简介
GPT-5.6 为复杂生产工作流的质量和效率树立了新基准。GPT-5.6 的 Token 使用效率尤其出色,在前端设计上也有所提升,能更好地安排布局、突出视觉层次并做出恰当的设计选择。
GPT-5.6 还采用了新的命名方式。gpt-5.6 别名会将请求路由到具备旗舰级能力的 gpt-5.6-sol。如果您希望以较低价格获得出色性能,可使用 gpt-5.6-terra。如果需要高效处理大批量任务,可使用 gpt-5.6-luna。
从 GPT-5.5 或 GPT-5.4 迁移时,请以您当前在 GPT-5.5 或 GPT-5.4 上使用的推理设置为起点,在有代表性的任务上分别测试原档位和低一档的设置。GPT-5.6 通常可以用更少的 Token 维持或提高质量,但最佳设置取决于您的工作负载。
新功能与改进
- 编程式工具调用: GPT-5.6 可以编写 JavaScript,在托管运行环境中调用符合条件的工具,在调用之间传递结果并处理中间输出。如果工作流范围明确、需要频繁调用工具,且无需模型在相邻步骤之间重新做出判断,可使用编程式工具调用。编程式工具调用兼容零数据保留(ZDR),不会产生额外的容器费用。
- 多智能体 [beta]: 多智能体功能可让一个 GPT-5.6 实例协调多个子智能体并行工作,并综合它们的结果。与 Codex 中的 Ultra 模式类似,对于可以拆分为多个独立部分的复杂任务,这种方式可以缩短实际耗时并提升任务表现。目前,多智能体功能已在 Responses API 中开放测试,我们会根据开发者的反馈持续改进。
- 显式提示词缓存: 使用 GPT-5.6 时,您可以明确标记要让 OpenAI 缓存哪些可复用的提示词前缀。您也可以继续在隐式模式下使用自动缓存。OpenAI 按未缓存输入费率的 1.25 倍对缓存写入计费,缓存读取仍享受折扣。了解如何配置提示词缓存。
- 持久化推理: GPT-5.6 可以跨轮次复用已有的推理项,提高多轮交互质量和缓存效率。使用
reasoning.context选择复用方式。了解如何跨调用保留推理。 - Max 推理强度: GPT-5.6 支持
max推理强度,适用于需要更多探索和验证的复杂任务。如果您目前使用xhigh,请在有代表性的工作负载上比较这两档设置。 - Pro 模式: GPT-5.6 可以投入更多计算,提高处理困难任务的可靠性,并返回一个最终答案。如果您更看重质量,对延迟和 Token 用量的要求相对宽松,可通过
reasoning.mode: "pro"启用此模式。了解如何使用 Pro 模式。 - Token 使用效率: GPT-5.6 用更少的输出 Token 即可达到旗舰级性能。
- 前端设计: GPT-5.6 能更好地把握布局和视觉层次,做出更恰当的设计选择,生成更精致、更易用的网站和应用。
- 意图理解: GPT-5.6 能更准确地从上下文推断用户的实际目标,以及用户期望任务完成到什么程度,因此您通常无需逐步指定做法。请继续提供领域背景、硬性约束、审批边界和成功标准,并告诉模型遇到哪些重要歧义时应提问。
- 原始图像细节: 图像细节级别设为
original或auto时,GPT-5.6 会保留图像尺寸,但如果任一边超过 65,535 像素,图像会缩小至该限制以内。对于仍超过 30,000 个图像块上限的图像,API 会拒绝接收,不会继续缩放。大图像可能会消耗更多输入 Token 并增加延迟。了解如何选择图像细节级别。
安全防护
使用 GPT-5.6 模型时,系统会在模型生成输出的过程中实时运行分类器,检测网络安全和生物领域的滥用行为,因此安全防护机制可能会拦截或拒绝部分请求。对于其他请求,分类器可能会在流式生成过程中同步审查输出,使生成暂停数秒,从而延长请求耗时。安全防护机制偶尔也会干预正当工作,尤其是在具有攻防双重用途的领域,因为防御活动和攻击活动在初期可能表现相似。
如果您的应用面向个人终端用户,请在每个请求中发送一个稳定且能保护隐私的 safety_identifier。有关做法,请参阅实现安全标识符。
