2026 年 10 月 2 日

GPT‑6 模型家族选型指南

在管理好时间与成本的前提下，充分发挥 GPT‑6 模型最佳效果的实用建议

GPT‑6 是我们迄今最先进的模型套件，可针对不同类型的工作提供多种模型供你选择。

无论你是在把想法变成可工作的原型、构建并测试一项功能，还是在代码仓库、数据库和外部 API 之间编排多步骤工作流，本指南都会讲解如何选择 GPT‑6 模型、如何给出有效指令、如何管理长时间运行的任务，以及如何为生产环境做好准备。

摘要

在生产环境中高效运行。 使用 缓存（在 新窗口打开） 和 上下文压缩（在 新窗口打开） 来管理上下文和成本。衡量任务成功率与延迟，并为监控与数据控制做好规划。

让模型匹配你的工作负载。 通过选择合适的模型、推理强度（在 新窗口打开） 和速度，在能力、成本与延迟之间取得平衡。

调整提示词与技能。 让提示词、技能和仓库说明在以下问题上保持一致：模型应交付什么、它可以独立完成什么、以及怎样算作完成。

让长时间运行的任务保持在轨。 利用 steering（在 新窗口打开）、异步工具（在 新窗口打开） 和 任务委派（在 新窗口打开） 来处理更新和独立工作。明确设定模型何时应主动询问输入的边界。

1. 在生产环境中高效运行

为生产环境做好准备

在部署之前，有几项检查和最佳实践需要落实到位。

时刻关注效率。在保留必要证据的前提下，裁剪任务不需要的上下文（在 新窗口打开）。在应用支持的情况下，并行运行相互独立的任务（在 新窗口打开），避免因某一步较慢而阻塞无关工作。

通过 提示缓存（在 新窗口打开） 复用重复工作中的共享上下文。缓存输入 token 的成本最多可比未缓存输入令牌低 95%（在 新窗口打开），具体取决于所用模型。请将稳定的指令和参考资料放在易变的任务细节之前，并保持工具定义的一致性。缓存仪表板（在 新窗口打开） 与 诊断指南（在 新窗口打开） 可帮助你定位复用被打断的位置。在估算完整工作流的成本时，请把缓存写入以及任何长上下文费率一并计入。

对于较长的会话，上下文压缩（在 新窗口打开） 能够在保留继续工作所需状态的前提下减小上下文体积。

决定如何 监控模型行为（在 新窗口打开），并审视你应用的 数据控制策略（在 新窗口打开）。

部署前进行测试：运行具有代表性的任务，衡量任务成功率、延迟以及每个成功任务的成本。可参考我们的 API 部署检查清单（在 新窗口打开）。

让模型匹配工作负载

可以将模型选择和推理强度视作一种「智能水平 / 价格」的权衡。

模型：

GPT‑6 Astra（在 新窗口打开）：用于需要最高智能水平的最难推理任务。

GPT‑6.1 Sol（在 新窗口打开）：用于复杂编码、研究和计算机使用任务。

GPT‑6 Luna（在 新窗口打开）：用于规模化执行的目标聚焦型日常重复任务，例如抽取发票字段、分类请求或生成结构化摘要。

在评估最适合任务的模型时，可对比各模型的定价（在 新窗口打开）。

推理强度： 在 API 中，可选择模型在任务上投入多少推理努力。

• 低：例行任务，例如抽取事实或进行小幅修改。
• 中：需要判断力的工作，例如规划一项功能或对比方案。
• 高：困难的调试、更深入的分析或细致的复核。
• 超高 / 最大：在支持的情况下进行测试，当「高」不够用时启用；只有当改进幅度值得付出额外时间和成本时才继续使用。

在 API 中，你可以在对话中途更改推理强度（在 新窗口打开） 而不会破坏缓存。

在 Codex 中，从该模型的默认推理强度开始，针对更简单的任务可降低强度，需要深入分析时可提高强度。

速度：

在 API 中，当响应时间很重要时（例如在聊天应用或编码工具中），可使用 快速模式（在 新窗口打开）。相比标准处理，它以更高的单 token 成本换取更快、更稳定的响应时间。

在 Codex 和 API 中，当更快的响应值得付出额外溢价时（例如快速编码迭代场景），可使用 极速模式（在 新窗口打开）。它独立于推理强度来提升 token 生成速度。GPT‑6 Astra 可用该模式（在 新窗口打开）。

2. 调整提示词与技能

给模型布置清晰的任务

"模型在理解细微差别和歧义方面已经变得好得多，因此过去有帮助的过度具体指引，在当下可能反而会妨碍效果。"（在 新窗口打开）

——Eric Provencher，OpenAI 开发者体验团队

从一项清晰的任务开始：明确你想要的结果、目标受众、相关上下文与约束，以及怎样算作完成。然后审视以下四个方面，这些要点总结自 重新思考 GPT‑6 Astra 的技能与提示词（在 新窗口打开），可深入了解如何更新你的指令：

打造更好的技能（skills）： 让描述简短且明确说明每个技能应在何时运行，仅在需要时加载支撑细节，并使用适合团队所用模型的指引取代僵化的固定流程。

更新你的 AGENTS.md： 说明哪些文档和测试在何种情况下相关，并明确授权安全的例行工作流，例如使用一次性数据且无生产访问权限的本地测试。

设定决策边界： 明确哪些操作可以独立进行、哪些需要审批，用清晰的边界取代一刀切的「始终先问」规则。

对持续推进保持明确要求： 定义「完成」包含哪些内容——实施变更、运行变更、检查结果并修复失败——并明确指出哪些决策需要你进行复核。

更多指引，请参阅 推理最佳实践（在 新窗口打开）。

定义你需要的输出

无论你是在 Codex 中工作，还是通过 API 进行构建，都应明确指定模型可以做哪些决策、何时应询问你的输入，以及什么样的回复是有用的。

给模型足够的指引，让工作持续推进，而不会在重要决策上随意猜测。告诉它哪些选择可以自行决定、何时应征求你的输入（在 新窗口打开），例如，模型可以自行决定如何组织摘要，但在改变项目范围之前应与你确认。描述一个有用的回复是什么样的（在 新窗口打开），例如使用通俗语言、技术细节贴合你的受众，并提供一个简短的交接说明，涵盖变更内容、检查过的项目以及仍需关注的事项。

3. 优化长时间运行的任务

让复杂工作持续推进

借助 GPT‑6 系列模型，你现在可以承接持续数小时乃至数天的任务。使用以下功能来更好地管理长时间运行任务中的智能体。