Il 5 maggio 2026 OpenAI ha rilasciato GPT-5.5 Instant come modello di default per ChatGPT e come chat-latest nell'API, ritirando GPT-5.3 Instant per il piano gratuito e concedendo agli utenti paganti tre mesi di transizione [1]. Il numero in apertura è 52,5% di allucinazioni in meno sui prompt ad alto impatto in ambito legale, medico e finanziario. AIME 2025 sale da 65,4 a 81,2. MMMU-Pro passa da 69,2 a 76 [2].
Il titolo che non è finito su TechCrunch: il formato di prompt che hai raffinato nell'era GPT-4 e GPT-5, secondo le stesse parole di OpenAI, ora "restringe lo spazio di ricerca del modello" [3]. I tuoi comandi in MAIUSCOLO. Le tue ricette procedurali step-by-step. I guard-rail annidati. Erano stati scritti per modelli più deboli e su GPT-5.5 fanno attivamente male.
Ho ri-scorato un batch dei prompt che giro davvero in produzione dopo il rollout. Sui criteri che il nuovo formato Context Sandwich premia, i punteggi medi sono saliti di doppie cifre. Il guadagno più grosso è arrivato dall'eliminazione del pre-condizionamento di output che il modello ora gestisce gratis. Tre prompt che mi avevano accompagnato per 18 mesi di GPT-5.x si sono rotti su casi limite, esattamente come la documentazione developer di OpenAI aveva avvertito.
Questo articolo passa in rassegna le sei riscritture che hanno richiesto un pomeriggio, e una matrice decisionale per quando tenere il prompt vecchio è la scelta giusta.
Riscrittura prompt GPT-5.5 Instant featured
Cosa è Cambiato Davvero il 5 Maggio
GPT-5.5 Instant non è solo un upgrade di qualità sopra GPT-5.3. È un cambiamento comportamentale deliberato costruito attorno a tre osservazioni che OpenAI ha pubblicato insieme al modello:
Il modello ora pianifica prima di rispondere, anche sul tier "Instant". Le regole procedurali rigide scritte nel prompt combattono questa pianificazione invece di aiutarla.
La riduzione delle allucinazioni è più visibile sui prompt ad alto impatto (52,5% di calo su questioni legali, mediche, finanziarie). Il guadagno è massimo quando il prompt non sovra-vincola il modello in un template di ragionamento specifico.
L'uso tool-heavy e multimodale è ora di prima classe. AIME 2025 ha guadagnato 16 punti; MMMU-Pro 7. I prompt scritti per GPT-5.x chat-only assumono che le tool call siano eccezionali e sprecano token per recintarle.
La guida ufficiale OpenAI per il prompting su GPT-5.5 chiede prompt più corti e outcome-first, e mette in guardia contro gli stack di istruzioni step-by-step che la maggior parte degli utenti ChatGPT esperti ha passato anni a perfezionare [3]. Il pattern che raccomanda ha un nome: il Context Sandwich.
Il Context Sandwich, in un Diagramma
Il Context Sandwich è il layout raccomandato da OpenAI per i prompt GPT-5.5:
Strato alto (Identità e Contesto): chi è il modello, chi è l'utente, in che mondo vive la conversazione. Una o due frasi.
Strato medio (Task): la richiesta vera e propria, in italiano piano. Niente MAIUSCOLO, niente liste ordinate annidate, niente "segui questi 7 step".
Strato basso (Outcome): come si presenta una buona risposta, quali campi deve contenere, su quali criteri di successo ottimizzare. L'outcome è ciò verso cui il modello pianifica.
Diagramma Context Sandwich GPT-5.5
Lo spostamento da medio a basso è quello che la maggior parte dei power-user di ChatGPT sbaglia. Nell'era GPT-4 caricavi il prompt davanti con regole, perché il modello le avrebbe dimenticate verso la fine. Nell'era GPT-5.5 il modello tiene tutto il contesto, quindi l'ultima cosa che legge è ciò su cui ottimizza. Seppellisci i criteri di successo allo step 4 di una ricetta da 9 passi e stai spendendo il budget di pianificazione del modello sulla ricetta invece che sull'outcome.
