OpenAI kini menyarankan pengembang memangkas aturan berulang dari system prompt, dengan klaim uji internal bahwa langkah ini bisa meningkatkan skor evaluasi coding sampai 15% sekaligus menurunkan pemakaian token hingga 66%.
Poin-Poin Penting
- Panduan prompt GPT-5.6 meminta pengembang mendefinisikan hasil akhir dan kondisi penghentian, lalu membiarkan model memilih jalur eksekusinya sendiri.
- Uji internal pada agen coding menunjukkan system prompt yang lebih ramping meningkatkan skor evaluasi 10%–15%, memangkas token 41%–66% dan menurunkan biaya 33%–67%.
- Dokumen tersebut menambahkan bagian soal Programmatic Tool Calling dan pengaturan text.verbosity, dua hal yang sebelumnya tidak ada di playbook GPT-5.
OpenAI Rombak Total Playbook Prompting GPT-5
OpenAI merilis panduan baru ini bersamaan dengan keluarga model GPT-5.6 yang sudah tersedia umum sejak 9 Juli, dengan sasaran utama pengembang API dan tim yang menjalankan agen otomatis skala besar.
Dalam dokumen tersebut, insinyur diminta menjabarkan hasil yang terlihat oleh pengguna, batasan, bukti atau data yang tersedia, serta standar kelulusan output, lalu memberi ruang bagi model untuk memilih jalur eksekusi yang paling efisien sendiri. Pendekatan ini disebut sebagai outcome-first prompting.
Rekomendasi ini berbalik arah dari playbook GPT-5 pada Agustus 2025, yang kala itu mendorong penggunaan blok XML persisten, template pengumpulan konteks yang sangat rinci, dan skrip pembuka untuk tool yang menjelaskan setiap langkah secara eksplisit. Rel pembatas semacam itu kini dikategorikan sebagai “kebisingan”.
OpenAI juga memperingatkan penggunaan aturan absolut seperti selalu dan jangan pernah, dan menyarankan istilah ini hanya dipakai untuk hal yang benar-benar tidak boleh berubah—misalnya batasan keamanan, field yang wajib diisi, atau aksi yang harus sama sekali tidak terjadi. Mengulang-ulang instruksi seperti “tanya dulu” atau “tunggu persetujuan” dinilai bisa memicu permintaan persetujuan yang tidak perlu untuk aksi yang sebenarnya aman dan sudah diharapkan. Menurut panduan itu, aturan yang saling bertentangan justru menciptakan instabilitas lebih besar dibanding detail yang kurang lengkap.
Juga Baca: Taruhan Dodgers Tembus $68 Juta Saat Polymarket dan Kalshi Ramaikan Perebutan Playoff MLB
Simon Willison Soroti Tool Calling di GPT-5.6
Pengembang independen Simon Willison menyoroti Programmatic Tool Calling dan dukungan multi-agent sebagai dua fitur paling menarik di rilis ini. Ia mencatat bahwa fitur tersebut memungkinkan model menyusun dan mengeksekusi JavaScript yang mengorkestrasi pemanggilan tool secara otomatis. Willison juga menilai Sol terasa kompeten, meski belum jelas unggul atas Claude Fable 5 besutan Anthropic untuk tugas coding kompleks yang ia uji.
Faktor biaya menjadi alasan penting lainnya di balik panduan ini. Dalam pengujian internal, penggunaan token turun 41%–66%, sementara belanja komputasi menyusut 33%–67%—angka yang menurut OpenAI dapat mengubah perhitungan ekonomi bagi tim mana pun yang mengoperasikan agen dalam skala besar.
OpenAI tetap mengingatkan bahwa hasil sangat bergantung pada jenis workload. Rentang angka tersebut disebut hanya indikatif, dan pengembang diminta melakukan validasi di tugas-tugas representatif yang mencerminkan aplikasi mereka sendiri.
Keluarga GPT-5.6 Ikuti Siklus Rilis Super Cepat
GPT-5.6 diluncurkan dalam tiga varian ukuran: Luna, Terra, dan Sol. Tarif input masing-masing dipatok di $1, $2,50, dan $5 per satu juta token, sementara output dibanderol $6, $15, dan $30 per satu juta token. Panduan baru juga memperkenalkan pengaturan text.verbosity untuk mengontrol panjang respons.
Pergeseran strategi ini mengikuti pola yang konsisten. Panduan GPT-5.5 pada April lalu sudah meminta tim untuk membangun ulang prompt alih-alih sekadar mem-porting prompt lama, sementara panduan GPT-5 dari Agustus 2025 mengambil pendekatan berbeda dengan mendorong rel pembatas yang sangat eksplisit untuk mengendalikan “kegesitan” model. Di setiap iterasi, pengembang diarahkan untuk menulis lebih sedikit dan memberi kepercayaan lebih besar pada model dalam menentukan rute penyelesaian tugas.
Baca Berikutnya: Ethereum Kian Mendekat ke Bitcoin, Uji Bull Case 2026 Versi Tom Lee