Altman hat GPT-5.6 erneut ausgeliefert. 8 Millionen Menschen überlasten ChatGPT, und das Nutzungslimit wird täglich zurückgesetzt.

Es gibt wieder ein Geschenk!

Gerade eben hat die aktive Nutzergemeinde von Codex und ChatGPT Work gemeinsam die Marke von 8 Millionen überschritten.

OpenAI hat mit einem großen Schritt alle Nutzungslimits für alle Benutzer zurückgesetzt.

Was ist das für eine unglaubliche Geschwindigkeit?

Seit der Veröffentlichung von GPT-5.6 sind erst sechs Tage vergangen, und die Zahl der aktiven Nutzer ist rasant angestiegen –

Am 12. erreichte sie 6 Millionen, am 13. überschritt sie 7 Millionen, und heute, am 15., schoss sie direkt auf 8 Millionen.

Und jedes Mal, wenn die Zahl steigt, setzt das offizielle Team die Limits zurück.

Dazu haben einige Internetnutzer bereits einen Reim gemacht: „Jeden Tag ein Reset, das Limit bleibt fern.“

Die Geschwindigkeitsbegrenzung ist gefallen, der „Gott des Resets“ gibt Vollgas

Derjenige, der dieses tolle Ereignis ermöglicht hat, ist Tibo, der Leiter von Codex und ChatGPT.

Er hat die 5-stündige Geschwindigkeitsbegrenzung mit einem einzigen Tritt umgeworfen, und das Nutzungslimit wird jetzt täglich erneuert – allein am vergangenen Wochenende wurde es zweimal zurückgesetzt.

Einige Nutzer haben gleich vier einlösbare Reset-Limits angesammelt, und selbst mit dem teuersten Sol Ultra haben sie das wöchentliche Limit noch nicht einmal annähernd erreicht.

Da die Resets so häufig stattfinden, wurde der Verantwortliche von den Internetnutzern direkt zum „Gott der Resets“ ernannt.

Sam Altman hat noch schmunzelnd nachgelegt: Das Wachstum von Sol ist so verrückt, dass das Inferenzteam sich schwitzend um die Kapazitätserweiterung kümmert. Er hat halb scherzhaft darauf hingewiesen, dass die Server in der nächsten Zeit möglicherweise einige kleine Unregelmäßigkeiten aufweisen werden.

Am wichtigsten ist: Sol kostet nur halb so viel wie die Konkurrenz, und für viele Aufgaben erreicht es das gleiche Ergebnis, verbraucht aber nur halb so viele Token. Multipliziert man beide Faktoren, kann es zu einem Viertel des Preises geliefert werden.

Die Preissenkung ist verständlich, aber warum hat sich auch die Token-Effizienz verdoppelt?

Die Antwort liegt nicht darin, dass das Modell „intelligenter“ geworden ist – sondern darin, wie Sie es tatsächlich verwenden.

Die über Monate aufgebaute Prompt-Bibliothek ist über Nacht wertlos geworden

Zuerst eine klare Aussage: Die langen Prompts, die Sie ein Jahr lang entwickelt haben und die über drei Modellgenerationen hinweg funktioniert haben, könnten bei GPT-5.6 direkt nutzlos werden.

Wie Sie sie neu schreiben, steht in einem geheim veröffentlichten Prompt-Leitfaden von OpenAI –

Beschreiben Sie klar das gewünschte Ergebnis, legen Sie harte Grenzen fest, stellen Sie alle erforderlichen Materialien zur Verfügung und definieren Sie klare Akzeptanzkriterien. Den Rest lassen Sie das Modell selbst erledigen.

Diese ultimative Formel besteht aus vier Elementen: Ergebnis, Einschränkungen, Beweise, Akzeptanzprüfung.

Laut offiziellen Tests steigt die Bewertung nach einer radikalen Kürzung der Prompts um 10 % bis 15 %, während der Token-Verbrauch um 41 % bis 66 % sinkt – die Kosten reduzieren sich drastisch um ein Drittel bis zwei Drittel.

Mit anderen Worten: Je weniger Sie schreiben, desto höher ist die Punktzahl und desto mehr Geld sparen Sie.

Nehmen wir ein praktisches Beispiel: Lassen Sie das Modell eine Codebasis auf Sicherheitslücken prüfen.

Früher haben Sie es möglicherweise zuerst als erfahrenen Sicherheitsexperten definiert, ihm dann Schritt für Schritt befohlen: Zuerst alle Dateien durchsuchen, dann jede einzelne prüfen, schließlich die Ergebnisse in einer Tabelle zusammenfassen. Am Ende haben Sie noch ausdrücklich darauf hingewiesen, dass es präzise arbeiten soll, keine Randfälle übersehen und die Ergebnisse in einer Tabelle zurückgeben soll.

Der ganze Bildschirm war voll – Sie haben das Modell wie einen Praktikanten behandelt, bei dem Sie keinen einzigen Schritt loslassen wollten, und ihm sogar alle Fallstricke vorgearbeitet.

Bei der Verwendung von Sol reduziert sich das Ganze auf vier Sätze.

Ergebnis: Untersuche diese Codebasis und finde alle kritischen Sicherheitslücken.

