо этого она сначала спроектировала всю проблему и спланировала каждую систему, прежде чем напечатать хоть одну строку. Логика автоприцеливания стала более эффективной, а визуальные ассеты — более согласованными, чем в любом предыдущем запуске. Модель выбрала лучший маршрут, потому что мы перестали указывать ей, по каким дорогам ехать. Этот результат соответствует замыслу руководства. Когда вы определяете пункт назначения, модель вольна найти наиболее эффективный путь.

Что это значит для вашего ежедневного использования ИИ

Для обычного пользователя суть заключается в том, что ваши навыки промпт-инжиниринга нуждаются в обновлении. Эра «мега-промптов» заканчивается. Если вы создаете кастомный GPT или автоматизированный рабочий процесс, вашим первым шагом должна стать очистка. Удалите повторяющиеся правила. Удалите инструкции по стилю, которые не меняют результат. Сократите примеры, которые не добавляют новой информации.

Если вам трудно запомнить эти новые правила, есть практический лайфхак. Вы можете создать кастомный GPT и загрузить в него полное руководство OpenAI по промптингу для GPT-5.6 в качестве базы знаний. Затем вы сможете использовать этот GPT для анализа и переписывания ваших старых промптов. По сути, вы используете промпт-инжиниринг для создания лучших, более лаконичных промптов. По мере того как ИИ становится более способным, наша роль смещается от микроменеджера к стратегу с ясным видением, который точно знает, как выглядит успешный результат.

Источники: OpenAI Official Prompting Guide for GPT-5.6 Sol, OpenAI Internal Engineering Blog, July 2026 Technical Report on Model Verbosity.