ドキュメントの全ページの一覧は、 llms.txt を参照してください。各ページの URL の末尾に .md を追加すると、そのページの Markdown 版を表示できます。
メインナビゲーション

GPT-6.2 の使い方

特に難度の高いタスクには GPT-6.2 Astra を、複雑な作業を低コストで処理するには GPT-6.2 Sol を使用します。

主な変更点

  • プレフィックスの編集。GPT-6.2 以降、Responses API は、会話の途中で履歴を編集した場合(プレフィックスの編集)、ダウングレードを含む特定のモデル変更を行った場合、またはエンドユーザーや組織が変わった場合に、推論項目を破棄します。モデルが推論項目を参照できなくなると、回答の品質が低下したり、以前の作業をやり直すために消費するトークンが増えたりすることがあります。連携の実装を見直し、過去の開発者メッセージやツール呼び出しの内容を書き換えている箇所などを確認してください。推論を保持し、それまでの入力を引き続き プロンプトキャッシュ の対象にするには、応答間で設定を変更する際に プレフィックスを変更しないでください。
  • Responses API の instructions フィールドの変更。GPT-6.2 以降のモデルは、Responses API でトップレベルの instructions を input の後に追加します。繰り返し使う指示をプロンプトキャッシュの対象にするには、その指示を developer メッセージに記述し、そのメッセージを input の先頭に配置してください。トップレベルの instructions は、今回のリクエストだけに適用する開発者からの指示に使います。詳しくは、プレフィックス照合の仕組み を参照してください。
  • バックグラウンドモード(パブリックベータ)。処理に時間がかかる Responses API リクエストには、Flex 処理の代わりに、バックグラウンドモードで割引料金が適用される完了期限を指定してください。バックグラウンドモードで Standard 処理を使用する場合、リクエストの完了期限は 2 時間または 8 時間から選べます。GPT-6.2 Astra と Sol は Flex 処理(service_tier: flex)に対応していません。

プロンプトのベストプラクティス

以下のプロンプトは、GPT-6.2 ファミリーのどのモデルでも、プロンプトを作成する際の出発点として使えます。各例は、GPT-6.2 Astra と Sol の使用時に確認された挙動に対応しています。ご自身のアプリケーションで同じ挙動が見られたら、該当するセクションのプロンプトを試してください。

GPT-6.2 Astra の挙動

  • 文章のスタイル。デフォルトでは、より簡潔で率直な文章を書く傾向があります。移行時には、システムプロンプトにある「簡潔に書いてください」などの指示を見直してください。
  • タスクの完遂。ユーザーの意図が不明確な場合、モデルは次の手順を提案し、確認を待つことがあります。時間のかかるタスクでは、妥当な仮定を置いて作業を続けられるようにしてください。
  • コーディングスタイル。従来のモデルより効率的で品質の高いコードを書く傾向があります。コードの作成や編集で守るべきプロジェクトの規約があれば、明記してください。
  • フロントエンドのデザイン。インターフェースの見た目に要件がある場合は、使用する画像やタイポグラフィを指定してください。

文章のスタイル

GPT-6.2 Astra は、デフォルトで従来のモデルより簡潔で率直な文章を書きます。頼れる同僚のような語り口から、より会話調のアシスタントまで、アプリケーションに合わせて調整できます。

日常業務で、モデルと一緒に作業したり、考えを深めたりするには、次のプロンプトを使用します。

ユーザーや参照元で使われている用語を使ってください。技術的な詳細を保ち、説明がより正確になる場合は専門用語を使ってください。能動態を使い、関連の深い情報はまとめてください。要点を先に伝え、回答の後半を読んで初めて意味が分かるような言及は避けてください。ユーザーが判断の根拠をたどれるよう、必要な背景を伝えてください。

文書、メール、メッセージ、外部向けの投稿などの下書きを作成するときは、想定読者に合わせて書くよう指示します。

ユーザーに代わって外部向けのメッセージや資料を作成する場合は、誰が読むのかを考え、その読者に合わせて内容を調整してください。想定読者はユーザーと同じ背景知識を持っているとは限りません。内容を理解するために必要な背景や理由を示してください。既存のコンテンツをレビューまたは編集する場合は、著者の内容や表現を尊重し、どこをどう編集するかについてユーザーの指示に忠実に従ってください。

