OpenAI adviseert ontwikkelaars voortaan om herhaalde regels uit systeemprompts te schrappen. In interne code-evaluaties stegen de scores daardoor met maximaal 15%, terwijl het tokenverbruik tegelijk met wel 66% daalde.
Belangrijkste punten:
- De GPT-5.6-promptgids vraagt ontwikkelaars eerst het gewenste eindresultaat en de stopcondities te definiëren, en het model vervolgens zelf de route te laten kiezen.
- Interne runs met code-agents lieten zien dat slankere systeemprompts de evaluatiescores met 10% tot 15% verbeterden, het aantal tokens met 41% tot 66% terugbrachten en de kosten met 33% tot 67% verlaagden.
- Het document voegt secties toe over Programmatic Tool Calling en een text.verbosity-instelling, die allebei ontbraken in het eerdere GPT-5-handboek.
OpenAI herschrijft het GPT-5-handboek voor promptontwerp
OpenAI heeft de nieuwe richtlijnen gepubliceerd tegelijk met de GPT-5.6-model-familie, die sinds 9 juli algemeen beschikbaar is. De gids is nadrukkelijk gericht op API-ontwikkelaars en teams die geautomatiseerde agents inzetten.
De nota vraagt engineers om het voor de gebruiker zichtbare eindresultaat te formuleren, plus de randvoorwaarden, beschikbare bewijsvoering en de lat voor een “af” antwoord. Daarna moet het model ruimte krijgen om zelfstandig een efficiënte aanpak te kiezen. OpenAI noemt dit outcome-first prompting.
Die benadering keert veel van het GPT-5-handboek uit augustus 2025 om. Dat document propageerde destijds XML-blokken voor contextbehoud, uitgebreide templates voor contextverzameling en tool-preamblescripts die elke stap hardop uitschreven. Zulke rails gelden nu vooral als ruis.
OpenAI waarschuwt daarnaast voor absolute formules als altijd en nooit, behalve wanneer het gaat om echte invarianten zoals veiligheidslimieten, verplichte velden en acties die onder geen beding mogen plaatsvinden. Herhaalde aanwijzingen als eerst vragen of wacht op goedkeuring kunnen volgens de gids onnodige goedkeuringsverzoeken uitlokken voor veilige, verwachte acties. Conflicterende regels zorgen voor meer instabiliteit dan ontbrekend detail.
Ook interessant: Dodgers-weddenschappen lopen op tot $68M nu Polymarket en Kalshi inspelen op MLB-playoffs
Simon Willison over Tool Calling in GPT-5.6
Onafhankelijk ontwikkelaar Simon Willison wees er in een blogpost op dat Programmatic Tool Calling en multi-agentondersteuning de opvallendste toevoegingen in deze release zijn. De nieuwe functies maken het mogelijk dat modellen zelf JavaScript componeren en uitvoeren om tool-calls te orkestreren.
Willison concludeerde tegelijk dat Sol weliswaar capabel aanvoelt, maar niet overtuigend beter presteert dan Anthropic’s Claude Fable 5 op de complexe codeklussen die hij draaide.
Kosten vormen volgens hem de tweede reden waarom de gids ertoe doet. In de interne runs daalde het tokenverbruik met 41% tot 66%, terwijl de uitgaven 33% tot 67% lager uitvielen. Dat verandert volgens hem de rekensom voor elk team dat agents op schaal laat draaien.
OpenAI benadrukt dat de uitkomsten per workload verschillen, spreekt van indicatieve bandbreedtes en roept ontwikkelaars op de cijfers zelf te toetsen op representatieve taken uit hun eigen applicaties.
GPT-5.6-familie volgt strak releaseschema
GPT-5.6 verscheen in drie varianten. Luna, Terra en Sol kosten respectievelijk $1, $2,50 en $5 per miljoen inputtokens, met outputprijzen van $6, $15 en $30 per miljoen tokens. De gids introduceert bovendien een text.verbosity-parameter om de lengte van modelantwoorden te sturen.
De koerswijziging past in een patroon. De GPT-5.5-richtlijnen van april adviseerden teams al om prompts opnieuw op te bouwen in plaats van ze domweg door te schuiven, terwijl de GPT-5-gids uit augustus 2025 juist pleitte voor expliciete rails rond “eagerness”. Elke generatie duwt ontwikkelaars richting kortere prompts en meer vertrouwen in de route die het model zelf uitstippelt.
Lees ook: Ethereum loopt in op Bitcoin en test Tom Lee’s bull case voor 2026