GPT-5.5 Instant abierto a todos los usuarios, OpenAI te enseña cómo escribir prompts de manera más inteligente y eficiente

OpenAI anuncia que GPT-5.5 Instant está abierto a todos los usuarios, con una reducción del 52.5% en la tasa de alucinaciones en escenarios de alto riesgo, y la prueba matemática AIME sube de 65.4 a 81.2 puntos.
(Resumen previo: OpenAI lanza el modelo especializado en seguridad cibernética GPT-5.4-Cyber: ha corregido 3,000 vulnerabilidades críticas, compitiendo con Claude Mythos)
(Información adicional: ¿Cómo logró un estudiante de secundaria de 17 años crear un “Prompt de nivel divino” que mejora la capacidad de razonamiento de Claude, equiparándola a modelos o1?)

GPT-5.5 Instant se abre oficialmente a todos los usuarios, y el anuncio oficial indica que en escenarios de alto riesgo como medicina, leyes y finanzas, las declaraciones ficticias se reducen en un 52.5%, y las declaraciones incorrectas en conversaciones marcadas como hechos se reducen en un 37.3%.

El razonamiento matemático también ha mejorado un nivel. AIME 2025 pasa de 65.4 a 81.2 puntos. AIME es una prueba de resistencia en la integridad de cadenas de razonamiento, que indica mejoras estructurales en el razonamiento lógico en múltiples pasos del modelo.

El alcance de la apertura, desde el 5 de mayo, cubre a todos los usuarios, incluyendo cuentas gratuitas, que también pueden acceder, aunque la función de memoria personalizada (referenciar conversaciones pasadas, subir archivos, Gmail) sigue restringida a Plus y Pro, y solo en la versión web.

OpenAI te enseña cómo escribir prompts efectivos

Hace unos días, OpenAI también publicó una guía oficial sobre la estructura recomendada para prompts. La compañía afirma que la mayoría de las personas, en su forma de escribir prompts, se desvían lógicamente.

En el archivo para desarrolladores, OpenAI propone una estructura de prompt en siete bloques, en orden:

• Role (configuración del rol)
• Personality (personalidad y tono)
• Goal (objetivo)
• Success criteria (criterios de éxito)
• Constraints (restricciones)
• Output (formato de salida)
• Stop rules (reglas de parada).

El primer cambio clave es “priorizar el resultado”. La forma antigua de escribir prompts seguía una lógica secuencial: primero hacer A, luego B, y finalmente producir C.

La nueva lógica consiste en definir el destino final, describiendo claramente los criterios de éxito para que el modelo decida qué camino seguir para llegar allí. OpenAI recomienda explícitamente que, al modificar prompts antiguos, lo primero sea eliminar pasos programáticos y reemplazarlos por una descripción del resultado.

El segundo cambio es en el uso de reasoning effort. reasoning effort es el nivel de profundidad de pensamiento que el modelo realiza, donde niveles más altos indican que el modelo piensa más antes de responder, lo que también aumenta el costo computacional.

La recomendación oficial es que en la mayoría de escenarios productivos, basta con usar low o medium, reservando high para razonamientos en múltiples pasos, salidas formateadas o extracción de datos, ya que niveles más altos solo aumentan el gasto sin mucho beneficio adicional.

Otras recomendaciones específicas también son útiles:

• Las reglas de parada deben especificar claramente “en qué estado no es necesario continuar”, por ejemplo, detenerse al encontrar el primer resultado que cumple con los criterios.
• Los Retrieval Budgets (presupuestos de búsqueda) deben limitar las veces que el modelo puede buscar, para evitar búsquedas infinitas.
• Para tareas de borrador, es más efectivo definir primero “qué no se quiere” en lugar de “qué se quiere”, ya que las restricciones negativas son más fáciles de identificar que las positivas.