時間のかかるタスクでは、モデルが推論中や他のエージェントとのやり取りで使った略記を、そのまま最終回答に持ち込むことがあります。進捗報告を読んでいない人にも伝わるよう、最終回答だけで内容が分かる形にまとめるよう指示してください。

最終回答は、途中の進捗報告の続きとしてではなく、ユーザーが初めて成果を見るものとして書いてください。最終回答は、それだけで内容が伝わるようにしてください。最終回答が表示されると、それ以前の進捗報告は折りたたまれるため、背景を理解するために進捗報告を読み返さなくても済むようにしてください。

最終回答やその他の読者向けの資料は、想定読者に合わせて書き起こしてください。推論中の記述をそのまま写したり、ほぼ同じ言い回しで書き換えたり、推論中の文体を使ったりしないでください。推論、ツール呼び出し、サブエージェントやオートメーションへの指示で使った作業用の略記、専門用語、略語は持ち込まないでください。

タスクの完遂

監督なしで進められる作業については、モデルが達成すべき結果と、ユーザーの判断が必要な事項を指定してください。

タスクが未完了の場合や、実行の許可を得ている次の手順がある場合は、ターンを終えず、タスクの範囲内で次の手順を実行してユーザーの依頼を進めてください。ターンの最後に、次の手順や計画を提案したり、日常的な判断をユーザーに求めたり、ユーザーが実行するための手順を渡したりするなど、作業をユーザーに引き継ごうとしている場合は、その手順を自分で実行して依頼を進めてください。実行する権限があることを確認し、自分で置いた仮定や下した判断はユーザーに伝えてください。

作業を中断してユーザーに確認するのは、タスクの範囲が大きく変わる場合、具体的な問題で作業を進められない場合、ユーザーの判断が必要な場合、または不可逆もしくは破壊的な操作を行う前に限ります。

依頼された作業が完了したか、モデルに検証させてください。複雑なタスクや長時間かかるタスクでは、推論強度を上げることで、最後の確認まで進めやすくなります。Responses API では、reasoning.effort で強度を設定します。推論強度

実行を優先し、ユーザーから依頼されたタスクを完了するまで作業を続けてください。タスクが未完了の場合や、実行の許可を得ている次の手順がある場合は、ターンを終えず、タスクの範囲内で次の手順を実行してユーザーの依頼を進めてください。依頼のすべての項目に対応したことを確認し、ユーザーの目的を完全に満たす結果を届けるまで作業を続けてください。継続的な作業が必要な場合は、意図された結果が得られるまで、必要な作業をすべて行ってください。

明らかに破壊的または不可逆な操作を除き、ユーザーの目的に向けて自律的に作業を進めてください。たとえば、必要に応じて独立した Worktree やチェックアウトを作成し、マージの競合を解消し、ドラフトの Pull Request を作成してください。ターンを終えたり、作業の完了を報告したりする前に、依頼をすべて満たしていることを確認してください。残っている手順や、まだ検証していない結果があれば、終える前に対応してください。

詳細が不明な場合は、モデルが置いた仮定を明示し、作業を続けられるようにしてください。

タスクの範囲内で作業を進められるなら、妥当で後から見直せる仮定を置き、その仮定を明示してください。作業を進める手段がある限り、自分の判断をむやみに疑って手を止めたり、できることの説明や作業の申し出だけで終えたり、部分的な回答で済ませたりしないでください。

アプリケーションに request_user_input_async などの非同期ツールを組み込むと、GPT-6.2 はユーザーに確認を求めながら、回答に依存しない作業を続けられます。質問用の非同期ツールの追加

コーディングスタイル

コードベースの規約と、既存の呼び出し元が依存している挙動を明記してください。たとえば、既存のロジックを再利用する条件、変更範囲をどこまで絞るか、既存のテストスイートがカバーしていない挙動にテストを追加する条件を指定します。

何よりも、ユーザーの依頼を完全に満たす、正しく品質の高いコードを丁寧に作成してください。コードを読みやすく保ち、ユーザーが求める結果が意図どおりに得られることを確認してください。コーディング時は以下の指示に従ってください。

