這幾天，OpenAI 和 Anthropic 像是在比賽送額度。
Fable 5 一次又一次延期，Codex 直接取消 Plus、Business 和 Pro 用戶每 5 小時的使用限制。
Morning. The last 48 hours of Codex and ChatGPT Work have been intense! Three important updates: - Temporarily removing the 5 hour usage limit restriction for all Plus, Business and Pro plans - Rolling out changes that will make GPT 5.6 Sol more efficient across the board and that will be reflected in less usage being used so that it can take you further. Exact impact to be quantified and shared - We hit 6M active users, and are landing a usage reset in the next hour Go do things
如果你是 Codex 高強度用戶，這意味著不用再按照之前網上的教學，每五個小時給他發條消息，只為了不要等到要用的時候，5 小時額度卻用完了。
結果大家剛開始猛用，就發現了一個新問題：GPT-5.6 更聰明了，但也更會燒 Token。
Added a banked reset to 500k users of ChatGPT Work and Codex. What’s been happening: - Just released the ability to use a banked reset from web and mobile. Before today you could only do it in the desktop app - Had an issue where less than 10% of users who used a banked reset and it didn’t actually reset. This was during a 2 hour window. - It was hard to find all the exact users where it didn’t apply, so instead granted a banked reset to everyone who pressed the reset button in that 2 hour window. This also gives us the opportunity to validate the new infra ahead of tomorrow Tomorrow we will celebrate our 7M active users milestone and grant the first banked reset across all of our ChatGPT Work and Codex users. We will also release a bunch of updates to the desktop app, addressing a ton of your feedback. Talk soon
前幾天我們在 Codex 內實測 GPT-5.6 時，一個 3D 網頁的任務，就直接讓 Codex 幹了快三個小時。
在社交媒體上一搜索，發現遇到類似問題的人不少，大家都在反饋使用 GPT-5.6 的 Codex 簡直就是 Token 刺客，需要消耗的時間變長不說，額度的消耗同樣離譜。
儘管 Codex 官方表示是用戶過於低估了 GPT-5.6 Sol Ultra High 推理檔位消耗的 Token，以及各種需要修復的小 Bug。
Updates for Codex and ChatGPT Work users. No nerfing, only good stuff! - We have landed inference optimizations and are passing down savings to all the subscriptions for GPT-5.6 Sol. That should result in around 10% more usage on its own. - We noticed that by changing the context size limit in the product to 372k for GPT-5.6 Sol, up from 272k for GPT-5.5, it resulted in more usage being charged than intended. We have reverted to 272k and will work to roll back out to 372k in the days to come. You should notice that usage drains significantly less after this change. - To understand where the extra usage was coming from, we ran some experiments where reasoning efforts were changed (referred to as juice values under the hood) and have reverted this. - There is slightly more usage of multi-agent than intended in high and xhigh reasoning effort, we are fixing this going forward. Also fixing a small other thing we noticed with auto-review where we can be more efficient. And we continue to have the 5h limit temporarily not apply. Enjoy the rest of the weekend!
