GPT-5.2 is een flagship-model voor enterprise- en agentic-workloads. Het volgt instructies sterker op, schrijft compacter met minder onnodige verbosity en is beter in structured reasoning, tool grounding en multimodaal begrip dan GPT-5.1. Tegelijk blijft het sterk prompt-sensitive en stuurbaar: tone, verbosity en outputvorm moet je expliciet in je prompt vastleggen. De grootste winst zit in twee knoppen die je bewust zet: reasoning effort en harde scope- en lengtebeperkingen.

Stuur verbosity en outputvorm

GPT-5.2 bouwt standaard meer scaffolding en structuur op. Geef daarom concrete lengte-eisen mee, zeker bij enterprise- en coding-agents. Een bruikbare clamp:

- Default: 3-6 zinnen of max 5 bullets.
- Simpele ja/nee-vragen: max 2 zinnen.
- Complexe multi-step taken: 1 korte overview-alinea +
  max 5 bullets (What changed, Where, Risks, Next
  steps, Open questions).
- Vermijd lange verhalende alinea's; gebruik compacte bullets.

Bewaak de scope

Bij frontend- en codetaken kan GPT-5.2 meer code of UX produceren dan gevraagd. Verbied extra features en ongecontroleerde styling expliciet:

• Implementeer exact en alleen wat de gebruiker vraagt; geen extra componenten of UX-versieringen.
• Verzin geen kleuren, shadows, tokens of animaties tenzij gevraagd of noodzakelijk; gebruik tokens-only colors.
• Bij ambiguïteit: kies de eenvoudigste geldige interpretatie.

Long-context en grounding

Voor lange inputs (richtlijn: meer dan ~10k tokens) helpt geforceerde samenvatting en re-grounding tegen “lost in the scroll”-fouten. Laat het model eerst een korte interne outline maken, de constraints van de gebruiker (jurisdictie, datumbereik, product) expliciet herhalen, en claims verankeren aan secties (“In de sectie Data Retention…”) in plaats van algemeen te spreken. Voor extreem lange, tool-zware sessies ondersteunt GPT-5.2 met Reasoning compaction via het /responses/compact-endpoint: een loss-aware compressie die taakrelevante informatie behoudt. Compact na grote mijlpalen, niet elke beurt.

Ambiguïteit en hallucinatie

GPT-5.2 heeft een conservatieve grounding-bias, maar kan bij vage vragen overconfident hallucineren. Laat het model onduidelijkheid expliciet benoemen en óf 1-3 precieze clarifying questions stellen, óf 2-3 plausibele interpretaties met gelabelde aannames presenteren. Verzin nooit exacte cijfers, regelnummers of externe referenties bij onzekerheid; gebruik dan formuleringen als “Based on the provided context…”. Voor juridische, financiële of compliance-gevoelige output loont een korte self-check op ongefundeerde aannames en te stellige taal (“always”, “guaranteed”).

Tools en gestructureerde extractie

Beschrijf tools kort en concreet (1-2 zinnen: wat doen ze, wanneer inzetten), moedig parallellisme aan voor onafhankelijke reads, en eis een verificatiestap na high-impact acties (orders, billing, infra). Voor PDF-, tabel- en Office-extractie levert GPT-5.2 duidelijke winst: geef altijd een schema of JSON-vorm mee, onderscheid required en optional velden, zet ontbrekende velden op null in plaats van te gokken, en vraag om een completeness-rescan voor je teruggeeft.

Migratie: pin je reasoning effort

Bij migratie naar GPT-5.2 geldt: wijzig eerst alleen het model, niet de prompt. Pin daarna expliciet reasoning_effort (waarden zoals none|minimal|low|medium|high|xhigh) op het latentie-/diepteprofiel van je vorige model — de default voor GPT-5.1 en GPT-5.2 is none. Migreer je vanaf GPT-4o of 4.1, start dan op none; vanaf GPT-5/5.1 behoud je dezelfde waarde (alleen minimal wordt none). Draai daarna je evals en tune de prompt pas bij regressies.

Zo sluit KOMPAS hierop aan

De KOMPAS-methode dwingt je precies de dingen af waar GPT-5.2 op reageert: een scherpe opdracht, expliciete scope, een vastgelegde outputvorm en een ingebouwde controlestap. Onze gratis prompt-coach helpt je die elementen in één prompt te krijgen — inclusief verbosity-clamp en schema — zodat je niet steeds opnieuw hoeft bij te sturen. Wil je dit per use-case fijnslijpen voor je team, kijk dan bij onze coaching. Gebaseerd op de officiële documentatie van OpenAI.