OpenAI 在 10 月 2 日发布了一篇博文，专门讲怎么用好 GPT‑6 系列模型。官方给这套指南定的调子很直接：帮你在控制时间和成本的同时，把模型能力发挥出来。

整篇指南围绕四件事展开——选模型、写提示词、管长任务、准备上生产。其中最有反常识感的一条是：不必默认用"最强"模型。

打开网易新闻 查看精彩图片

先选对模型，再谈别的

OpenAI 的建议是按工作负载挑模型，而不是一上来就选最贵的那个。简单任务用轻量模型，通常更快也更便宜。官方把 GPT‑6 系列拆成三档：

  • GPT‑6 Astra：适合需要最高智能水平、难度最大的推理工作。
  • GPT‑6.1 Sol：适合复杂编程、研究和计算机使用任务。
  • GPT‑6 Luna：适合大规模处理特定任务，以及目标明确的日常重复性工作，比如提取发票字段、对请求分类、生成结构化摘要。

这三档的划分逻辑其实很清楚：把"聪明"和"划算"分开对待。发票字段提取这种活，用最高智能水平的模型属于浪费。

提示词别写长，先写清四件事

在提示词这块，OpenAI 的观点和很多人的直觉相反——与其写冗长的步骤，不如先把结果说清楚。官方推荐用户明确目标、受众、相关上下文、限制条件，以及"什么算完成"。

换句话说，你要告诉模型：我想要什么结果、给谁用、有什么不能改。同时还要说明模型可以自行决定什么、什么时候需要征求你的意见。这套写法的核心是把边界划出来，而不是把路径铺满。

推理强度不是越高越好

指南里还提到推理强度的用法。OpenAI 认为日常问答不必追求最高推理强度，只有复杂分析、调试或深度研究这类场景才值得升级。

这条建议和选模型那条是同一个思路：把资源花在真正需要的地方。日常问答开满推理强度，换来的是更长的等待和更高的成本，收益却未必明显。

官方在介绍里说，这套指南覆盖的场景包括把想法变成可运行的原型、开发并测试功能，以及编排跨代码仓库、数据库和外部 API 的多步骤工作流。对每天和模型打交道的开发者来说，选型、提示词、推理强度这三件事，基本决定了账单和效率的走向。