Einschränkungen: Konzentriere dich nur auf Authentifizierung und Datenvalidierung, berühre keine Produktionskonfigurationen und behebe gefundene Probleme nicht selbst. Beschreibe jede Lücke nur einmal, ohne sie ständig zu wiederholen.

Beweise: Füge die Architekturdokumentation und die Abhängigkeitsliste bei, damit das Modell nicht raten muss.

Akzeptanzprüfung: Zu jedem Problem gib den Dateipfad und eine Lösung an – überprüfe die Ergebnisse selbst noch einmal, bevor du sie lieferst.

Den Rest erledigt das Modell selbst. Sie müssen sich keine Gedanken darüber machen, ob es Subagenten verwendet, welche Datei es zuerst prüft oder ob es Tests ausführt.

Loslassen bedeutet aber nicht, die Kontrolle aufzugeben. Damit das Modell zuverlässig läuft, braucht es drei Schutzmaßnahmen:

1. Definiere vorher klare Stoppregeln. Beschreibe, unter welchen Bedingungen das Modell anhalten und Sie fragen soll, anstatt blind weiterzuarbeiten. Ein Satz wie „Halte an, wenn du dir unsicher bist“ spart viel mehr Aufwand, als Fehler im Nachhinein zu beheben.

2. Lass das Modell selbst die Akzeptanzprüfung durchführen. Füge am Ende des Prompts den Satz hinzu: „Überprüfe alle Ergebnisse anhand der Kriterien, bevor du sie lieferst.“ Das Modell als Prüfer einzusetzen, ist kostengünstiger als Ihre eigene Nachbearbeitung.

3. Fange mit kleinen, schnellen Schritten an. Starte mit einem minimalen, funktionierenden Prompt und den wenigsten erforderlichen Tools – füge erst weitere Elemente hinzu, wenn sie fehlen. Es ist einfacher, Elemente hinzuzufügen, als zuerst alles vollzustopfen und dann wieder zu löschen.

Ein zusätzlicher Satz kann die KI direkt in einen Widerspruch stürzen

Wie streng führt GPT-5.6 Prompts aus?

Es befolgt jeden Satz, den du schreibst – auch die widersprüchlichen, die du versehentlich hinzugefügt hast. Einmal forderst du es auf, „ausführlich zu antworten“, und gleich danach weist du es an, „möglichst kurz zu sein“.

Es wird nicht für dich die richtige Option auswählen, sondern beide Anweisungen als bindend betrachten – und gerät dadurch direkt in einen Widerspruch.

Und das ist nur einer der Fehler, die durch zu viele Worte entstehen. Sogar „zusätzliche Hinweise zur Sicherheit“ können kontraproduktiv sein.

Wenn du zum Beispiel ständig schreibst: „Frag mich zuerst“, „Ändere nichts unbefugt“ oder „Warte auf meine Genehmigung“, wird das Modell selbst bei Aufgaben, die es selbstständig erledigen könnte, ständig nach Genehmigungen fragen – und wird zu einem ängstlichen, unsicheren Praktikanten.

Letztendlich ist bei GPT-5.6 Zurückhaltung die wahre Kunst.

Daher hat das offizielle Team eine Liste mit Elementen erstellt, die du löschen solltest: Wiederholte Regeln, Hinweise zu Stil und Abläufen, die das Ergebnis nicht verändern, nutzlose Beispiele, Schritte, die das Modell ohnehin selbst ausführt, und Tools mit Beschreibungen, die für die aktuelle Aufgabe irrelevant sind – all das muss entfernt werden.

Was wirklich bleiben sollte: Das gewünschte Ergebnis, die Kriterien für Erfolg und Stopp, die harten Grenzen für Sicherheit und Berechtigungen sowie die Regeln, die den tatsächlichen Ablauf bestimmen.

Der Wandel der Zeit ist da – das, was neu aufgebaut werden muss, bist du selbst

Heute wechselt die Art, wie Menschen mit KI zusammenarbeiten, von dem „Betreuermodus“, bei dem man ihr jedes Detail beibringt, zu dem „Kommandantenmodus“, bei dem man nur Anweisungen gibt.

Der schwierige Teil ist genau dieser Wandel.

Früher hat man sich bemüht, lange Prompts mit Tausenden von Wörtern zu schreiben – im Grunde hat man „Kontrolle“ gegen „Sicherheitsgefühl“ eingetauscht. Jeden Schritt selbst in der Hand zu halten, gab das Gefühl, nicht selbst für Fehler verantwortlich zu sein.

Aber die Einführung von Sol zeigt: Je fester du die Kontrolle hältst, desto teurer, langsamer und schlechter wird das Ergebnis.

Die Modelle werden Generation für Generation günstiger und leistungsfähiger.

Aber bei dieser Aktualisierung ist nicht der Code das Element, das am meisten weiterentwickelt werden muss – sondern du selbst, der du deine Hände fest auf der Tastatur hältst.

Referenzen:

https://x.com/thsottiaux/status/2077114635308986427?s=20 

https://x.com/sama/status/2077036999303999910?s=20 

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „New Intelligence Yuan“, Autor: ASI Offenbarung, veröffentlicht mit Genehmigung von 36Kr.