OpenAI publica la guía de prompts de GPT-5.6; ahorra más del 40% de tokens

OpenAI publica oficialmente la guía de prompts para GPT-5.6; las pruebas internas muestran que, al reducir de forma significativa un prompt de sistema largo, la puntuación no solo no disminuye, sino que aumenta entre un 10% y un 15%, mientras que el uso de tokens se reduce entre un 41% y un 66%. La idea central de la guía es: los desarrolladores solo deben decirle al modelo el resultado y las líneas rojas, sin especificar cada paso; el modelo elegirá por sí mismo la ruta más eficiente.

Datos de prueba al recortar system prompt

(Fuente: sitio web oficial de OpenAI)

De acuerdo con la guía de OpenAI para GPT-5.6, el equipo de ingeniería comprobó en la práctica que las siguientes cuatro categorías de contenido dentro del prompt de sistema se pueden eliminar y, tras hacerlo, el rendimiento del modelo incluso mejora:

Reglas repetidas: párrafos que recalcan una misma restricción una y otra vez

Instrucciones de estilo sin impacto real en la conducta: como “responde de forma profesional”, “responde de forma breve”, etc. (GPT-5.6 por defecto ya es más conciso)

Ejemplos redundantes: demostraciones que no aportan información útil adicional

Guías de procesos que el modelo ya puede hacer: explicaciones demasiado paso a paso

El método recomendado para recortar es “empezar por una versión que funcione y luego ir eliminando gradualmente”: primero conservar el prompt efectivo, eliminar en bloques las partes dudosas mientras se hace seguimiento de la evaluación (puntuación de evaluación cuantitativa); si la puntuación no baja, se confirma que la eliminación es válida. El contenido que de verdad se debe conservar incluye: definiciones visibles de resultados, criterios de éxito y de parada, restricciones de seguridad y comerciales, así como reglas de selección de herramientas y formato de salida.

Lo nuevo: solo escribir resultados y líneas rojas

Según la guía de OpenAI para GPT-5.6, el principio más importante del prompt es: “Definir el resultado, las limitaciones clave, las evidencias disponibles y los criterios de finalización, y dejar espacio para que el modelo elija por sí mismo una ruta eficiente.” La política de ejemplo que ofrece OpenAI es: “Resolver la solicitud con el menor ciclo de herramientas útiles, pero sin sacrificar la corrección, las evidencias necesarias o las citas al reducir el número de ciclos” — esto es una regla de decisión, no un mandato rígido.

En cuanto al uso de parámetros, text.verbosity (low/medium/high) controla específicamente la longitud de la respuesta; el tono y la formalidad deben describirse por separado. El reasoning effort (low/medium/high/xhigh/max) gestiona la intensidad del razonamiento del modelo; antes de subirlo, OpenAI recomienda primero confirmar si el prompt ya define claramente los criterios de éxito y el ciclo de verificación: “explicar las cosas con claridad suele ser más efectivo que añadir más razonamiento”.

Las descripciones de herramientas también forman parte del prompt: las herramientas deben conservarse solo si están relacionadas con la tarea; y cada descripción debe indicar qué hace, cuándo se usa y cómo se debe comportar cuando ocurra un error.

Preguntas frecuentes

¿Por qué al recortar el system prompt sube la puntuación de GPT-5.6?

Según lo que explica la guía de OpenAI, un prompt de sistema demasiado detallado añade una carga de interpretación innecesaria al modelo, y las instrucciones repetidas o redundantes pueden interferir con el orden real de prioridades. GPT-5.6, por sí mismo, tiene una gran capacidad de razonamiento: al proporcionar objetivos y limitaciones, puede elegir rutas efectivas por cuenta propia; en cambio, las reglas de pasos adicionales pueden restringir su desempeño.

¿Cómo deberían configurarse los parámetros text.verbosity y reasoning effort?

Según la guía de OpenAI, text.verbosity tiene tres niveles (low/medium/high) y controla específicamente la longitud de la respuesta; reasoning effort se divide en cinco niveles (low/medium/high/xhigh/max) y gestiona la intensidad del razonamiento. Ambos deben configurarse por separado y no depender de apilar texto en el prompt de sistema. Antes de aumentar reasoning effort, primero hay que confirmar que el prompt define claramente los criterios de éxito, porque muchas veces “explicar las cosas con claridad es más efectivo que pensar más”.

¿Cuál es el orden correcto para migrar el flujo de trabajo del prompt?

Según la guía de OpenAI, el orden correcto de migración es: primero cambiar el modelo (manteniendo la configuración de razonamiento original) → ejecutar evaluación como línea base → eliminar andamiajes obsoletos y instrucciones repetidas → hacer la corrección mínima solo en los puntos que muestren un retroceso real en la evaluación → volver a medir. El principio clave es que en cada paso solo se cambie un factor: no modificar al mismo tiempo el modelo, la configuración de razonamiento, el prompt y el conjunto de herramientas, porque si no, no se puede determinar qué elemento causó el cambio de comportamiento.