En Resumen
- OpenAI publicó una nueva guía de prompting para GPT-5.6 Sol que recomienda instrucciones más cortas y orientadas al resultado.
- La compañía reveló que prompts concisos mejoraron evaluaciones de agentes de programación entre 10% y 15% y redujeron costos hasta 67%.
- La guía advirtió que reglas en conflicto generan más inestabilidad que los detalles faltantes y desaconsejó términos absolutos como "siempre" o "nunca".
OpenAI publicó una nueva guía de prompting para GPT-5.6 Sol, su modelo insignia recientemente lanzado, y el mensaje principal le parecerá equivocado a cualquiera que haya pasado el último año escribiendo prompts de sistema de varias páginas: deja de escribir tanto. La idea central es el prompting orientado al resultado. Define cómo se ve un buen resultado, establece las condiciones de parada y quítate del camino.
Las instrucciones detalladas de cómo hacer las cosas, las reglas de estilo repetidas, los ejemplos que no cambian el comportamiento: todo eso ahora se considera ruido.
OpenAI respalda esto con números: en pruebas internas de agentes de programación, los prompts de sistema más concisos mejoraron los puntajes de evaluación en aproximadamente un 10–15%, al tiempo que redujeron el total de tokens en un 41–66% y los costos en un 33–67%.
GPT-5 vs. GPT-5.6: Qué cambió realmente
La guía de prompting de GPT-5, publicada en su lanzamiento en agosto de 2025, trataba sobre agregar andamiaje. Incluía bloques de persistencia en XML que le indicaban al modelo que siguiera trabajando hasta resolver el problema, plantillas detalladas de recopilación de contexto que mapeaban exactamente cómo paralelizar búsquedas y cuándo escalar, y scripts de preámbulo de herramientas que narraban cada paso en voz alta.
La filosofía era calibrar el impulso: construir rieles explícitos para saber cuándo esforzarse más o cuándo detenerse.
GPT-5.6 en su mayor parte no necesita esos rieles. La nueva guía indica que hay que recortar: reglas repetidas, instrucciones de estilo que no cambian el comportamiento, ejemplos que no aportan nada, y pasos de proceso que el modelo ya maneja de forma confiable. Básicamente, ese bloque con sus lotes de búsqueda paralela y criterios de parada anticipada que antes ayudaba, ahora es andamiaje que el modelo tiene que analizar a su alrededor, no andamiaje que lo ayude.
Lo que realmente se conserva es más simple: el resultado visible para el usuario, los criterios de éxito, las condiciones de parada y las restricciones estrictas. El modelo de un buen prompt según la guía comienza con "Resuelve el problema del cliente de principio a fin", y luego especifica exactamente cómo se ve el resultado final, qué acciones completar antes de responder, y qué hacer cuando falta evidencia necesaria. No "sé minucioso". No "sigue intentando". Solo: aquí está el destino.
El cálculo de riesgo también cambió. La guía advierte que GPT-5.6 sigue de cerca los contratos de prompt, y que "las reglas en conflicto pueden generar más inestabilidad que los detalles faltantes".
Un modelo anterior elegiría una instrucción cuando encontrara un conflicto. GPT-5.6 consume tokens de razonamiento intentando reconciliar ambas, lo que es más lento, más costoso y frecuentemente incorrecto. Si tu prompt de sistema tiene reglas superpuestas —y la mayoría de los prompts en producción las tienen— esto es lo primero que hay que corregir.
Además, OpenAI desaconseja fuertemente el viejo truco de recurrir a términos absolutos como "siempre haz esto" o "nunca hagas aquello" para orientar el comportamiento de la IA en una dirección específica.
Dos adiciones concretas completan la diferencia. La primera es el parámetro text.verbosity: dado que GPT-5.6 ya es más conciso por defecto que GPT-5.5, las antiguas instrucciones de "sé breve" ahora sobre-corrigen y hacen las respuestas demasiado cortas. Establece un valor global predeterminado mediante el parámetro y luego ajústalo por tarea en el prompt. La segunda es una sección sobre Programmatic Tool Calling: para flujos de trabajo acotados donde el código se encarga del filtrado, la agrupación o la agregación de grandes resultados intermedios y devuelve un resultado compacto, delegando ese trabajo completamente fuera del criterio del modelo.
¿Pero funciona?
Usamos la guía para optimizar nuestro prompt para TYPE OR DIE, el juego de survival horror de escritura en primera persona que creamos para evaluar las capacidades de programación de un modelo. El resultado fue más pulido: GPT-5.6 Sol abordó la lógica de apuntado automático de manera más eficiente que en ejecuciones anteriores, los visuales tuvieron mayor coherencia y la sensación general del juego fue más limpia.
Tardó más en construirse. El modelo no saltó directamente al código: primero mapeó el problema completo y planificó cada sistema antes de escribir una línea. Eso es la guía funcionando como se esperaba. Define el destino; el modelo elige la ruta.
El nuevo prompt está disponible en nuestro Github para que puedas revisarlo.
Puedes jugar el juego original de GPT 5.6 haciendo clic en este enlace.
El juego creado con el nuevo prompt está disponible aquí.
Si quieres ir más lejos, o simplemente no tienes ganas de memorizar todas estas nuevas pautas, puedes crear tu propio GPT personalizado y darle la guía completa como base de conocimiento. Configúralo para analizar cualquier prompt que le envíes, entender la lógica subyacente y reescribirlo al estilo de GPT-5.6. Terminas usando prompt engineering para diseñar mejores prompts.