OpenAI meldt dat het schrappen van herhaalde regels uit systeemprompts de interne scores op code-evaluaties met maximaal 15% verhoogde, terwijl het tokenverbruik met wel 66% daalde.
Kernpunten:
- De GPT-5.6‑prompting‑gids vraagt ontwikkelaars om uitkomst en stop‑criteria te definiëren en de rest aan het model over te laten.
- 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 beide niet in het oudere GPT‑5‑handboek stonden.
OpenAI herschrijft het GPT‑5‑handboek voor prompts
OpenAI heeft de richtlijn gepubliceerd tegelijk met de GPT-5.6‑modelfamilie, die sinds 9 juli algemeen beschikbaar is, en richt zich expliciet op API‑ontwikkelaars en teams die geautomatiseerde agents inzetten.
Het document adviseert engineers om alleen het voor de eindgebruiker zichtbare resultaat, de randvoorwaarden, de beschikbare informatie en de kwaliteitslat te formuleren, en het model vervolgens ruimte te geven om zelf de efficiëntste route te kiezen. Die aanpak wordt aangeduid als outcome‑first prompting.
De aanbevelingen draaien een belangrijk deel van het GPT‑5‑handboek uit augustus 2025 terug, dat toen nog inzet op XML‑blokken voor state, gedetailleerde templates om context te verzamelen en uitgebreide tool‑preambles die elke stap hardop toelichtten. Die rails gelden nu als ruis.
OpenAI waarschuwt bovendien voor absolute regels zoals altijd en nooit, behalve bij echte invarianties zoals veiligheidslimieten, verplichte velden en acties die onder geen beding mogen plaatsvinden. Herhaalopdrachten als vraag het eerst of wacht op goedkeuring kunnen volgens de gids juist onnodige goedkeuringsverzoeken uitlokken bij veilige, verwachte acties. Conflicterende regels zorgen voor meer instabiliteit dan een gebrek aan detail.
Ook interessant: Dodgers‑weddenschappen lopen op tot $68M nu Polymarket en Kalshi inspelen op de MLB‑playoffrace
Simon Willison over tool‑calling in GPT‑5.6
De onafhankelijke ontwikkelaar Simon Willison benadrukte Programmatic Tool Calling en multi‑agent‑support als de meest opvallende vernieuwingen in deze release. De functie laat modellen JavaScript samenstellen en uitvoeren dat tool‑calls orkestreert. Willison vond Sol competent, maar niet duidelijk beter dan Anthropic’s Claude Fable 5 bij de complexe code‑taken die hij draaide.
Kosten zijn de tweede reden waarom de gids ertoe doet. Het tokengebruik daalde in de interne tests met 41% tot 66%, terwijl de uitgaven met 33% tot 67% terugliepen – cijfers die de rekensom voor teams die agents op schaal draaien hertekenen.
OpenAI benadrukt dat de uitkomsten per workload verschillen, noemt de bandbreedtes indicatief en vraagt ontwikkelaars om de effecten te testen op representatieve taken uit hun eigen applicaties.
GPT‑5.6‑familie volgt hoog tempo in releases
GPT-5.6 kwam uit in drie varianten. Luna, Terra en Sol kosten respectievelijk $1, $2,50 en $5 per miljoen input‑tokens; output wordt geprijsd op $6, $15 en $30 per miljoen tokens. De gids introduceert bovendien een text.verbosity‑instelling om de lengte van antwoorden te sturen.
Deze koerswijziging past in een patroon. In april adviseerde OpenAI met GPT‑5.5 al om prompts opnieuw te ontwerpen in plaats van ze door te trekken naar nieuwe modellen, terwijl de GPT‑5‑gids uit augustus 2025 juist zwaarder inzette op expliciete rails om overijverigheid in te dammen. Elke cyclus schuift ontwikkelaars verder richting kortere prompts en meer vertrouwen in het model voor de route ernaartoe.
Lees ook: Ethereum loopt in op Bitcoin en test Tom Lee’s bull‑case voor 2026