GPT-5.6 werkt beter met een korte opdracht dan met je uitgebreide prompt

GPT-5.6, het nieuwe model achter ChatGPT, is sinds 9 juli 2026 breed beschikbaar, na een gefaseerde start met beperkte toegang. Op dezelfde dag publiceerde OpenAI een eigen promptgids, en de kernboodschap daarvan gaat in tegen wat gebruikers het afgelopen jaar leerden. Toen OpenAI zijn interne prompts opschoonde, verbeterden de resultaten met ongeveer 10 tot 15 procent, terwijl het tokenverbruik met 41 tot 66 procent daalde en de kosten met 33 tot 67 procent. Dat leverde beter werk op voor minder geld, alleen door herhaling weg te halen.

Het advies in één zin: omschrijf een opdracht als het eindresultaat met de belangrijke grenzen, het bewijs dat het model mag gebruiken en het punt waarop het klaar is, en laat het model daarna zelf de route kiezen. Voor juristen zit het belang niet in de besparing. GPT-5.6 werkt zelfstandiger en pakt bij meerstapstaken uit zichzelf door, en dat is precies de plek waar de controle op AI-werk kan wegglippen.

Waarom je opgebouwde prompts nu tegen je werken

Oudere modellen hadden begeleiding nodig. Je moest ze door de route heen praten met instructies als "denk stap voor stap", "wees grondig" en "controleer alles dubbel". GPT-5.6 draait die verhouding om. Het kiest zijn eigen aanpak, zoekt zelf informatie op en werkt door tot een taak af is. Die oude aansporingen zitten nu in de weg.

Het model neemt je instructies bovendien letterlijk. Tegenstrijdige of overlappende regels dwingen het om rekentijd te besteden aan het met elkaar rijmen ervan, wat leidt tot trager, duurder en vaker verkeerd werk. Tokens zijn daarbij de stukjes tekst waarmee een taalmodel rekent; hoe meer tekst je erin stopt, hoe hoger de rekening en hoe meer ruis het model moet wegfilteren. Een prompt die dezelfde regel op drie plekken herhaalt, maakt het model onzeker over wat je echt belangrijk vindt.

Het helpt om te weten welk model je voor je hebt. GPT-5.6 is een familie van drie: Sol is het vlaggenschip, Terra de middenmoter voor dagelijks werk en Luna de snelste en goedkoopste. Terra en Luna kom je vooral tegen in zakelijke omgevingen en via de API. Je kunt per vraag de hoeveelheid denktijd opschroeven, maar meer denktijd repareert een vage opdracht niet: dan wordt het antwoord alleen duurder. Eerst je opdracht aanscherpen, dan pas de denkstand.

Wat OpenAI's promptgids aanraadt

Vier punten uit de gids maken voor dagelijks gebruik het meeste verschil.

Zeg alles één keer. Schrap herhaling, loze kwaliteitswoorden als "grondig" of "professioneel" waar het model niets aan kan toetsen, en voorbeelden die het gedrag niet veranderen. Korter betekent hier niet leger: doel, eisen, grenzen en gewenste output blijven staan, je haalt alleen de dubbelingen eruit.

Vervang vage wensen door toetsbare eisen. "Schrijf een pakkend stuk" geeft het model niets om zijn werk aan te controleren. "Open met een concrete stelling, geef binnen de eerste 150 woorden iets bruikbaars, en herhaal de inleiding niet in de slotzin" geeft dat wel, en jou ook.

Spreek vooraf af wat het model zelf mag doen. Bij een vraag om iets uit te leggen of te beoordelen: onderzoeken en rapporteren, geen wijzigingen doorvoeren. Bij een vraag om iets te maken: het werk direct uitvoeren binnen de opdracht. OpenAI waarschuwt hier ook voor het omgekeerde: wie overal "vraag eerst toestemming" tussen zet, krijgt een model dat ook voor de veiligste handeling om goedkeuring blijft vragen. Absolute regels als "altijd" en "nooit" bewaar je voor wat echt onwrikbaar is, zoals een veiligheidsgrens.

Wil je een kort antwoord, zeg dan wat behouden moet blijven. GPT-5.6 is uit zichzelf al beknopt, dus "wees beknopt" schrapt soms net het verkeerde. Geef liever een volgorde: begin met de conclusie, houd de noodzakelijke feiten en kanttekeningen vast, en schrap eerst de inleiding en de achtergrond.

De opdrachtstructuur die je al herkent

De gids komt neer op een opdracht met zes onderdelen: het doel, de succescriteria, de grenzen, het bewijs en de bronnen, de gewenste output, en de stopregel. Wie weleens een junior heeft ingewerkt, herkent dit als een gewone briefing. Je beschrijft de bestemming en de voorwaarden, niet elke voetstap.

Voor juristen zitten de twee blokken die het meeste gewicht dragen aan het eind. Zonder succescriteria en stopregel weet een vasthoudend model niet wanneer het genoeg is en blijft het doorzoeken en doorschrijven. "Onderzoek dit onderwerp" heeft geen natuurlijk eindpunt. "Beantwoord deze vijf vragen op basis van de aangeleverde openbare bronnen en benoem wat onzeker blijft" wel.

Een voorbeeld dat binnen de grenzen van het beroepsgeheim blijft:

Doel: geef een overzicht van de hoofdlijnen van [openbaar leerstuk of wettelijk kader].
Succescriteria: onderbouw elke stelling met een vindbare bron, benoem waar
rechtspraak of literatuur verdeeld is, en markeer wat onzeker blijft.
Grenzen: gebruik alleen openbare bronnen en rechtspraak. Verzin geen
verwijzingen. Voer geen conclusie op die je niet kunt staven.
Bewijs en bronnen: [benoem de openbare bronnen die het mag gebruiken].
Output: een lopend overzicht met tussenkoppen, voor een juridisch geschoolde lezer.
Stopregel: kun je een bewering niet staven, meld dat dan expliciet in plaats
van hem alsnog op te nemen.  

De grens blijft dezelfde als bij elk algemeen taalmodel. Openbare bronnen, rechtspraak, een leerstuk of een modeltekst zonder cliëntgegevens mogen erin. Voor stukken die onder het beroepsgeheim vallen is dat geen optie, tenzij het model in een afgeschermde omgeving draait met een verwerkersovereenkomst en zonder training op jouw invoer. Een korte, heldere opdracht verandert daar niets aan.

Waar de controle blijft liggen

De zelfstandigheid die GPT-5.6 aantrekkelijk maakt, verschuift het risico. Een model dat zelf doorpakt, levert sneller een compleet ogend resultaat, en juist dan is de neiging groot om minder zelf na te lopen. We schreven eerder dat delegatie aan AI de eindcontrole naar jouw bureau verschuift; een model dat de route zelf kiest, maakt dat scherper. De grenzen en de stopregel in je opdracht zijn de plek waar je die controle inbouwt: wat het model niet mag doen, wanneer het jou erbij haalt, en dat het onzekerheid benoemt in plaats van gladstrijkt.

Drie dingen verdienen aandacht. Bouw in je vaste opdrachten de eis in dat het model onderbouwt en onzekerheid markeert, zodat je een fout sneller ziet. Houd bij terugkerend werk je ingevulde opdrachten bij en schoon ze op, want prompts die je van een ouder model overnam zitten waarschijnlijk vol herhaling die dit model juist afremt. En toets een opgeschoonde opdracht tegen je oude versie op één taak die je vaak doet, zodat je voor je eigen werk ziet of het uitmaakt in plaats van het aan te nemen.