GPT-5 is een reasoning-model dat instructies met chirurgische prec***ie volgt en uitzonderlijk stuurbaar is. Dat is meteen het belangrijkste aandachtspunt: omdat het model je prompt zo nauwgezet opvolgt, schaden tegenstrijdige of vage instructies GPT-5 méér dan andere modellen. Het verspilt dan reasoning-tokens om de tegenstrijdigheid te verzoenen in plaats van willekeurig een instructie te kiezen. Een heldere, conflictvrije prompt is dus de basis van goede output.

Reasoning effort schalen op de taak

Met de parameter reasoning_effort stuur je hoe diep het model nadenkt en hoe graag het tools aanroept. De default is medium; schaal omhoog of omlaag naar de moeilijkheid van je taak.

• Verlaag naar medium of low voor snellere, efficiëntere afhandeling met minder zijsprongen — veel workflows lopen daar consistent op.
• Verhoog voor complexe, meerstaps-taken om de beste output te krijgen; knip losse deeltaken op over meerdere agent-turns (één turn per taak).
• GPT-5 introduceert ook minimal reasoning: de snelste optie, het beste upgrade-pad voor latency-gevoelige toepassingen en GPT-4.1-gebruikers. Op dit niveau is expliciete prompted planning extra belangrijk.

Agentic eagerness kalibreren

GPT-5 werkt over het hele spectrum van proactief tot afwachtend. Wil je minder eagerness, definieer dan duidelijke criteria voor hoe ver het model de probleemruimte mag verkennen — eventueel met een vast tool-call-budget en een “escape hatch” (bijvoorbeeld “even if it might not be fully correct”) zodat het mag doorgaan onder onzekerheid. Wil je juist meer autonomie en minder verduidelijkingsvragen, verhoog dan reasoning_effort en voeg een persistence-instructie toe:

- You are an agent - keep going until the user's query is
  completely resolved before yielding back.
- Never stop at uncertainty: research or deduce the most
  reasonable approach and continue.
- Do not ask the user to confirm assumptions; decide, proceed,
  and document them afterwards.

Tool preambles en verbosity

GPT-5 is getraind om vooraf een plan te schetsen en tussentijds voortgang te melden via tool preambles. Je stuurt de frequentie, stijl en inhoud daarvan in je prompt — van een korte upfront-planning tot uitleg bij elke tool-call. Daarnaast is er een nieuwe API-parameter verbosity die de lengte van het eindantwoord stuurt (los van de lengte van het denken). Het model reageert ook op natuurlijke-taal-overrides per context: zo zette Cursor verbosity globaal op low, maar vroeg het in de prompt expliciet om hoge verbosity alleen bij code-tools, voor beknopte statusupdates én leesbare diffs.

Prompts ontdoen van tegenstrijdigheden

Omdat GPT-5 instructies zo letterlijk volgt, loont het om je prompt grondig na te lopen op conflicten en dubbelzinnigheden. Los de instructie-hiërarchie op zodat regels elkaar niet tegenspreken. Markdown-opmaak in eindantwoorden staat in de API standaard uit; vraag er expliciet om als je het nodig hebt, en herhaal die instructie elke 3-5 berichten in lange gesprekken. Tip uit de bron: gebruik GPT-5 als meta-prompter voor zichzelf — vraag welke zinnen je kunt toevoegen of weglaten om het gewenste gedrag betrouwbaarder te krijgen.

De KOMPAS-methode sluit hier direct op aan: je formuleert eerst een ondubbelzinnig doel, dan scherpe kaders en de juiste mate van autonomie — precies wat GPT-5 nodig heeft om zonder tegenstrijdige signalen te presteren. Toets je prompt gratis in onze prompt-coach en haal er de conflicten en vaagheden uit voordat je hem inzet; wil je dit structureel onder de knie krijgen, kijk dan bij onze coaching. Gebaseerd op de officiële documentatie van OpenAI.