Lädt …

OpenAI hat gerade neue Prompt‑Vorlagen und API‑Anpassungen für seine neuesten GPT‑6.2‑Modelle veröffentlicht – Astra für anspruchsvolle Aufgaben und Sol für günstigere, komplexe Arbeiten. Die wichtigste Meldung? Astra kostet jetzt 8 $ pro Million Eingabetoken und 40 $ pro Million Ausgabetoken, und OpenAI fordert Entwickler auf, alte Prompt‑Stacks zu verwerfen und die neuen, ergebnisorientierten Vorlagen zu übernehmen.
Laut The Decoder hat OpenAI system‑Prompt‑Vorlagen für GPT‑6.2 Astra und Sol veröffentlicht, die drei Schmerzpunkte adressieren: Schreibstil, Initiative und Programmierung. Astra wird als „knapper und direkter“ als seine Vorgänger beschrieben, sodass Prompt‑Anweisungen wie „sei prägnant“ jetzt überflüssig sind. Der empfohlene Alltags‑Prompt weist das Modell an, die Terminologie des Nutzers zu verwenden, im Aktiv zu schreiben und die wichtigsten Punkte zu Beginn zu platzieren. Für externe Zielgruppen soll es Kontext hinzufügen, den der Leser fehlt; beim Editieren soll es den Ton des Autors bewahren.
Bei längeren Aufgaben kann das Modell unabsichtlich Abkürzungen aus seiner eigenen Überlegung in die endgültige Antwort übernehmen. OpenAIs neue Vorlage weist das Modell ausdrücklich an, die finale Antwort eigenständig zu gestalten, sodass Nutzer nie durch zusammengeklappte Zwischenmeldungen wühlen müssen. Wenn das Modell nicht weiß, was als Nächstes zu tun ist, kann es einen Schritt vorschlagen und auf Bestätigung warten. Die Anleitung empfiehlt nun, Entwicklern zu erlauben, diesen Schritt automatisch auszuführen, es sei denn, die Aktion stellt eine wesentliche Umfangsänderung, ein Blocker, eine Entscheidung des Nutzers oder eine destruktive Operation dar.
Der Programmier‑Prompt fordert die Wiederverwendung vorhandener Repository‑Logik, vermeidet unnötige Hilfsfunktionen und fügt neue Tests nur auf Anfrage oder wenn das Repository es verlangt hinzu. Er verbietet zudem „Code‑Golf“-Abkürzungen, die die Lesbarkeit beeinträchtigen. Für Front‑End‑Arbeiten bevorzugt die Vorlage realistische Bilder oder SVGs nur auf Abruf und weist das Modell an, dekorative Nummerierungen und Fülltexte zu entfernen.
Auf der API‑Seite verwirft die Responses‑API frühere Überlegungsinhalte, wenn Sie den Gesprächsverlauf bearbeiten, das Modell wechseln oder den End‑User/Organisation ändern. Das kann den Token‑Verbrauch erhöhen, weil das Modell Arbeit wiederholen kann. OpenAI empfiehlt jetzt ein „mittleres“ Reasoning‑Level für brandneue Integrationen und eine Umstellung von „keine“ oder „minimal“ auf „niedrig“ für bestehende Setups. Die Parameter Temperature und top_p werden nicht mehr unterstützt.
Preislich beginnt die Astra‑API bei 8 $ / M Eingabetoken und 40 $ / M Ausgabetoken bis zu 272 k Token, danach steigt sie auf 16 $ / M bzw. 60 $ / M. Cache‑Lesevorgänge kosten 0,80 $ / M Token. Sols Preise sind niedriger, werden im Ausschnitt jedoch nicht angegeben. The Decoder weist darauf hin, dass lange Programmier‑Sessions schnell das Limit erreichen können, weshalb OpenAIs Codex den Kontext nach 272 k Token automatisch komprimiert.
Wenn Sie ein schlankes Unternehmen führen, sind zwei Dinge besonders belastend: Token‑Rechnungen und die Qualität der Ausgaben. Die neue Preisgestaltung macht es leicht, bei einem einzigen, langlaufenden Prompt zu viel auszugeben, besonders wenn Sie noch das Reasoning‑Level „keine“ verwenden und das Modell seine eigenen Zwischenergebnisse erneut sendet. Der Wechsel zum empfohlenen „niedrigen“ oder „mittleren“ Reasoning‑Level kann Tokens einsparen, ohne die Nützlichkeit zu beeinträchtigen.
Ebenso wichtig ist, dass der standardmäßig knappe Stil von Astra bedeutet, dass viele der „sei prägnant“-Anweisungen, die Sie in Ihren Prompts verstreut haben, jetzt nur noch Rauschen sind. Das Beibehalten alter Prompt‑Stacks verschwendet nicht nur Tokens, sondern löst auch die Gewohnheit des Modells aus, Nachfragen zu stellen – etwas, das OpenAI mit den September‑Astra‑Prompts eindämmen wollte. Das Aktualisieren auf die neuen Vorlagen sorgt dafür, dass die Antworten des Modells eigenständiger sind, was zu weniger Hin‑und‑Her‑Nachrichten und einer reibungsloseren Benutzererfahrung für interne Tools oder kundenorientierte Bots führt.
Abschließend erinnert die Programmier‑Leitlinie daran, dass KI‑generierter Code zwar elegant aussehen kann, aber ein Wartungsalptraum ist. Durch das Erzwingen von Lesbarkeit und Wiederverwendung helfen die neuen Prompts, versteckte technische Schulden zu vermeiden, die kleine Teams später nicht mehr abtragen können.
Open-source Hermes Agent is coming to Microsoft Teams, allowing workers to package successful AI workflows into team-wide reusable skills.

OpenAI's internal data shows researchers value their AI coding agents so highly they'd rather give up staff, despite the tools frequently producing 'AI slop' and requiring significant human oversight.

Reson8 open-sourced Rumble-2-Flash, a 0.5B parameter ASR model for 40+ languages that outperforms models up to 60x larger, with Apache 2.0 licensing.

Instagram introduces a tool to detect unauthorized video reposts and AI-modified content, allowing creators to block or label infringing posts.

Kommentare2
Dropping the redundant "be concise" instructions is long overdue, especially for operations teams managing high-volume document pipelines where every extra token adds up. I am more interested in whether Sol can actually maintain that logic-to-cost ratio in multi-step agentic workflows without needing constant human sanity checks on the intermediate steps.
In my benchmark tests with Sol last week, the error rate spiked dramatically by step three of an agent loop, forcing me to throw in extra validator calls just to keep it on the rails. For complex workflows, you are definitely still paying the "babysitting tax" in both API costs and dev hours.
The new pricing for Astra seems steep; we tried a similar model and ended up with a 30% increase in costs, how do you plan to mitigate this?