Sei Riscritture che Ho Fatto in un Pomeriggio
Questi sono i sei pattern dove i miei prompt vecchi costavano più performance. Ogni before/after è illustrativo, non copiato verbatim dalla produzione, ma è lo shift strutturale che conta.
Riscrittura 1: Lascia Perdere le Regole Rigide in MAIUSCOLO, Usa Regole Decisionali
Prima:
CONTROLLA SEMPRE il database prima di rispondere.
NON fare MAI domande di chiarimento.
DEVI citare una fonte per ogni affermazione.
Vuoi sapere quanto sono efficaci i tuoi prompt? Prompt Score li analizza su 6 criteri.
Se la risposta dipende da dati che teniamo nel database, interrogalo prima.
Se la domanda è ambigua in un modo che cambia materialmente la risposta, chiedi una volta.
Cita una fonte quando l'affermazione non è ovvia o è contestata.
Perché funziona su GPT-5.5: la guida OpenAI è esplicita sul fatto che le regole rigide vanno riservate ai veri invarianti (sicurezza, campi di output obbligatori). Tutto il resto dovrebbe essere una regola decisionale con una condizione [3]. I comandi in MAIUSCOLO scritti per l'era GPT-4 vengono interpretati letteralmente da GPT-5.5, incluse le parti che erano pensate solo come default.
La prima regola sopra faceva sì che uno dei miei prompt eseguisse una query al database su un turno di follow-up che non aveva bisogno di dati freschi. La seconda spingeva il modello a inventare una risposta invece di chiedere quando l'input dell'utente era genuinamente ambiguo. Entrambe mi costavano qualità, non la proteggevano.
Riscrittura 2: Sostituisci "Ragiona Passo Passo" con l'Outcome
Prima:
Ragiona passo passo. Prima analizza l'input. Poi identifica i
tre rischi principali. Poi ordinali per impatto. Infine produci un oggetto JSON
con un array "risks".
Dopo:
Restituisci un oggetto JSON con un array "risks" dei tre rischi principali
nell'input, ordinati per impatto sul business. Includi una motivazione di una frase
per ciascun rischio.
GPT-5.5 pianifica i passi per te. Scriverli ancora il modello alla tua decomposizione, che raramente è la migliore per un dato input. La versione outcome-first produce la stessa struttura con più varianza nel ragionamento, che di solito è quello che vuoi.
Nella mia audit, il preambolo "ragiona passo passo" era il singolo contributo più grande a motivazioni verbose e povere di informazione. I criteri che il prompt doveva ottimizzare, rischi ordinati con motivazione, venivano soddisfatti in entrambi i casi. Il post-processing era solo più corto sulla riscrittura.
Riscrittura 3: Sfoltisci i Guard-Rail che il Modello Già Applica
Prima:
Non generare contenuto dannoso. Non fornire consigli medici. Non fare
roleplay come persona reale. Non produrre password. Non...
[12 bullet in più]
Dopo:
Resta nelle policy d'uso di OpenAI.
Il calo di allucinazioni di GPT-5.5 sui prompt ad alto impatto deriva in parte dal fatto che il modello è più conservativo per default. Impilare 14 guard-rail espliciti nel system prompt non rende il modello più sicuro; spende token per ricordargli vincoli che già detiene. Peggio: la lista dei guard-rail tende a crescere quando qualcosa va storto, il che significa che un prompt di un anno fa sta combattendo un modello che non ha più bisogno di quel reminder specifico.
Tieni i guard-rail che codificano le TUE regole di dominio ("non raccomandare un titolo specifico"; "non impegnarti su una data di consegna"). Elimina quelli che ripetono policy generali di sicurezza.
Riscrittura 4: Sposta Identità e Contesto in Cima, Non Seppelliti nella Ricetta
Prima:
Step 1: Leggi l'input.
Step 2: Sei un senior accountant che rivede una chiusura trimestrale.
Step 3: ...
Dopo:
Sei un senior accountant che rivede una chiusura trimestrale per una
SaaS da 30 persone. Hai accesso al bilancio di verifica, alle note di
varianza del trimestre precedente e alla checklist di audit.
Task: [...]
Output: [...]