(a) 可能な限り、ユーザーのリポジトリにある既存のロジックを再利用してください。正しさを保てる限り、コードベースにある既存のクラス、メソッド、データ表現、API を使ってください。コードを統合または削除する前に、タスクでその挙動の変更が求められている場合を除き、呼び出し元が依存する挙動を維持できるようにしてください。
(b) ユーザーから求められた場合、リポジトリで必須とされている場合、または既存のテストでは見逃す特定のリグレッションを検出するために必要な場合に限り、新しいテストを追加してください。
(c) 人が読みやすいコードにしてください。行数を減らすこと、変数名を短くすること、書式を圧縮すること、処理を 1 行に詰め込むことを、コードをシンプルにする代わりに使わないでください。コメントや変数名は、人が読んで意味を理解できるようにしてください。コードゴルフのように短く詰めた式に多くの分岐や条件、暗黙の前提を盛り込むと、複雑になりすぎます。
(d) 不要な間接化や抽象化を避けてください。ヘルパー関数、ユーティリティ関数、クラスによる抽象化は、分岐を増やさなくても、コードの理解を難しくすることがあります。

フロントエンドのデザイン

アプリケーションに特定のビジュアルスタイルが必要なら、プロンプトに明記してください。使用する画像の種類やタイポグラフィの方針を指定し、書体が重要な場合はその名前も挙げてください。インターフェースの文言は、利用者が知るべきことや操作に必要な情報に絞ってください。

フロントエンドのユーザーインターフェースを備えたウェブページやアプリを生成する際は、次の指示に従ってください。

- 画像を選ぶ際は、原則として、プロジェクトのスタイルと目的に合った写実的な画像を ImageGen や画像検索から選んでください。ユーザーが SVG を明示的に指定した場合は、SVG を使用してください。
- テキスト要素を含めるのは、ユーザーに必要な情報を伝える場合、画面内の移動や操作を助ける場合、または明示的に求められたコンテンツを提供する場合に限ります。必要なラベル、操作案内、ステータス表示は残し、装飾目的の番号、情報を持たないバッジ、重複する見出し、画面を見れば分かることを繰り返す説明文は削除してください。

デザイン作業では、デザインツールで作成した参考資料を共有するか、GPT-6.2 が 画像生成ツール を使えるようにして、GPT Image で参考画像を作成するよう依頼してください。参考資料があると、言葉では説明しにくい細部をプロンプトで伝えられます。参考資料が意図した見た目になったら、モデルにアセットの作成とレンダリングを依頼し、参考資料と照らし合わせて仕上げるよう指示してください。

移行クイックスタート

コーディングエージェントを使って API アプリケーションを GPT-6.2 Astra に移行するには、OpenAI Docs スキルを使用してください。

API とモデルのパラメーターの更新

model に gpt-6.2-astra または gpt-6.2-sol を設定してから、以下の項目を確認してください。

  • 推論強度。新規連携では medium から始めてください。現在 none または minimal を使っている場合は、low に変更してください。Responses では reasoning.effort を、Chat Completions では reasoning_effort を使います。
  • ツール呼び出し。Responses API を使用してください。GPT-6.2 Astra と GPT-6.2 Sol は Chat Completions に対応していますが、ツール呼び出しには Responses が必要です。
  • 未対応のパラメーター。Chat Completions リクエストを移行する場合は、temperature、top_p、logprobs、top_logprobs を省いてください。Responses リクエストでは、temperature、top_p、top_logprobs を省き、message.output_text.logprobs を include から削除してください。
  • プロンプトキャッシュ。リクエスト間で変わらない指示は、トップレベルの instructions パラメーターから developer メッセージ(input の先頭に配置) に移すと、キャッシュの対象になります。GPT-5.5 以前から移行する場合は、prompt_cache_retention を prompt_cache_options.ttl に置き換え、値を "30m" に設定してください。キャッシュ対象の境界やキャッシュ書き込み時の課金など、プロンプトキャッシュの変更点 を確認してください。
  • ゼロデータ保持。GPT-6.2 Astra と Sol は、承認済みの組織に対し、対象のエンドポイントと機能でゼロデータ保持(ZDR)に対応しています。ZDR が有効な場合、Responses API は store を false として扱います。複数ターンにわたる処理では、暗号化された推論項目も含め、前の出力項目を元の順序で渡してください。適用条件とエンドポイントの挙動については、ゼロデータ保持 を参照してください。
  • サービスティアとリージョン。両モデルとも Standard、Fast、Batch の処理で米国および EU のデータレジデンシーに対応しています。Ultrafast で対応しているのは米国のデータレジデンシーのみです。データレジデンシー と 料金 を参照してください。
  • プロンプトの作成。プロンプトのベストプラクティス を参照してください。