There is often a 5-10x difference in token spend between Medium and Ultra depending on how hard the task is.
但還是有網友發現，隨著模型變得越聰明，一些之前的 Skills 對 GPT-5.6 來說，也是 Token 消耗的重要部分，甚至變成了一種負擔。
我忠实的建议是：大家可以把 superpower 和 grill 扔掉了。 你只需要在 session start 插入你的输出风格化 prompt 就可以了。 合适的输出风格可以显著增加你与 AI 的沟通带宽。 You need to reinvent your agent harness with every new generation of models. 下面是我在模型迭代中一次又一次推翻自己的心得： --- 图一是我 2005 年 8 月基于 Opus 4.1 和 GPT 5.0 做的一套 harness。 实现了基于 multi-agent 的对抗式检查作业，以及通过 bash tool 唤起 codex 使用 headless mode 调用 GPT 5.0。 图二是这套系统动起来的样子。 Opus 4.5 出来之后没用了。 --- 图三和图四是我 2026 年 1 月基于 Opus 4.5 的 subagent 能力跃升设计的一套 harness，实现了： - 使用 DAG 管理任务图，每任务使用一个 subagent 执行 - 识别任务边界，在 DAG 中插入 auditing 节点 - 在 auditing 节点派生多个 auditor subagents 进行对抗式审计 - 根据审计结果围绕任务目标增量更新 DAG 中的任务设计 目前两个 Claude Max 账号用 Fable 5 用了两周了，我觉得也可以抛掉了。 --- 不过基于目前国产开源模型的能力水平，后面这套弄到 pi-agent 上用国产开源模型应该是可以苟到年底。
大多數的帖子都在說 Superpowers 以及 grill 和 AGENTS.md 等 Skills 和文檔現在都可以直接刪掉了。由於現在的模型本身已經具有 Agentic 的能力，外部的 Skills 反覆調用反而污染了上下文，讓思考時間變長，Token 消耗變高。
😤无语了……为什么我今天才发现这个秘密？！ 一个忠告：如果你在使用 GPT-5.6，请立刻、马上将 Superpowers 系列 Skills 删掉！ 别问，照做就是了。
Superpower 曾經是 Agent 工具必裝的 SKill 之一，它的作用是讓 Codex 等 Agent 在開始每一個任務之前，先調用頭腦風暴找到確定的方案，然後通過系統性的 Debug 和驗證來要求模型強制走完這一套固定流程。
但現在的模型，無論是 Fable 5 還是 GPT-5.6 Sol，已經逐漸把 Skills 的功能稀釋掉了，更強的模型應該有更強的工具，Skills 也更像是一種過去式。
有網友銳評，「這玩意兒跟那種一裝就後台常駐還關不掉的流氓軟體似的，吃 token 比吃大米還快。」
所以，新的模型必須搭配上新的用法，不然 Token 都白榨乾了。
OpenAI 的開發者體驗工程師 Eric 在 X 更新了 GPT-5.6 的官方提示詞，詳細指南裡面提到使用 GPT-5.6，我們最應該考慮的是設定邊界，一個模型應該在其運行的沙箱範圍內運行。
以及我們應該解釋模型需要如何驗證其工作是否成功，並且清楚地說明完成的狀態是什麼樣的。如果提示詞裡面有太多的歧義，會導致更長的運行時間和 Token 使用時間。
With 5.6 Sol, a lot of people are still prompting the model exactly as they did 5.5 It's important to note that 5.6 Sol is a lot more tenacious and thorough than previously models. Check out the guide I wrote here to get better outcomes
怎麼榨乾 GPT-5.6
沒有萬能公式，沒有必須照抄的角色設定，也沒有一長串分點、分步驟思考。OpenAI 給出的第一條建議就是用自己的話開始。
一句短提示，很多時候已經夠用。任務更大更重要，再補上四類資訊：你要什麼結果，有哪些背景，成品長什麼樣，哪些邊界不能碰。
說白了，所謂的提示詞高手，越來越像一個會交代工作的同事。AI 心裡可能就在想，少教我怎麼做事，你只管說清楚你要什麼。
這份指南真正有意思的地方也在這裡。它表面教人怎麼向 ChatGPT 提問，背後講的卻是一套新的工作分工：當 AI 從聊天框走向 Work 和 Codex，提示詞也從一句問題，變成了任務簡報、交付標準和驗收規則。
1. 提示詞最該寫的，往往是結果
很多人寫提示詞時，會下意識替 AI 安排完整過程。
先分析材料，再建立框架，然後逐項比較，末尾給出結論。為了顯得嚴謹，還要規定它扮演什麼角色、分幾步思考、每一步寫多少字。
OpenAI 的建議恰好相反：先描述結果，過程只有在確實影響成品時才需要指定。
指南里有一個很簡單的例子：把會議記錄整理成發給項目團隊的簡短更新，把決定和下一步放在前面。
短短兩句，已經交代了交付物、讀者和資訊順序。至於 AI 要先提取決定，還是先識別行動項，用戶通常無需操心。把這些步驟全部寫死，反倒可能限制它搜索、比較和調整方法的空間。
這種變化和模型能力有關。
