GPT-5.5 Instant disponível para todos os usuários, OpenAI ensina como escrever prompts de forma mais inteligente e eficiente

OpenAI anuncia GPT-5.5 Instant para todos os usuários, com uma redução de 52,5% na taxa de alucinações em cenários de alto risco, e o teste de matemática AIME saltou de 65,4 para 81,2 pontos.
(Resumindo: OpenAI lançou o modelo dedicado à segurança cibernética GPT-5.4-Cyber: já corrigiu 3.000 vulnerabilidades de alto risco, competindo com Claude Mythos)
(Informação adicional: um estudante do ensino médio de 17 anos criou um “Prompt de nível divino” que reforça a capacidade de raciocínio do Claude, equiparando-o ao modelo o1, como conseguiu?)

GPT-5.5 Instant foi oficialmente disponibilizado a todos os usuários, conforme anúncio oficial, o GPT-5.5 Instant reduziu em 52,5% as declarações fictícias em cenários de alta risco, como médico, jurídico e financeiro, e diminuiu em 37,3% as declarações incorretas em diálogos marcados pelos usuários como factualmente errados.

O raciocínio matemático também avançou um nível. AIME 2025 subiu de 65,4 para 81,2 pontos. AIME é um teste de resistência à integridade da cadeia de raciocínio, indicando melhorias estruturais no raciocínio lógico em múltiplas etapas do modelo.

A abrangência de acesso, a partir de 5 de maio, inclui todos os usuários, incluindo contas gratuitas, que também podem usar, enquanto a função de memória personalizada (referência a diálogos anteriores, upload de arquivos, Gmail) permanece restrita ao Plus e Pro, e limitada à versão web.

OpenAI ensina como escrever prompts

Recentemente, a OpenAI também divulgou uma orientação oficial sobre a estrutura recomendada de prompts. A empresa afirma que a maioria das pessoas escreve prompts de forma logicamente incorreta.

Na documentação para desenvolvedores, a OpenAI sugere uma estrutura de sete blocos para prompts, na seguinte ordem:

• Role (definição de personagem)
• Personality (personalidade e tom)
• Goal (objetivo)
• Success criteria (critérios de sucesso)
• Constraints (restrições)
• Output (formato de saída)
• Stop rules (regras de parada).

A primeira mudança crucial é pensar “resultado primeiro”. A abordagem antiga era uma instrução passo a passo: fazer A, depois B, e então gerar C.

A nova abordagem define o ponto final primeiro, descrevendo claramente os critérios de sucesso, permitindo que o modelo decida qual caminho seguir para chegar lá. A recomendação oficial é que a primeira alteração nos prompts antigos seja remover passos programáticos e substituí-los por uma descrição do resultado.

A segunda mudança refere-se ao uso de reasoning effort. Reasoning effort é o nível de profundidade de raciocínio que o modelo deve empregar, quanto maior, mais tempo e recursos o modelo gastará para pensar antes de responder.

A orientação oficial sugere que, na maioria dos cenários de produção, usar low ou medium é suficiente; níveis mais altos devem ser reservados para raciocínios de múltiplas etapas, formatação de saída ou extração de dados, sendo considerados um desperdício de recursos.

Outras recomendações específicas também valem a pena:

• Regras de parada devem ser claramente definidas, como parar ao encontrar o primeiro resultado que atenda aos critérios.
• Retrieval Budgets (orçamento de busca) deve limitar o número de buscas do modelo, evitando buscas infinitas.
• Para tarefas de rascunho, é mais eficaz definir “o que não se quer” do que “o que se quer” — restrições negativas ajudam o modelo a entender melhor os limites.