OpenAI ora raccomanda agli sviluppatori di sfoltire le regole ripetute nei system prompt: nei test interni sui compiti di programmazione, questa strategia ha aumentato i punteggi di valutazione fino al 15%, riducendo al contempo l’uso di token fino al 66%.
Punti chiave
- La guida ai prompt di GPT-5.6 invita gli sviluppatori a definire l’obiettivo finale e le condizioni di arresto, lasciando al modello la scelta del percorso.
- Nei test interni con coding agent, system prompt più leggeri hanno migliorato i punteggi del 10%-15%, tagliato i token del 41%-66% e ridotto i costi del 33%-67%.
- Il documento introduce sezioni su Programmatic Tool Calling e sull’impostazione text.verbosity, entrambe assenti nel precedente playbook di GPT-5.
OpenAI riscrive il playbook dei prompt per GPT-5
OpenAI ha pubblicato la nuova guida insieme alla famiglia di modelli GPT-5.6, disponibile in generale dal 9 luglio, puntando in modo diretto agli sviluppatori API e ai team che gestiscono agent automatizzati.
Il documento suggerisce agli ingegneri di dichiarare con chiarezza: il risultato visibile all’utente, i vincoli, le evidenze a disposizione e la soglia di completamento; poi, di lasciare al modello lo spazio per scegliere in autonomia il percorso più efficiente. OpenAI definisce questo approccio outcome-first prompting, ovvero un prompting guidato dall’esito atteso.
L’indicazione rappresenta una vera inversione rispetto al playbook di GPT-5 dell’agosto 2025, che spingeva sui blocchi XML persistenti, su template dettagliati per la raccolta del contesto e su lunghi script di preambolo per l’uso degli strumenti che esplicitavano ogni singolo passaggio. Quelli che allora erano considerati “binari di sicurezza” oggi vengono riletti come rumore.
OpenAI mette inoltre in guardia dall’uso disinvolto di regole assolute come always e never, che dovrebbero essere riservate solo alle vere invarianti: limiti di sicurezza, campi obbligatori e azioni che non devono mai verificarsi. Ripetere istruzioni del tipo ask first o wait for approval, sostiene la guida, può innescare richieste di approvazione inutili anche per azioni previste e sicure. Regole in conflitto, inoltre, generano più instabilità rispetto alla semplice mancanza di dettaglio.
Da leggere anche: Scommesse sui Dodgers a 68 milioni di dollari mentre Polymarket e Kalshi puntano sulla corsa playoff della MLB
Simon Willison valuta il Tool Calling di GPT-5.6
Lo sviluppatore indipendente Simon Willison ha segnalato il Programmatic Tool Calling e il supporto multi-agent come le novità più interessanti del rilascio, sottolineando che la funzione consente ai modelli di comporre ed eseguire JavaScript per orchestrare le chiamate agli strumenti. Willison ha aggiunto che Sol gli è apparso solido e affidabile, pur senza superare in modo netto Anthropic Claude Fable 5 sui task di programmazione complessi che stava testando.
Il secondo motivo per cui la guida è rilevante è il costo. Nei run interni, l’uso di token è diminuito del 41%-66% e la spesa complessiva è scesa del 33%-67%, numeri che cambiano l’aritmetica per qualsiasi team che gestisca agent su larga scala.
OpenAI precisa che i risultati dipendono dal tipo di carico di lavoro, definisce questi intervalli come indicativi e invita gli sviluppatori a verificarli su task rappresentativi delle proprie applicazioni.
La famiglia GPT-5.6 segue un ritmo di rilascio serrato
GPT-5.6 è arrivato in tre dimensioni di modello: Luna, Terra e Sol hanno prezzi di input rispettivamente di 1, 2,50 e 5 dollari per milione di token, mentre l’output è tariffato a 6, 15 e 30 dollari. La guida introduce anche un parametro text.verbosity per modulare la lunghezza delle risposte.
L’inversione di rotta si inserisce in una tendenza graduale. Le indicazioni su GPT-5.5 pubblicate in aprile già chiedevano ai team di riscrivere i prompt invece di “traghettare” in blocco quelli vecchi, mentre la guida di GPT-5 dell’agosto 2025 andava nella direzione opposta, chiedendo binari espliciti contro l’eccessiva intraprendenza del modello. A ogni ciclo, il messaggio di OpenAI è lo stesso: scrivere meno, e delegare al modello una quota crescente del percorso.
Prossimo articolo: Ethereum accelera su Bitcoin, mettendo alla prova lo scenario rialzista 2026 di Tom Lee