OpenAI 建议开发者切换至 Responses API 以最大化模型性能

OpenAI 近日在 X 平台发文，向 API 开发者分享了一组用于最大化模型性能的配置建议。该团队强调，模型评测结果通常并非在「裸模型」上取得，而是叠加了 API 设置、调用框架与提示策略等「隐变量」后的综合表现。要复现其在自有产品中的效果，开发者应在接口与参数层面与官方部署方式保持一致。

OpenAI 给出的三条核心建议

OpenAI 在帖子中列出了以下实践要点：

• 使用 Responses API，而非已逐步被替代的 Chat Completions API；
• 保留推理（retain reasoning），避免在调用链路中丢弃模型的中间推理过程；
• 启用压缩（compaction），以减少长上下文场景下的 token 消耗。

这三条建议覆盖了接口选型、推理保留与上下文压缩三个层面，构成 OpenAI 当前推荐的「默认配置组合」。

评测与实际部署之间的鸿沟

OpenAI 借此提醒社区：模型 benchmark 分数往往反映的是一整套工程方案的最终效果，而非单一模型本身的能力。API 端点的差异、推理链路的处理方式，以及提示模板的设计，都会显著影响输出质量与成本。因此，依赖公开排行榜做选型时，需要把这些「隐藏变量」纳入考量。

面向开发者的公开测试入口

OpenAI 在帖文末尾提供了公开竞技场的链接，邀请开发者亲自下场与前沿模型对弈，以验证上述配置建议的实际效果。这一形式既可作为社区评测的补充，也为 OpenAI 自身迭代 API 体验收集反馈。