Ragionamento nel 2026: da none a max, più le modalità pro e ultra
In questa pagina
Stato al 5 novembre 2026. La famiglia GPT-6 mantiene questi livelli, ma
noneè accettato solo da GPT-6.1 Terra, GPT-6 Sol e GPT-6 Luna. GPT-6 Astra e GPT-6.1 Sol partono dalow; inviare una richiesta connonead Astra restituisce un errore HTTP 400. Dal 3 settembre, puoi anche modificare il livello di sforzo a metà conversazione senza perdere la cache, utilizzando un elementoconfiguration_update(Lezione 9).
Lo sforzo di ragionamento configurabile non è nato con GPT-5.6. Dal lancio di GPT-5 nel 2025, i modelli OpenAI hanno ragionato di più o di meno in base a un parametro, sostituendo la vecchia serie o. Ciò che cambia tra le versioni sono i valori accettati e l’impostazione predefinita. GPT-5.6 ha aggiunto il livello max e la modalità pro all’API, mentre ChatGPT ha ricevuto l’impostazione “ultra”. Questi dettagli contano: un cambiamento nel valore predefinito può alterare la latenza della tua applicazione e la fatturazione senza che tu abbia modificato una singola riga di codice.
I sei livelli di GPT-5.6
Sui tre modelli GPT-5.6, il parametro reasoning.effort accetta sei livelli. La guida di OpenAI ne descrive i casi d’uso come segue:
| Livello | Caso d’uso |
|---|---|
none | Compiti in cui la latenza è critica e il ragionamento non aggiunge valore: voce, ricerca rapida di informazioni, classificazione |
low | Ragionamento efficiente per una latenza leggermente superiore: analisi dati, stesura di testi, codice eseguibile, supporto clienti |
medium | Qualità e affidabilità, pianificazione e giudizio; il predefinito per la maggior parte dei casi d’uso |
high | Ragionamento difficile, debug complesso, pianificazione approfondita, lavoro agentico |
xhigh | Ricerca approfondita e compiti agentici lunghi, solo se le tue valutazioni mostrano un guadagno netto |
max | Ragionamento massimo per i compiti più complessi; da confrontare con xhigh |
Imposti il livello direttamente nella chiamata API. Qui chiediamo a Terra di eseguire il debug di una funzione con uno sforzo sostenuto, perché un errore logico sottile merita più di una lettura superficiale:
response = client.responses.create(
model="gpt-5.6-terra",
input="Find the logic error in this function and fix it.",
reasoning={"effort": "high"},
)
Se la stessa applicazione riformula poi un messaggio di commit, nulla ti impedisce di tornare a low per la richiesta successiva. Un router potrebbe anche tentare un primo passaggio a medium, rilevare una risposta incerta e ritentare la stessa richiesta a high sullo stesso modello con lo stesso prompt.
I valori accettati variano in base al modello
Le schede tecniche dei modelli, registrate al 5 novembre 2026, mostrano come questo parametro si sia evoluto:
| Modello | Valori accettati | Predefinito |
|---|---|---|
gpt-5 | minimal, low, medium, high | non specificato |
gpt-5.1 | none, low, medium, high | none |
gpt-5.4 | da none a xhigh | none |
gpt-5.5 | da none a xhigh | medium |
| GPT-5.6 Sol, Terra e Luna | da none a max | medium |
gpt-6-astra | da low a max | non specificato |
gpt-6.1-sol | da low a max | medium |
gpt-6.1-terra, gpt-6-sol, gpt-6-luna | da none a max | medium |
Due insidie emergono da questa tabella. La prima riguarda il valore predefinito: gpt-5.1 e gpt-5.4 non ragionavano se non specificavi nulla, mentre gpt-5.5, GPT-5.6 e i modelli GPT-6 elencati partono da medium. Un’applicazione che migra da gpt-5.4 a GPT-5.6 senza impostare lo sforzo inizierà improvvisamente a ragionare, comportando una latenza più elevata e un maggior numero di token fatturati. La guida alla migrazione GPT-6 riassume tutto in una regola: preserva il tuo sforzo effettivo quando il nuovo modello lo accetta e scrivilo esplicitamente. La seconda insidia riguarda i valori mancanti: minimal non esiste né su GPT-5.6 né su GPT-6 (inizia invece con low), e none viene rifiutato da GPT-6 Astra e GPT-6.1 Sol.
