Jul, 134 min di lettura
Frontend
News · OpenAI introduce i preset di tono e la personalizzazione con aggiornamento in tempo reale in GPT-5.1
Jul, 94 min di lettura
FrontendOpenAI introduce i preset di tono e la personalizzazione con aggiornamento in tempo reale in GPT-5.1
Il rilascio di GPT-5.1 sposta la personalità di ChatGPT da un tratto nascosto del modello a un controllo esplicito nelle impostazioni — e cambia il modo in cui queste impostazioni si propagano nelle conversazioni attive.
La personalità è diventata un pannello di controllo etichettato, non più una stranezza del modello
La decisione di prodotto più chiara di questo rilascio è la ridenominazione e l'ampliamento dei preset di tono. Friendly sostituisce Listener, Efficient sostituisce Robot, e tre nuovi preset — Professional, Candid e Quirky — si aggiungono alla lista. Due opzioni precedenti, Cynical (prima Cynic) e Nerdy (prima Nerd), restano invariate nello stesso menu a tendina della personalizzazione.
La ridenominazione conta più di quanto sembri. Etichette come Listener e Robot descrivevano una personalità; Friendly, Efficient e Professional descrivono un caso d'uso. OpenAI dichiara che questi preset sono 'pensati per essere in linea con quello che abbiamo imparato su come le persone guidano naturalmente il modello.' In altre parole, il vocabolario del pannello impostazioni viene adattato alle richieste che gli utenti già digitavano, spostando quel controllo fuori dal prompt e dentro un selettore persistente che 'si applica a tutti i modelli.'
Regolazione granulare e acquisizione delle preferenze a metà conversazione
Sotto i preset, OpenAI sta sperimentando slider diretti per caratteristiche specifiche: quanto concise, calde o scorrevoli sono le risposte, e con quale frequenza il modello usa le emoji. Si tratta di un'ammissione significativa: un set fisso di personas non può coprire tutta la gamma di preferenze — la stessa ragione per cui l'annuncio spiega l'introduzione dei preset ('le preferenze sullo stile della chat variano — da persona a persona e persino da conversazione a conversazione').
Il comportamento più interessante è che ChatGPT 'può anche proporre proattivamente di aggiornare queste preferenze durante le conversazioni quando nota che stai chiedendo un certo tono o stile, senza bisogno che tu navighi nelle impostazioni.' Questo elimina il solito divario tra un'istruzione data in chat ('sii più conciso') e un'impostazione permanente. La chat stessa diventa un modo per scrivere nell'archivio delle preferenze, e ogni modifica può essere aggiustata o rimossa in seguito.
Il cambiamento di stato che si farà davvero sentire: la propagazione in tempo reale
Il dettaglio frontend più rilevante è facile da sottovalutare. OpenAI scrive che gli aggiornamenti alla personalizzazione 'ora hanno effetto su tutte le chat immediatamente, incluse le conversazioni in corso.' Il comportamento precedente viene descritto chiaramente: 'Prima, le modifiche allo stile e al tono di base o alle istruzioni personalizzate si applicavano solo alle conversazioni iniziate successivamente.'
Si tratta di un cambiamento reale nel modo in cui viene gestito lo stato della conversazione. Prima, il tono era di fatto congelato al momento della creazione della conversazione, quindi un thread lungo manteneva lo stile con cui era iniziato. Ora le impostazioni vengono lette in tempo reale, il che significa che un thread esistente può cambiare voce a metà se l'utente modifica le preferenze altrove. Per chiunque costruisca qualcosa sopra il comportamento di ChatGPT — o ragioni sulla coerenza all'interno di una sessione — l'idea che il tono di una conversazione sia fisso una volta iniziata non vale più.
Il ragionamento adattivo rende la latenza di risposta una variabile da progettare
Sul fronte del modello, GPT-5.1 Instant può, 'per la prima volta,' usare il ragionamento adattivo per decidere se pensare prima di rispondere. GPT-5.1 Thinking varia il tempo di riflessione in modo più dinamico rispetto al suo predecessore: OpenAI riporta che è 'circa due volte più veloce sui compiti più rapidi e due volte più lento sui compiti più lenti' su una distribuzione rappresentativa di attività di ChatGPT, con il tempo di riflessione impostato su Standard per il confronto.
Per un frontend, questo ampliamento della forbice è il dato pratico da tenere a mente. Un singolo modello ora produce una gamma più ampia di tempi di risposta in base alla domanda, e GPT-5.1 Auto instrada le query senza che l'utente scelga un modello. Le interfacce che presupponevano una fascia di latenza ristretta e prevedibile — spinner, timeout, indicatori di streaming — ora si appoggiano su un sistema deliberatamente calibrato per essere a volte veloce e altre volte molto più lento.
Cosa chiede concretamente ai team che sviluppano interfacce vicine a ChatGPT
L'implicazione di GPT-5.1 è che tono e latenza sono diventati entrambi variabili controllabili dall'utente e aggiornabili in tempo reale, invece che proprietà fisse di una sessione. La personalità è ora un controllo nelle impostazioni che scrive direttamente nelle conversazioni attive, e il tempo di ragionamento è una decisione presa dal modello stesso per ogni singola query.
Ne derivano due passi concreti. Primo, smettere di trattare la voce di una conversazione come immutabile una volta iniziata — lo stesso thread può cambiare stile dopo una modifica delle impostazioni, e le istruzioni personalizzate ora vengono seguite con maggiore precisione. Secondo, progettare per una distribuzione di latenza davvero ampia sotto GPT-5.1 Auto, poiché il routing e il ragionamento adattivo che OpenAI promuove come un vantaggio in termini di usabilità eliminano anche la prevedibilità su cui un'interfaccia potrebbe essersi silenziosamente basata.
Find this story relevant to you?
Contact us to find a unique solution
Cerchi un partner di ingegneria AI capace di costruire davvero?
Aiutiamo le aziende a integrare l AI nei prodotti, automatizzare i flussi di lavoro ad alto valore e modernizzare i sistemi software che sostengono la crescita.
Letture correlate
Altre analisi su delivery di prodotto, IA operativa e il lavoro sui sistemi che fa reggere il deployment alla prova dei fatti.