早期模型容易跑偏，人們才會發明複雜模板，用密密麻麻的步驟把它框住。如今的模型可以讀取文件、搜索資料、調用工具、寫代碼，甚至連續工作一段時間。
人繼續逐步遙控，多少有點像請來一位同事，卻堅持替他規定每次點擊滑鼠的順序。
2. 背景越多，結果未必越好
提示詞教學常讓人「儘可能提供上下文」，結果是一股腦丟進幾十份文件，再附上一段比材料還長的說明。
某些 Skills 現在都快成了「沒用的上下文」
OpenAI 給出的標準更克制：只提供會改變結果的資訊。
一份項目周報需要最新計劃，也需要 Slack 里已經達成的決定；但三個月前的頭腦風暴記錄，大概只會製造噪音。讓 AI 根據截圖判斷界面問題，也要指出需要看的區域，別期待它自動猜中你在意哪個按鈕。
這個原則看起來簡單，實際很考驗人。我們自己得知道哪些資料具有決定性，哪些只屬於背景知識；哪份文檔代表當前版本，哪份已經過期；多個來源發生衝突時，AI 應該聽誰的。
因此，連接 Google Drive、Gmail、Slack 或 GitHub 之後，最有用的提示也很少是「搜索所有內容」。更好的說法是：去哪裡找，找什麼，拿這些資訊做什麼。
比如，指南里提到常用的說法是「使用 Drive 里的最新項目計劃，以及 Slack 頻道里與當前進度有關的決定和更新，準備一份狀態簡報」。
資料入口、時間有效性和交付用途都清楚了。AI 才能從「看過很多」走到「找對了東西」。
3. 真正值錢的提示詞，常寫在邊界裡
目標決定 AI 往哪裡走，邊界決定它闖多大的禍。
官方指南里給出的邊界都很明確：保留已經批准的日期和預算數字；只使用給定來源，缺資訊就標出來；先起草郵件，別直接發送；建議控制在預算內。
這些句子缺少花哨技巧，大多數時候卻一定比「你是一位擁有 20 年經驗的專家」實用得多。
AI 進入真實工作後，最麻煩的情況往往並非文筆差一點，而是改錯數據、猜測缺失資訊、越過審批流程，或者把本該審閱的草稿直接發給別人。
OpenAI 也提醒用戶，邊界只要抓住一兩個真正會製造額外工作的風險。但如果每個細節都規定，任務會重新退化成人工遙控；完全不設邊界，又像把公司賬號交給一個剛入職、行動力很強的實習生。
這也是 OpenAI 要把 Chat 與 Work，還有 Codex 的分界逐漸變清楚的原因。
4. 好提示在收尾一行，應該寫驗收
一份任務簡報寫得再漂亮，成品沒人檢查，仍可能在交付前翻車。
OpenAI 在多個示例里加入了最終檢查。項目更新要確認每項行動都有負責人和截止日期；季度報告生成簡報與演示文稿後，要核對兩份文件的數據一致；Codex 修完 Bug，要重新執行復現步驟，再跑最小範圍的相關測試。
這些要求有一個共同點：它們都能被驗證。「寫得專業一點」很難驗收，「控制在一頁內，先寫三個待決事項，每個數字標明來源」就能檢查。
過去談提示詞，人們關注輸入寫得夠不夠聰明。AI 開始交付文件、修改代碼和操作工具之後，輸出能否被審查，變得更重要。我們甚至可以把提示詞理解成一份小合同：前半段定義要交什麼，後半段定義怎樣算完成。
Codex 的官方示例尤其能看出這種變化。
修復一個設置頁 Bug，用戶要提供復現步驟、可能相關的文件和不能改變的約束，然後要求 Codex 先在本地復現，提出補丁，修復後再次復現，並運行驗證和最小測試集等工作。
模型能力越強，這種驗收意識越重要。能持續工作的 AI，當然能做更多事，但也會沿著錯誤方向走得更遠。
5. 第一條提示，完全可以寫得沒那麼好
官方指南還殺死了另一個焦慮：第一條提示無需一次到位。
先看結果，再告訴它具體改哪裡。因為大多數的任務，都可以通過後續消息完成，無需清空對話重來。
這和人類合作的方式更接近。我們很少能在第一次交代任務時預見所有細節，往往要看到草稿，才知道真正介意的是結構、語氣還是證據。
OpenAI 也把這種「邊做邊改」寫進了 Codex 的交互方式。
Codex 工作期間，用戶可以用引導功能把新資訊送進當前任務，直接改變方向；也可以用排隊把消息排到下一輪，等當前工作結束再處理。
語音輸入也被放進這份提示詞指南，在 ChatGPT 桌面端按住 Ctrl+M，直接把想法說出來，檢查轉寫後發送。
OpenAI 大概是想說我們的自然語言已經夠用，真正影響結果的，還是我們有沒有想清楚想要什麼，以及看到偏差後能不能準確指出來。
Chat、Work 和 Codex，分的是任務重量
這份指南把三種使用場景放在一起，該怎麼選擇，這裡有一個很實用的判斷方法。
Chat 適合快速問題、短改寫、頭腦風暴和輕量草稿。它像一次即時協助，幾輪對話就能收尾。
Work 面向需要多種資料或工具、包含一串步驟、會產生修改，或者需要交付較大成果的任務。它可以研究產品、整理報告、製作演示文稿，也可以協調一次發布，把時間線、負責人、依賴、風險、公告和 FAQ 放進同一套交付物。
Codex 則處理代碼、代碼庫和開發工具。解釋請求怎樣穿過多個模組，復現並修復 Bug，為函數補測試，根據截圖製作原型，或把重構任務交給雲端繼續執行。
選擇哪一個，關鍵在任務有多重。
一個問題，用 Chat。一個需要資料、過程和文件的工作，用 Work。一個要進入代碼庫、調用開發工具並跑驗證的工作，用 Codex。
把簡單問題塞進 Work，只會浪費時間和額度；讓 Chat 扛一項跨來源、帶審批和文件交付的複雜任務，也容易在中途散架。
工具選對之後，提示詞反倒可以更短。因為產品已經替用戶提供了一部分環境、上下文和執行能力。
AI 越會幹活，人越要會定義「幹完」
無論是 Skills 還是提示詞，過去很長一段時間都像一種網際網路秘術。
有人收集萬能開場白，有人研究標點與措辭，還有人把幾百字模板裝進收藏夾，期待覆制之後立刻得到高質量答案。
OpenAI 的官方指南，其實是把使用 AI 的常識再強調了一遍：說清結果，給對材料，標出風險，約定驗收；第一版有偏差，就繼續改。
模型的升級會不斷淘汰具體技巧，某個關鍵詞、Skills 今天有效，下個版本可能已經多餘。
以後真正稀缺的能力，大概也不會是把提示寫得多複雜，而是知道什麼值得交給 AI，什麼結果可以直接使用，什麼動作必須由人拍板。
當 AI 能力進化到已經學會聽懂人話，現在輪到我們把工作講明白了。