Modalità Pro: più lavoro, stessa tariffa per token
GPT-5.6 ha introdotto una seconda impostazione indipendente: reasoning.mode, che ha come predefinito standard o può essere impostata su pro. In modalità pro, il modello esegue più lavoro prima di rispondere, adatta a compiti difficili che tollerano una latenza maggiore. I token sono fatturati alla tariffa standard del modello, ma poiché vengono utilizzati più token, il costo totale aumenta. Questa modalità sostituisce i vecchi modelli “pro”: la pagina delle deprecazioni raccomanda gpt-5.6-sol in modalità pro al posto di o3-pro e gpt-5-pro.
response = client.responses.create(
model="gpt-5.6-sol",
reasoning={"effort": "medium", "mode": "pro"},
input="Review this disaster recovery plan and flag any single points of failure.",
)
Max e Ultra: andare oltre
Il livello max concede al modello ancora più tempo rispetto a xhigh per ragionare, esplorare percorsi alternativi, verificare e rivedere il proprio approccio. Esiste sia nell’API che in ChatGPT Work e Codex, dove lo abiliti nelle impostazioni.
Ultra, invece, cambia interamente la modalità di esecuzione. Secondo l’annuncio del 9 luglio, coordina di default quattro agenti in parallelo su flussi di lavoro simultanei. OpenAI ha anche dimostrato configurazioni con sedici agenti per valutazioni specifiche (BrowseComp, SEC-Bench Pro). Il compromesso è chiaro: un consumo maggiore di token in cambio di risultati migliori e tempi di completamento ridotti per compiti pesanti. Ultra è disponibile solo nei prodotti: ChatGPT Work per i piani Pro ed Enterprise, e Codex a partire dal piano Plus al lancio. Non esiste alcun valore ultra nell’API; ottieni un effetto comparabile con la funzione multi-agente dell’API Responses (in beta), che permette al modello di lanciare sotto-agenti in parallelo all’interno di una singola richiesta. Riservalo ai lavori che si scompongono in blocchi indipendenti.
Un metodo per impostare lo sforzo
Non impostare questi livelli basandoti sull’intuizione. Prendi un campione rappresentativo delle tue richieste reali, eseguile a medium e poi a high, confronta qualità, latenza e costi, e lascia che siano i numeri a decidere il predefinito per ogni tipo di compito. Questo è lo stesso approccio che dovresti adottare con i benchmark degli editori: decidono i tuoi dati, non le impressioni generali.
A te la parola
Trova il livello giusto per un compito. Scegli dieci richieste rappresentative per un singolo compito. Eseguile a low, medium e high, quindi registra la qualità (usando la tua rubrica), la latenza e il numero di token di ragionamento mostrati in usage. Mantieni il livello più basso che ti soddisfa in nove richieste su dieci e scrivilo esplicitamente nel tuo codice. Senza accesso all’API, fai lo stesso esercizio in ChatGPT usando il selettore di ragionamento in modalità Chat.
Fonti ufficiali: Modelli di ragionamento · Utilizzo di GPT-6 · Multi-agente · Deprecazioni (documentazione API OpenAI) · Annuncio GPT-5.6 (OpenAI, 9 luglio 2026)
Punti chiave
- Lo sforzo configurabile risale a GPT-5; GPT-5.6 ha aggiunto il livello
maxe la modalitàpro - I valori accettati e i predefiniti variano in base al modello: specifica sempre lo sforzo esplicitamente
- La modalità pro fa lavorare di più il modello alla tariffa standard per token; sostituisce
o3-proegpt-5-pro - Ultra, che utilizza di default quattro agenti paralleli, è riservato a ChatGPT Work e Codex; l’API utilizza la beta multi-agente
- Imposta lo sforzo basandoti sulle tue valutazioni, non sull’intuizione