我们正在持续改进这些防护机制,使其在面对对抗性攻击时依然稳健有效,同时让用户能够继续开展代码审查、漏洞研究、补丁开发、调试、安全教育和防御性测试等正当工作。
快速迁移
使用 Codex 迁移
Codex 可以使用 OpenAI Docs 技能应用本指南建议的更改。
$openai-docs 将此项目迁移到 GPT-5.6 模型系列
要在其他编程智能体中使用该技能,请从 OpenAI 技能代码仓库下载。
更新 API 和模型参数
- 根据工作负载选择目标模型。如果需要旗舰级能力,请使用
gpt-5.6-sol。如果要兼顾智能水平和成本,请使用gpt-5.6-terra。如果需要高效处理大批量任务,请使用gpt-5.6-luna。gpt-5.6别名会将请求路由到gpt-5.6-sol。 - 对于涉及推理、工具调用和多轮交互的工作流,请使用 Responses API。
- 根据任务需要设置
reasoning.effort。GPT-5.6 支持none、low、medium、high、xhigh和max。- 如果您从 GPT-5.5 或 GPT-5.4 迁移,请保留当前推理强度作为基准,然后与低一档的设置进行比较。
- 如果您使用
none,请将其保留为延迟基准。如果推理或工具调用有助于您的工作流,也请测试low。 - 可以从较为均衡的
medium开始。对于延迟敏感的工作负载,请使用low。 - 如果实测表明增加推理能提高质量,请使用
high或xhigh。 - 仅对最困难且质量优先的工作负载使用
max。比较max和xhigh,找到最适合您使用场景的质量、延迟和成本平衡点。
- 要使用 Pro 模式,请保留所选的 GPT-5.6 模型,并在 Responses API 中将
reasoning.mode设为pro。不要切换到单独的 Pro 模型 Slug。请单独选择reasoning.effort。如果省略此参数,GPT-5.6 在标准模式和 Pro 模式下均默认使用medium。有关请求示例和计费详情,请参阅推理模式。 - 配置持久化推理时,请考虑先前的推理中有多少内容仍与当前任务相关。GPT-5.6 模型默认使用
all_turns,更早的模型默认使用current_turn。- 省略
reasoning.context或将其设为auto,即可使用 GPT-5.6 的默认设置all_turns。检查响应中的reasoning.context字段,确认实际生效的模式。 - 如果任务目标、假设和优先级在各轮交互中保持稳定,请将
reasoning.context设为all_turns。 - 使用
all_turns时,请通过previous_response_id继续交互,以便模型使用先前响应中的推理内容。 - 如果手动管理历史记录,请保留并重新发送先前的用户输入以及各次响应中的所有输出项。如果使用
store: false或零数据保留,请在后续请求中重新发送 API 默认返回的加密推理项。 - 如果先前的推理不再相关,请将
reasoning.context设为current_turn。
- 省略
- 检查提示词缓存配置。您无需更改代码即可继续使用隐式缓存。由于 GPT-5.6 缓存写入的费率是未缓存输入费率的 1.25 倍,请跟踪
cached_tokens和cache_write_tokens以了解净成本。使用显式断点或prompt_cache_options.mode: "explicit"避免不必要的写入,并将prompt_cache_retention替换为prompt_cache_options.ttl。 - 要使用编程式工具调用,请添加
programmatic_tool_calling工具,并通过allowed_callers为符合条件的工具启用此调用方式。更新应用,使其能够处理program项、由程序发起的函数调用以及program_output项,同时保留每次调用的call_id及其与caller的关联。有关发起请求和继续调用的示例,请参阅编程式工具调用指南。- 在有代表性的任务上对启用编程式工具调用(PTC)的工作流进行基准测试。比较任务是否成功、最终答案是否完整、是否包含所需证据,以及 Token 总量、延迟和成本。只有当最终答案仍达到所要求的质量标准时,减少调用次数、交互轮次或中间输出才算改进。