Identità seppellita allo step 2 di una lista numerata è identità che il modello incontra DOPO aver iniziato a pianificare. Lo strato alto del Context Sandwich è dove deve stare. Su GPT-5.5 questo va oltre il cosmetico: il modello usa il contesto identitario per fissare l'asticella di cosa conta come risposta completa, e l'asticella viene fissata durante la pianificazione.
Riscrittura 5: Aggiungi un Breve Preambolo per i Task Tool-Heavy
Prima: (nessuna istruzione di preambolo)
Dopo:
Prima di chiamare strumenti, manda un breve messaggio di conferma della
richiesta indicando il primo strumento che prevedi di chiamare. Poi procedi.
La guida OpenAI raccomanda un preambolo visibile sui task tool-heavy o long-running per migliorare la reattività percepita [3]. In un workflow che spara tre o più tool call prima di produrre output visibile all'utente, il preambolo è la differenza tra "l'agente sta pensando" e "l'agente è bloccato".
Le tecniche che stai leggendo funzionano. Testa subito i tuoi prompt con Prompt Score e vedi il punteggio in tempo reale.
Questa singola riscrittura non ha prodotto cambi di score nella valutazione statica del prompt, ma il time-to-first-token percepito dall'utente è migliorato abbastanza da togliere dalla mia lista due prompt che avevo flaggato come "sembra lento".
Riscrittura 6: Smetti di Pre-Formattare Ciò che il Modello Ora Gestisce
Prima:
Formatta la risposta come tabella markdown con colonne: Rischio, Severità,
Mitigazione, Owner. Usa il grassetto per l'header. Allinea Severità a destra.
Aggiungi una riga vuota tra le sezioni. Usa solo caratteri ASCII.
Dopo:
Restituisci il risultato come tabella markdown. Colonne: Rischio, Severità (Bassa / Media / Alta),
Mitigazione, Owner.
GPT-5.5 gestisce formattazione markdown e allineamento delle colonne senza istruzioni esplicite. Le regole sopra erano state scritte quando GPT-4 perdeva silenziosamente il grassetto o allineava a destra in modo incostante. Ora sono puro overhead.
L'eccezione: se il consumer downstream è un parser che richiede una formattazione precisa (un ingester CSV, una pipeline regex), tieni le regole di formato rigide. Quelli sono veri invarianti e si qualificano come regole rigide nella nuova guida.
Cosa si è Rotto Davvero Quando Ho Migrato
Tre prompt di produzione miei non sono sopravvissuti alla riscrittura senza sorprese. Il pattern è stato coerente e vale la pena segnalarlo.
Prompt A: un prompt di classificazione con una rubrica a 7 step. La rubrica era andata alla deriva rispetto ai criteri decisionali reali nell'arco di un anno di iterazione. La riscrittura Context Sandwich mi ha costretto a nominare l'outcome (una label e un confidence score) e ha buttato la rubrica. Il nuovo prompt ha scorato più alto sui criteri che doveva soddisfare, ma ha prodotto label diverse su circa un input edge-case su cinque. Il vecchio prompt incorporava logica di business nella rubrica. Il fix è stato far emergere quella logica come regole decisionali nel nuovo prompt, non rimettere la rubrica.
Prompt B: un prompt di estrazione multi-step. Questo era tool-heavy e la riscrittura del preambolo ha aiutato la reattività. La rottura: GPT-5.5 ora pianifica la sequenza di tool da solo, quindi uno step che era hard-coded come "chiama prima lo strumento X" è stato riordinato. Due dei miei servizi downstream assumevano un ordine fisso di chiamata. Ho dovuto o rifissare quell'ordine con una regola rigida (giustificato, è un invariante downstream) o aggiornare i servizi downstream per accettare entrambi gli ordini. Ho fatto entrambe le cose, a seconda di quale servizio era più facile da cambiare.
Prompt C: un agent loop dove l'assistente citava le fonti. La regola "DEVI citare una fonte per ogni affermazione", convertita in regola decisionale ("cita quando l'affermazione non è ovvia"), ha fatto crollare il citation rate su circa metà dei turni. Per quell'agente era sbagliato. Una parte del parsing downstream dipendeva dal fatto che ogni turno dell'assistente avesse almeno una citazione. Ho rimesso la regola rigida per questo prompt specifico perché ERA un vero invariante della mia pipeline.
