Reasoning w 2026 roku: Od none do max, plus tryby pro i ultra
Na tej stronie
Stan na 5 listopada 2026 r. Rodzina GPT-6 zachowuje te poziomy, ale wartość
nonejest akceptowana wyłącznie przez modele GPT-6.1 Terra, GPT-6 Sol oraz GPT-6 Luna. Modele GPT-6 Astra i GPT-6.1 Sol startują z poziomulow; wysłanie żądania z wartościąnonedo Astry zwraca błąd HTTP 400. Od 3 września możesz również zmieniać poziom wysiłku w trakcie rozmowy bez utraty pamięci podręcznej (cache), używając elementuconfiguration_update(Lekcja 9).
Konfigurowalny wysiłek rozumowania nie pojawił się wraz z GPT-5.6. Od momentu premiery GPT-5 w 2025 roku modele OpenAI dostosowują głębokość rozumowania na podstawie parametru, zastępując dawną serię o. To, co zmienia się między wersjami, to dostępne wartości i ustawienie domyślne. GPT-5.6 dodał do API poziom max oraz tryb pro, podczas gdy ChatGPT otrzymał ustawienie „ultra“. Te szczegóły mają znaczenie: zmiana wartości domyślnej może wpłynąć na opóźnienia Twojej aplikacji i wysokość rachunku, nawet jeśli nie zmienisz ani jednej linii kodu.
Sześć poziomów w GPT-5.6
W trzech modelach z rodziny GPT-5.6 parametr reasoning.effort akceptuje sześć poziomów. Przewodnik OpenAI opisuje ich zastosowania w następujący sposób:
| Poziom | Zastosowanie |
|---|---|
none | Zadania, w których kluczowe jest niskie opóźnienie, a rozumowanie nie wnosi wartości: głos, szybkie wyszukiwanie informacji, klasyfikacja |
low | Efektywne rozumowanie przy nieco wyższym opóźnieniu: analiza danych, tworzenie szkiców, kod wykonywalny, obsługa klienta |
medium | Jakość i niezawodność, planowanie oraz ocena; ustawienie domyślne dla większości przypadków użycia |
high | Trudne zadania wymagające rozumowania, złożone debugowanie, głębokie planowanie, praca agentowa |
xhigh | Głębokie badania i długie zadania agentowe, tylko jeśli Twoje ewaluacje wykażą zysk netto |
max | Maksymalny wysiłek rozumowania dla najbardziej złożonych zadań; porównaj z xhigh |
Poziom ustawiasz bezpośrednio w wywołaniu API. Tutaj prosimy Terrę o debugowanie funkcji z utrzymanym wysiłkiem, ponieważ subtelny błąd logiczny zasługuje na więcej niż pobieżne przeczytanie:
response = client.responses.create(
model="gpt-5.6-terra",
input="Find the logic error in this function and fix it.",
reasoning={"effort": "high"},
)
Jeśli ta sama aplikacja następnie sformułuje ponownie wiadomość commit, nic nie stoi na przeszkodzie, aby przełączyć się z powrotem na low dla kolejnego żądania. Router mógłby również spróbować pierwszego przejścia na poziomie medium, wykryć niepewną odpowiedź i ponowić to samo żądanie na poziomie high na tym samym modelu z tym samym promptem.
Akceptowane wartości zależą od modelu
Karty informacyjne modeli, sporządzone 5 listopada 2026 r., pokazują ewolucję tego parametru:
| Model | Akceptowane wartości | Domyślnie |
|---|---|---|
gpt-5 | minimal, low, medium, high | nieokreślone |
gpt-5.1 | none, low, medium, high | none |
gpt-5.4 | none do xhigh | none |
gpt-5.5 | none do xhigh | medium |
| GPT-5.6 Sol, Terra i Luna | none do max | medium |
gpt-6-astra | low do max | nieokreślone |
gpt-6.1-sol | low do max | medium |
gpt-6.1-terra, gpt-6-sol, gpt-6-luna | none do max | medium |
W tej tabeli wyróżniają się dwie pułapki. Pierwsza dotyczy wartości domyślnej: gpt-5.1 i gpt-5.4 nie przeprowadzały rozumowania, jeśli nic nie określono, podczas gdy gpt-5.5, GPT-5.6 i wymienione modele GPT-6 startują z poziomu medium. Aplikacja migrująca z gpt-5.4 na GPT-5.6 bez ustawienia wysiłku nagle zacznie przeprowadzać rozumowanie, co spowoduje większe opóźnienia i naliczenie większej liczby tokenów. Przewodnik migracyjny do GPT-6 podsumowuje to jedną zasadą: zachowaj swój efektywny wysiłek, gdy nowy model go akceptuje, i zapisz go jawnie. Druga pułapka dotyczy brakujących wartości: minimal nie istnieje ani w GPT-5.6, ani w GPT-6 (zamiast tego zacznij od low), a none jest odrzucane przez GPT-6 Astra i GPT-6.1 Sol.