提示词编写建议
优先使用精简的提示词
删除重复的指令和示例,并简化工具描述,可以提升任务表现和 Token 使用效率。在一组内部编程智能体评估中,使用更精简的系统提示词后,评估得分提高了约 10%–15%,Token 总量减少了 41%–66%,成本降低了 33%–67%。结果因工作负载而异,这些范围仅供参考。请在您自己的应用中选取有代表性的任务,验证更改的效果。
要在保留重要指引的同时精简提示词,请采用以下做法:
- 从已经有效的提示词和工具集开始。每次只移除一组指令、示例或工具,然后重新运行相同的评估。
- 每条指令只写一次。
- 只向模型提供与任务相关的工具,并确保工具描述简洁、准确。
- 如果示例和风格指引体现了产品要求,或能弥补评估中发现的不足,请保留它们。
- 在每次运行开始时检查上下文,并在对话增长时持续跟踪。会话越长,提示词和工具内容重复出现的影响就可能越大。
明确自主操作范围和审批边界
GPT-5.6 执行多步骤任务时能够主动行动并持续推进。请明确每类请求授权模型执行哪些操作,使其能够连续完成范围内的安全工作,同时在执行外部操作、破坏性操作、成本高昂的操作或扩大任务范围的操作前停下来。
通常,简短的策略就足够了:
如果用户要求回答问题、作出解释、审查、诊断或制定计划,请查看相关材料并报告结果。只有当用户同时要求更改时,才实施更改。
如果用户要求更改、构建或修复,请直接在本地完成用户要求且在任务范围内的更改,并运行相关的非破坏性验证,无需事先询问。
向外部系统写入数据、执行破坏性操作、进行购买或实质性扩大任务范围之前,必须先获得用户确认。
明确列出安全的本地操作,例如读取文件、检查日志、编辑任务范围内的代码和运行测试。将策略集中写在一处,每条规则只写一次。反复强调“先询问”“不要修改”或“等待审批”,可能导致模型在执行安全且符合预期的操作时也提出不必要的审批请求。
设置响应长度和风格
默认情况下,GPT-5.6 的回答通常比 GPT-5.5 更简洁。迁移时,请检查“简明扼要”或“回答要简短”等宽泛的指令是否仍然有用。对于某些任务,这类指令可能多余,有时甚至会使回答过于简略。如果这些指令能稳定地产生应用所需的输出,请保留它们。
为了在不同请求中更一致地控制回答的详略程度,请使用 text.verbosity 设置默认详细程度,再通过提示词说明具体任务的要求。
使用 text.verbosity 设置默认详细程度
选择 low、medium 或 high 作为请求的默认详细程度。在提示词中说明该任务对长度、结构或必备内容的具体要求。有关 API 示例,请参阅设置 text.verbosity。
明确简短回答必须包含哪些内容
如果任务需要较短的回答,请明确模型必须保留哪些信息,以及可以省略哪些细节。例如:
先给出结论,再列出支撑结论所需的证据,说明需要注意的重要限制以及下一步行动。略去次要细节和重复内容。
保留所有必要的事实、决定、注意事项和后续步骤。需要精简时,优先删减开场白、重复内容、泛泛的安抚语和可省略的背景信息。
这样,模型就有了明确的优先顺序:先保留完成任务所需的内容,再删减价值较低的细节。
明确语气
“友好”或“有同理心”等宽泛描述可能有多种理解。请说明哪些具体写法体现了产品的语气,例如回答应有多直接、何时应先回应用户反映的问题,以及是否适合使用安抚语或结束语。
直接给出答案。如果用户反映了问题,先回应用户提到的具体问题,再说明下一步该怎么做。只在切合实际情况时使用安抚语。省略泛泛的称赞和不必要的结束语。
Pro 模式
质量最重要时选择 Pro 模式
Pro 模式是 Responses API 的一种执行模式。模型会为每个请求投入更多计算,然后返回一个最终答案。这可以提高模型处理困难任务的可靠性,但会增加延迟。用量统计会汇总这些计算所消耗的 Token,并按所选模型的标准 Token 费率计费。