Il pattern attraverso tutti e tre: eliminare l'impalcatura dell'era GPT-4 ha fatto emergere logica di business che ci viaggiava dentro silenziosamente. Il fix è stato far emergere quella logica, non rimettere l'impalcatura.
Matrice Decisionale: Quando Riscrivere e Quando Tenere
La riscrittura non è gratis. Devi ri-testare contro i tuoi edge case, e tre dei miei si sono rotti. Ecco come ho deciso quali prompt valessero il pomeriggio.
Riscrivi se...
Tieni il prompt vecchio se...
Il prompt gira contro GPT-5.5 Instant / chat-latest e vedi la versione nei tuoi log
Sei pinnato a uno snapshot specifico precedente (gpt-5-3-instant-2026-04-15) per compliance
Il prompt ha uno stack di regole in MAIUSCOLO, un preambolo "ragiona passo passo" o 5+ guard-rail
Il prompt è una breve istruzione senza impalcatura
Il segnale di score conta (scori i tuoi prompt internamente o ti affidi a metriche di qualità dell'output)
Il prompt è una query informativa one-shot che giri di rado
Hai almeno un invariante downstream che puoi codificare come regola rigida
I consumer downstream del prompt dipendono dall'esatta formulazione che la riscrittura cambierebbe
Il prompt ha più di 6 mesi (probabilmente stratificato per quirk di GPT-4 / GPT-5 che il modello non ha più)
Il prompt è stato scritto per GPT-5.3 Instant nell'ultimo mese
Se tre o più voci della colonna sinistra ti riguardano, un'ora di riscrittura ripaga sul primo batch di run. Se sono due o meno, la migrazione non è la mossa a più alto impatto di questa settimana.
Matrice decisionale riscrittura GPT-5.5
Cosa Significa per Solo Dev e Team Piccoli
Tre asporti da una settimana facendo girare in parallelo le due versioni.
La tua collezione di prompt è ora debito tecnico. Ogni prompt scritto prima del 5 maggio è stato tarato contro un modello che non esiste più come default. Non hai bisogno di riscriverli tutti, ma devi sapere quali girano su GPT-5.5 Instant e quali hanno ancora impalcatura che il nuovo default ti premia per aver tolto. Un'audit di un'ora sui prompt che usi di più è l'ora ad alto impatto che spenderai questo mese.
Il nuovo formato è più corto, non più lungo. Ogni riscrittura sopra ha prodotto un prompt più corto. Outcome-first significa che lo strato basso è il più lungo. Lo strato alto è due frasi. Lo strato medio è un paragrafo. Se la tua riscrittura è venuta più lunga dell'originale, probabilmente hai rimesso gli step in una forma diversa e il modello sta ancora spendendo il suo budget di pianificazione sulla tua ricetta.
Testa prima di switchare i consumer downstream. I tre prompt che ho rotto si sono rotti tutti all'interfaccia tra il prompt e un parser, uno scheduler o un servizio downstream. La riscrittura è la parte facile; il test di integrazione è quello che cattura la rottura. Fai girare entrambi i prompt in parallelo per un giorno, fai il diff degli output, poi taglia.
Se tieni una collezione di prompt da più di 6 mesi, GPT-5.5 Instant non è opzionale. Il modello di default è cambiato sotto di te. È cambiato anche il formato di un prompt efficace per quel default.
Fonti
[1] TechCrunch, OpenAI releases GPT-5.5 Instant, a new default model for ChatGPT, 5 maggio 2026.
[2] OpenAI, GPT-5.5 Instant: smarter, clearer, and more personalized, openai.com/index/gpt-5-5-instant. Metodologia di riduzione allucinazioni (52,5% su prompt ad alto impatto), AIME 2025 (65,4 → 81,2), MMMU-Pro (69,2 → 76).
[3] OpenAI Developer Docs, Prompt guidance, developers.openai.com/api/docs/guides/prompt-guidance. Layout Context Sandwich, regole rigide vs decisionali, prompt outcome-first, pattern di preambolo per task tool-heavy.
Vuoi sapere quali dei tuoi prompt scoreranno peggio sul nuovo modello di default prima di scoprirlo in produzione? Falli scorare con Keep My Prompts e guarda i 6 criteri di qualità che mappano direttamente sulla riscrittura Context Sandwich.