Tryb Pro: Więcej pracy, ta sama stawka za token
GPT-5.6 wprowadził drugie, niezależne ustawienie: reasoning.mode, które domyślnie wynosi standard lub może być ustawione na pro. W trybie pro model wykonuje więcej pracy przed udzieleniem odpowiedzi, co jest odpowiednie dla trudnych zadań tolerujących wyższe opóźnienia. Tokeny są rozliczane według standardowej stawki modelu, ale ponieważ zużywanych jest więcej tokenów, całkowity koszt rośnie. Tryb ten zastępuje dawne modele „pro“: strona dotycząca wycofań (deprecations) zaleca używanie gpt-5.6-sol w trybie pro zamiast o3-pro i 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 i Ultra: Sięganie dalej
Poziom max daje modelowi jeszcze więcej czasu niż xhigh na rozumowanie, eksplorację alternatywnych ścieżek, weryfikację i rewizję podejścia. Istnieje on zarówno w API, jak i w ChatGPT Work oraz Codex, gdzie możesz go włączyć w ustawieniach.
Ultra zmienia jednak całkowicie tryb wykonania. Zgodnie z ogłoszeniem z 9 lipca domyślnie koordynuje ono czterech agentów działających równolegle w ramach jednoczesnych strumieni pracy. OpenAI zademonstrowało również konfiguracje z szesnastoma agentami dla specyficznych ewaluacji (BrowseComp, SEC-Bench Pro). Kompromis jest jasny: wyższe zużycie tokenów w zamian za lepsze wyniki i skrócony czas realizacji przy ciężkich zadaniach. Ultra jest dostępne wyłącznie w produktach: ChatGPT Work dla planów Pro i Enterprise oraz Codex, począwszy od planu Plus w momencie premiery. W API nie ma wartości ultra; osiągasz porównywalny efekt dzięki funkcji multi-agent w Responses API (wersja beta), która pozwala modelowi uruchamiać pod-agentów równolegle w ramach jednego żądania. Rezerwuj to do pracy, którą można podzielić na niezależne fragmenty.
Metoda ustawiania wysiłku
Nie ustawiaj tych poziomów w oparciu o intuicję. Weź reprezentatywną próbkę swoich rzeczywistych żądań, uruchom je najpierw na poziomie medium, a następnie high, porównaj jakość, opóźnienie i koszt, a pozwól liczbom zadecydować o ustawieniu domyślnym dla każdego typu zadania. To samo podejście powinieneś przyjąć wobec benchmarków wydawcy: to Twoje dane decydują, a nie ogólne wrażenia.
Twoja kolej
Znajdź odpowiedni poziom dla zadania. Wybierz dziesięć reprezentatywnych żądań dla jednego zadania. Uruchom je na poziomach low, medium i high, a następnie zapisz jakość (korzystając z własnej rubryki), opóźnienie oraz liczbę tokenów rozumowania wyświetlaną w polu usage. Zachowaj najniższy poziom, który spełnia Twoje oczekiwania w dziewięciu na dziesięć przypadków, i zapisz go jawnie w swoim kodzie. Bez dostępu do API wykonaj to samo ćwiczenie w ChatGPT, używając selektora rozumowania w trybie czatu.
Źródła oficjalne: Modele rozumowania · Korzystanie z GPT-6 · Multi-agent · Wycofania (dokumentacja API OpenAI) · Ogłoszenie GPT-5.6 (OpenAI, 9 lipca 2026)
Kluczowe wnioski
- Konfigurowalny wysiłek istnieje od czasów GPT-5; GPT-5.6 dodał poziom
maxi trybpro - Akceptowane wartości i ustawienia domyślne różnią się w zależności od modelu: zawsze określaj wysiłek jawnie
- Tryb Pro заставляет model pracować ciężej przy standardowej stawce za token; zastępuje on
o3-proigpt-5-pro - Ultra, domyślnie wykorzystujące czterech równoległych agentów, jest zarezerwowane dla ChatGPT Work i Codex; API korzysta z wersji beta multi-agent
- Ustawiaj wysiłek w oparciu o swoje ewaluacje, a nie intuicję