如果任务足够复杂,能够从更多计算中受益,并且即便小幅提升质量也能对结果产生实质影响,请使用 Pro 模式。例如,复杂的优化任务、价值较高的编码或审查任务,以及有明确评估标准的深入分析。对于常规任务、延迟敏感的任务或大批量任务,以及评估未显示 Pro 模式带来明显收益的情况,请优先使用标准模式。
推理模式和推理强度可以独立设置。Pro 模式适用于所有 GPT-5.6 模型,以及各模型支持的所有推理强度。请从标准模式基准所用的模型和强度开始,然后在有代表性的任务上比较不同配置,不要假定最高强度总是最佳选择。
在 API 中配置 Pro 模式
在 API 请求中启用 Pro 模式。沿用标准模式下以结果为导向的提示词,说明目标、相关上下文、约束、所需证据、成功标准和输出格式。您无需要求模型“使用 Pro 模式”“更深入地思考”或生成多个候选答案。
例如:
审查这份数据库迁移计划,找出可能导致数据丢失或长时间停机的故障情形。针对每项发现,引用计划中的相关步骤,估计影响和发生的可能性,并建议一项具体的缓解措施。列出最重要的五项风险,按严重程度从高到低排列。
比较质量和成本
在相同的代表性任务上比较标准模式和 Pro 模式。衡量任务是否成功、答案是否完整、是否提供所需证据,以及 Token 总量、延迟和成本。如果质量或可靠性的提升值得投入额外计算,再针对这些任务使用 Pro 模式。
更多信息请参阅推理模式指南。
编程式工具调用
根据任务特点选择编程式工具调用
编程式工具调用(PTC)最适合范围明确的工作流:代码可以处理多个工具的结果或大量中间输出,然后返回精简得多的结构化结果。可将其用于筛选、联接、排序、去重、聚合、验证或其他处理逻辑可预先确定的操作。
仅凭调用次数多、可以并行调用或调用之间存在依赖关系,还不足以决定使用编程式工具调用。在以下情况下,请优先使用直接工具调用(不使用 PTC):
- 一次调用就足够
- 中间输出已经很小
- 每次调用的结果都可能改变模型接下来的决定
- 某项操作需要审批
- 最终输出必须保留引用或原生制品
针对任务明确调用方式
如果希望模型选对调用方式,仅提供工具或给出“高效使用编程式工具调用”之类的笼统指令并不够。当直接调用和编程式调用都可用时,请明确说明:
- 哪个范围明确的阶段应使用编程式工具调用。
- 该阶段可以调用哪些工具。
- 确切的输出模式和所需证据。
- 并发限制、重试上限和停止条件。
- 哪些工作仍应通过直接调用完成。
工具描述应说明预期返回的字段、字段类型以及出错时的行为。如果模型在编写程序前无法确定返回结果的结构,请优先使用直接工具调用,让模型先检查结果,再决定如何使用。
如果两种调用方式都需要,请明确一个交接点,并告诉模型不要来回切换调用方式,也不要重复已完成的工作。
例如:
<tool_orchestration>
在 [bounded stage] 阶段使用编程式工具调用,仅调用 [eligible tools]。安全条件允许时,并发执行彼此独立的调用。仅使用工具文档中列明的输入和输出字段。
处理并精简中间结果,然后严格按照 [output schema] 输出结果,并包含最终答案所需的证据。
满足 [condition] 时停止。遇到暂时性故障时,最多重试 [R] 次。不要重复已完成的调用,也不要执行会产生副作用的操作。如果仍然缺少必需的结果,请以结构化形式明确报告失败。
对于 [semantic judgment, approval, or final validation],请直接调用工具。
</tool_orchestration>
评估最终答案
program_output 项和助手最终返回的 message 是两份独立的输出,请务必分别测试。即使程序返回了正确的记录,最终消息也可能遗漏必填字段、引用或重要的限定条件。
在相同的代表性任务上比较直接调用和编程式调用。先检查最终响应是否正确、完整,是否包含所需证据,再比较 Token 总量、延迟、成本、调用次数、交互轮次和重试次数。只有当响应仍能通过现有评估时,减少资源消耗才算改进。
更多信息请参阅编程式工具调用指南。