Caricamento...

OpenAI ha appena lanciato nuovi modelli di prompt e modifiche API per i suoi ultimi modelli GPT‑6.2—Astra per compiti impegnativi e Sol per lavori complessi e più economici. La notizia principale? Astra ora parte da $8 per milione di token di input e $40 per milione di token di output, e OpenAI sta esortando gli sviluppatori a eliminare i vecchi stack di prompt e ad adottare le nuove copie orientate al risultato.
Secondo The Decoder, OpenAI ha pubblicato prompt di sistema pronti all'uso per GPT‑6.2 Astra e Sol che affrontano tre punti critici: stile di scrittura, iniziativa e codifica. Astra è descritto come “più conciso e diretto” rispetto ai suoi predecessori, quindi i prompt che gli dicono di “essere conciso” sono ora ridondanti. Il prompt raccomandato per il lavoro quotidiano istruisce il modello a usare la terminologia dell'utente, scrivere in forma attiva e anticipare i punti chiave. Per il pubblico esterno, dovrebbe aggiungere il contesto che il lettore non ha; per l'editing, dovrebbe preservare il tono dell'autore.
Nei compiti più lunghi, il modello può inavvertitamente trasferire abbreviazioni dal proprio ragionamento nella risposta finale. Il nuovo modello di OpenAI istruisce esplicitamente il modello a rendere la risposta finale autonoma, in modo che gli utenti non debbano mai scavare tra messaggi intermedi collassati. Quando il modello non è sicuro di cosa fare dopo, può suggerire un passaggio e attendere conferma. La guida ora dice agli sviluppatori di dargli il permesso di eseguire quel passaggio automaticamente, a meno che l'azione non sia un cambiamento di portata importante, un blocco, una decisione che l'utente deve prendere o un'operazione distruttiva.
Il prompt di codifica spinge per il riutilizzo della logica esistente del repository, evita funzioni helper inutili e aggiunge nuovi test solo su richiesta o quando richiesto dal repository. Proibisce anche le scorciatoie “code‑golf” che sacrificano la leggibilità. Per il lavoro front‑end, il modello preferisce immagini realistiche o SVG solo su richiesta e dice al modello di eliminare la numerazione decorativa e il testo riempitivo.
Sul fronte API, l'API Responses scarterà il contenuto di ragionamento precedente se si modifica la cronologia della conversazione, si cambiano i modelli o si cambia l'utente finale/organizzazione. Ciò può gonfiare l'utilizzo dei token perché il modello potrebbe ripetere il lavoro. OpenAI ora raccomanda un livello di ragionamento “medio” per le integrazioni nuove di zecca e un passaggio da “nessuno” o “minimo” a “basso” per le configurazioni esistenti. I parametri temperature e top_p non sono più supportati.
Per quanto riguarda i prezzi, l'API di Astra parte da $8 / M token di input e $40 / M token di output fino a 272 k token, poi sale a $16 / M e $60 / M rispettivamente. Le letture della cache costano $0.80 / M token. Le tariffe di Sol sono più basse ma non specificate nel frammento. The Decoder osserva che lunghe sessioni di codifica possono raggiungere rapidamente il limite, quindi il Codex di OpenAI comprime automaticamente il contesto dopo 272 k token.
Se gestisci un'operazione snella, due cose pesano di più: i costi dei token e la qualità dell'output. La nuova politica dei prezzi rende facile spendere troppo per un singolo prompt di lunga durata, specialmente se stai ancora usando il ragionamento “nessuno” e il modello continua a inviare il proprio lavoro di bozza. Passare al livello di ragionamento raccomandato “basso” o “medio” può ridurre i token senza sacrificare l'utilità.
Altrettanto importante, lo stile conciso predefinito di Astra significa che molte delle istruzioni “sii conciso” che hai sparso nei tuoi prompt sono ora rumore. Mantenere vecchi stack di prompt non solo spreca token, ma innesca anche l'abitudine del modello di porre domande di follow‑up—qualcosa che OpenAI ha cercato di frenare con i prompt di Astra di settembre. L'aggiornamento ai nuovi modelli renderà le risposte del modello più autonome, il che si traduce in meno messaggi avanti e indietro e un'esperienza utente più fluida per i tuoi strumenti interni o bot rivolti ai clienti.
Infine, la guida alla codifica è un promemoria che il codice generato dall'IA può sembrare elegante ma essere un incubo di manutenzione. Forzando la leggibilità e il riutilizzo, i nuovi prompt ti aiutano a evitare debiti tecnici nascosti che i piccoli team non possono permettersi di saldare in seguito.
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.

Commenti2
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?