GPT 5.6的Medium和High聊天表现截然不同

背景

大型语言模型在提供不同能力等级（如 Medium、High）时，往往被用户视为同一模型的不同参数配置或推理深度调整。然而，实际使用中，这些等级可能表现出截然不同的行为模式，影响用户对模型指令的理解和执行效果。Linux Do 社区用户发现，在 ChatGPT 的某个版本（用户称之为“gpt5.6”）中，Medium 和 High 模式在聊天场景下的响应风格差异显著，引发了对模型能力分级设计合理性的讨论。

核心内容

用户分别在 Medium 和 High 模式下开启新窗口进行聊天测试，并在系统提示词中明确写入了“聊天时回答简洁些”。结果显示：

• Medium 模式：仍然按照默认风格进行分析式回答，未能遵循“简洁”指令，回复内容偏长且带有分析过程。
• High 模式：成功理解了“简洁”要求，在用户指出“叫错了”之后，直接给出了简短回复，未进行冗余分析。

此外，用户还测试了临时窗口（即新建会话但未持久化系统提示的场景）。在临时窗口下，无论 Medium 还是 High 模式，都开始进行分析式回答，说明系统提示词对临时窗口的行为影响有限。

该发现来自一条包含 4 个帖子、3 位参与者的社区讨论帖，用户通过截图对比了两种模式的实际输出差异（原文附有图片，但本文未转载）。

关键要点

• Medium 与 High 模式在聊天场景下行为差异显著：Medium 倾向于长篇幅、分析式的回复，而 High 能更好地尊重“简洁”指令。
• 系统提示词的影响因模式而异：High 模式对系统提示词中“聊天时回答简洁些”的指令执行得更到位，Medium 则几乎忽略该指令。
• 临时窗口弱化了模式差异：在新建的临时会话中，Medium 和 High 都会回归分析式回答，说明系统提示词是触发 High 简洁行为的必要条件。
• 用户感知到的“两个模型”现象：同一模型的不同等级在对话风格上可能产生割裂感，导致用户需要针对不同模式调整提示词策略。

意义与影响

1. 模型能力等级设计的非透明性：用户通常认为 High 只是分配更多计算资源或推理深度，但实际行为差异可能源于内部指令遵循机制或后处理策略的不同。这提示厂商需要更清晰地文档化等级之间的行为区别。
2. 提示词工程需要分级适配：用户若希望实现简洁回复，不能仅依赖通用提示词，还需根据所选模式调整措辞或重复指令。在 High 模式下，简洁指令有效；在 Medium 模式下，可能需要更明确的约束（如“不要分析，只给答案”）。
3. 临时窗口与系统提示的交互困境：临时窗口无法保留系统提示词，导致 High 模式的优势消失，说明用户若需稳定行为，应使用持久化会话而非临时窗口。
4. 社区发现的价值：通过用户实际对比测试，暴露了模型产品在功能一致性上的潜在问题，也为后续模型迭代提供了真实反馈——例如统一不同等级对系统提示词的响应能力，或让 Medium 也能更好地理解基础指令。