A OpenAI publica um guia de prompts do GPT-5.6, economizando mais de 40% de tokens

A OpenAI publicou oficialmente um guia de prompts para o GPT-5.6. Testes internos mostraram que, ao reduzir bastante um system prompt longo, a pontuação não só não cai como até sobe de 10% a 15%, enquanto o uso de tokens cai de 41% a 66%. O ponto central do guia é: o desenvolvedor só precisa informar ao modelo o resultado esperado e as linhas vermelhas, sem precisar definir como seguir cada passo; o modelo escolhe sozinho o caminho mais eficiente.

Dados de teste para system prompt mais enxuto

（Fonte: site oficial da OpenAI）

De acordo com o guia do OpenAI GPT-5.6, a equipe de engenharia constatou em testes práticos que, no system prompt, as quatro categorias abaixo podem ser removidas e, após a remoção, o desempenho do modelo fica ainda melhor:

Regras repetidas: parágrafos que reforçam repetidamente a mesma restrição

Instruções de estilo sem impacto real no comportamento: como “responda de forma profissional”, “responda de forma breve” etc. (o GPT-5.6 padrão já é mais enxuto)

Exemplos desnecessários: demonstrações que não aumentam informação útil

Orientação de fluxos que o modelo já consegue fazer: excesso de explicações passo a passo

O método recomendado de enxugamento é “começar pelo que já funciona e ir removendo aos poucos”: manter o prompt eficaz e, removendo trechos suspeitos um por um, acompanhar a avaliação (pontuação de avaliação quantitativa). Se a pontuação não cair, confirma-se a remoção. O que realmente deve ser mantido: definição visível dos resultados, critérios de sucesso e de parada, limitações de segurança e comerciais, além de regras de seleção de ferramentas e do formato de saída.

Novo foco do texto: escrever apenas resultados e linhas vermelhas

De acordo com o guia do OpenAI GPT-5.6, o princípio mais importante do prompt é: “defina o resultado, as restrições importantes, as evidências disponíveis e os critérios de conclusão, e então deixe espaço para o modelo escolher por conta própria o caminho mais eficiente”. A política de exemplo fornecida pela OpenAI é: “resolver a solicitação com o menor número de iterações de loop de ferramentas úteis, mas sem sacrificar a correção, evidências necessárias ou citações ao reduzir a quantidade de iterações” — essa é uma regra de decisão, e não um comando rígido.

Quanto ao uso de parâmetros, text.verbosity (low/medium/high) controla especificamente o comprimento das respostas; o tom e a formalidade devem ser descritos separadamente. Já o reasoning effort (low/medium/high/xhigh/max) gerencia a força do raciocínio do modelo; antes de aumentar, a OpenAI recomenda primeiro verificar se o prompt já define claramente os critérios de sucesso e o ciclo de verificação — “deixar tudo bem explicado costuma ser mais efetivo do que adicionar mais raciocínio”.

A descrição de ferramentas também faz parte do prompt: as ferramentas devem ser mantidas apenas quando forem relacionadas à tarefa. Cada descrição de ferramenta deve dizer o que faz, quando usar e como o modelo deve agir quando der erro.

Perguntas frequentes

Por que simplificar o system prompt, em vez de reduzir, aumenta a pontuação do GPT-5.6?

Conforme explicado no guia da OpenAI, um system prompt excessivamente detalhado adiciona ao modelo uma carga de interpretação desnecessária e, além disso, instruções repetidas e redundantes podem atrapalhar o modelo a identificar as prioridades reais. Como o GPT-5.6 tem forte capacidade de raciocínio, ao fornecer objetivos e limitações, ele mesmo escolhe caminhos eficazes; regras excessivas de etapas acabam por restringir o desempenho.

Como configurar os parâmetros text.verbosity e reasoning effort?

De acordo com o guia, text.verbosity tem três níveis (low/medium/high), controlando especificamente o comprimento das respostas; reasoning effort tem cinco níveis (low/medium/high/xhigh/max), gerenciando a intensidade do raciocínio; ambos devem ser definidos separadamente, sem depender de empilhar texto no system prompt. Antes de aumentar o reasoning effort, deve-se confirmar que o prompt define claramente os critérios de sucesso, pois muitas vezes “deixar tudo bem explicado é mais efetivo do que pensar mais”.

Qual é a ordem correta para migrar o fluxo de trabalho do prompt?

De acordo com o guia da OpenAI, a ordem correta de migração é: primeiro trocar o modelo (mantendo a configuração original de raciocínio) → rodar o eval como base → remover andaimes antigos e instruções repetidas → fazer a correção mínima apenas nos pontos em que o eval mostrou queda real de desempenho → medir novamente. O princípio-chave é alterar apenas um fator por vez: sem modificar simultaneamente o modelo, as configurações de raciocínio, o prompt e o conjunto de ferramentas, caso contrário não será possível determinar qual item causou a mudança de comportamento.