Промпты для Claude и OpenAI стали разными: что теперь менять в работе

Одна и та же схема общения с ИИ теперь может давать совсем разный результат в зависимости от модели. На примере Claude Fable 5 и Opus 4.8 видно, что старые привычки в промптах уже не всегда работают, а иногда даже мешают.

Почему один и тот же промпт больше не универсален

Автор заметил, что новая модель Claude Fable 5 формально сильнее, но в реальной работе с ней стало сложнее: агент мог тратить слишком много токенов и вести себя менее предсказуемо. После обновления промптов ситуация изменилась, и стало ясно, что проблема была не только в модели, но и в том, как ей ставили задачи.

Главный вывод простой: у разных моделей теперь разные привычки, и один стиль инструкций может отлично подходить одной системе, но ухудшать работу другой. Для пользователя это означает, что шаблоны промптов стоит обновлять так же регулярно, как и сами инструменты.

Что советуют менять в подходе

По наблюдениям из статьи, Anthropic теперь выпускает отдельные гайды под разные модели, и их советы могут быть противоположными. Для Opus 4.8 полезно подталкивать модель к работе через субагентов и более сложную структуру действий, а Fable 5, наоборот, лучше не перегружать и держать в более жестких рамках.

Еще один важный момент — привычная просьба «объясни ход рассуждений» может срабатывать не так, как раньше. Для Fable 5 она, по словам автора, иногда провоцирует отказы. Это хороший сигнал для всех, кто использует ИИ в рабочих сценариях: если модель начала отвечать хуже, стоит не только ругать сервис, но и пересмотреть формулировки запросов.

Практическая польза для работы и бизнеса

Для маркетологов, менеджеров, предпринимателей и офисных сотрудников это означает одно: пора вести отдельные коллекции промптов под разные модели. То, что хорошо работает для одной нейросети, может оказаться слишком тяжелым или слишком расплывчатым для другой.

На практике это помогает быстрее получать нужный результат в чат-ботах, агентных задачах, анализе документов и генерации текстов. Если подстроить запрос под конкретную модель, можно сократить лишние уточнения, снизить ошибки и сэкономить время команды.

Частые вопросы

Нужно ли переписывать все старые промпты?

Не все, но самые важные стоит проверить. Если модель стала отвечать хуже, начните с упрощения инструкции и уберите лишние требования.

Почему один промпт по-разному работает в разных ИИ?

У моделей отличаются стиль ответа, чувствительность к формулировкам и привычка следовать сложным инструкциям. Поэтому один и тот же текст может давать разный результат.

Как это использовать в работе без лишней возни?

Сделайте несколько отдельных шаблонов под разные задачи и модели: для коротких ответов, для длинных рассуждений, для агентных сценариев. Это быстрее, чем каждый раз настраивать запрос с нуля.