GPT-6 实用指南的隐藏结论：选型能力正在取代提示词技巧
观点：模型家族化之后，"选对档位"的收益大于"把话说漂亮"
OpenAI 发布了 GPT-6 家族的实用指南，讲的是如何按任务选择 GPT-6 Astra、GPT-6.1 Sol、GPT-6 Luna，以及如何搭配推理档位与速度模式。
这份指南表面上在讲提示词，实际传递的是一个更重要的信号：当一个家族里同时存在快、准、省三种取向的模型时，选型规则本身就是生产力。
三个要点
- 按任务不确定性选，而不是按"最强"选。 输出格式固定、可校验的任务（抽取、改写、分类）交给快档；需要多步推理、结果不可预先校验的任务才上高档位。
- 追求"最贵的"是最常见的浪费。 高档位意味着更高的延迟与成本，用在简单任务上甚至可能因为过度思考而更不稳定。
- 长任务管理的核心是上下文预算。 拆解子目标、设检查点、在阶段边界压缩历史，比写一段更长的提示词有效得多。
对读者的实际建议
- 给自己建一张选型表。 列出 5–8 个高频任务，标注可校验性、延迟容忍度、成本上限，写下对应的默认档位。
- 把推理档位当参数回归。 同一任务在低/中/高推理档位上各跑一遍固定测试集，用数据决定，而不是凭感觉。
- 给长任务设检查点。 阶段产出落成文件或结构化数据，避免上下文丢失后整段重来。
- 选型规则要写进 runbook。 团队里只写在脑子里，等于没有。
提示词技巧的边际收益在下降，而"用对模型 + 用对档位"的收益仍很大。这是今年值得重新分配精力的地方。
结论：把选型规则化、把预算显式化，是用好模型家族最便宜的一步。
参考来源
- OpenAI：A practical guide to building with the GPT-6 family
- 素材索引：AI HOT（aihot.news）