Chiedi a ChatGPT Work di pianificare un percorso di corsa di 5K/10K: un playbook di GPT-6 Astra

GPT-6 Astra e ChatGPT Work possono ora prendere un indirizzo e restituirti un vero percorso circolare di corsa di 5K o 10K — strade reali, una distanza reale, scaricabile come GPX e GeoJSON, con una mappa interattiva incorporata nella chat. Il trucco è sapere che sono due livelli diversi che svolgono due compiti diversi. ChatGPT Work è il livello di prodotto agentico di OpenAI — annunciato il 9 luglio 2026, per gli abbonati da 20 dollari al mese in su — dove un modello può continuare a lavorare per mezz'ora tra file, una shell e Internet. GPT-6 Astra è il modello di ragionamento di punta che è stato rilasciato il 3 settembre 2026, è diventato disponibile a livello generale il 5 settembre su ogni livello a pagamento di ChatGPT, ChatGPT Work, Codex e l'API, ed è il modello che trasforma una richiesta di una riga in una sessione di pianificazione del percorso multi-step di 27 minuti. Questo playbook copre il prompt funzionante, gli strumenti a cui l'agente ricorre effettivamente (OpenStreetMap, Nominatim, Overpass), gli output da aspettarsi e le avvertenze oneste — perché il flusso di lavoro è davvero utile, e perché la parte che nessuno ti mostra è quella che può mordere.

La ricetta di un paragrafo

La richiesta che funziona, come dimostrato da Simon Willison il 12 settembre, è quasi imbarazzantemente breve:

• Prompt: "Vivo a <my address>. Trova percorsi di corsa da 5K e 10K che partono da me e fanno un anello da casa mia. Usa i dati OSM."

• Cosa è successo dopo: ChatGPT Work ha funzionato con GPT-6 Astra (sforzo di ragionamento Max) per 27 minuti e ha restituito un anello da 5K e un anello da 10K, ciascuno come mappa interattiva incorporata più file GPX e GeoJSON scaricabili.

• Il percorso era reale: il risultato della 5K ("El Granada harbor loop 5.1 km") si snodava dal porto verso nord lungo Avenue Granada e Paloma Avenue, verso est lungo San Carlos Avenue, verso sud lungo Francisco Street e di nuovo verso ovest lungo il Coastal Trail.

Quell'ultimo dettaglio è il punto di un playbook. Questo non è un elenco allucinato di nomi di strade — è un percorso ad anello, ha una distanza plausibile e corrisponde alla rete stradale effettiva della zona. Quando al modello è stato chiesto come l'ha costruito, ha risposto semplicemente: "Ho usato Nominatim per localizzare l'indirizzo e Overpass per scaricare le strade e i sentieri locali di OpenStreetMap, poi ho calcolato i percorsi ad anello localmente."

Il flusso di lavoro, in altre parole, è una vera esecuzione di un agente: geocodifica l'indirizzo, recupera dati cartografici reali, calcola anelli chiusi della lunghezza giusta, genera una visualizzazione ed esporta formati di interscambio standard. Se hai desiderato un prompt "pianificami un percorso" che funzioni davvero, questa è la sua forma.

Che cos'è realmente ChatGPT Work, e perché è importante qui

ChatGPT Work non è un modello. È la superficie del prodotto in cui un modello può agire come un agente: può eseguire codice, accedere a Internet, usare un browser headless, mantenere uno spazio di lavoro persistente tra le sessioni e funzionare a lungo. Si è diviso, in modo confuso, in due forme: Work Cloud (tramite chatgpt.com o le app mobili) e Work Local (l'app desktop precedentemente chiamata Codex, che può accedere a file e programmi sul tuo computer). È disponibile per gli abbonati ai piani da 20 $ al mese e superiori — gli utenti gratuiti e gli utenti Go da 8 $ non ne hanno accesso — e le sessioni Work attingono alla tua quota Codex anziché alla tua quota chat.

Ecco perché la generazione del percorso ha funzionato dove un normale turno di chat fallirebbe: l'attività richiede esecuzione di codice, accesso a Internet ai servizi di geocodifica e di dati cartografici, e un'attenzione sostenuta sufficiente per iterare. La normale chat di ChatGPT risponde in pochi secondi e passa oltre. ChatGPT Work continua a lavorare. Anche la scelta del modello all'interno di Work è importante — Open​AI consiglia GPT-6 Astra proprio per questo tipo di lavoro multi-step end-to-end, con sforzo di ragionamento configurabile fino a Max.

Quindi la prima regola del playbook: questo è un compito di Work, non un compito di Chat. Apri ChatGPT Work, seleziona GPT-6 Astra e lascia che la sessione proceda invece di aspettarti una risposta immediata.

Gli strumenti sotto il cofano: OSM, Nominatim, Overpass

Nessuno dei meccanismi reali è di proprietà di OpenAI. L'agente ha assemblato il percorso a partire da infrastrutture geografiche pubbliche, e vale la pena sapere cosa fa ciascun pezzo — sia per poter verificare la plausibilità dell'output, sia per poter riprodurre tu stesso la pipeline, se mai volessi eseguirla al di fuori di ChatGPT.

• OpenStreetMap (OSM) è la mappa libera e collaborativa del mondo — la fonte dei dati per le strade e i sentieri che il percorso segue.

• Nominatim è il servizio di geocoding di OSM: trasforma un indirizzo in linguaggio naturale («Vivo in <my address>») in coordinate sulla mappa.

• Overpass è l'API di interrogazione per i dati OSM: l'agente l'ha usata per scaricare le strade e i sentieri locali intorno a quelle coordinate.

• Il calcolo stesso dei loop ("ha calcolato i loop localmente") è stato eseguito nello spazio di lavoro dell'agente — prendendo il grafo stradale grezzo e trovando circuiti chiusi di lunghezza approssimativamente corretta.

Quella scomposizione è il nucleo riproducibile. Se volessi costruire la stessa cosa da solo, la pipeline è: fai il geocoding con Nominatim, prelevi una rete stradale con Overpass, calcoli i circuiti, esporti in GPX/GeoJSON, renderizzi con una libreria di mappatura. ChatGPT Work ha appena fatto tutto questo al posto tuo, senza chiavi API, senza ricerche su librerie di routing e senza codice che tu abbia dovuto scrivere.

Cosa ricevi in cambio: l'abilità di visualizzazione e i file

Gli output sono la parte che fa sembrare il risultato finito invece che una demo. Per quanto riguarda la visualizzazione, l'agente ha usato la funzione integrata di ChatGPT, la skill di visualizzazione, per creare un file HTML autonomo — nell'esecuzione osservata, /workspace/el-granada-5k-share.html — che incorporava la mappa direttamente nell'interfaccia utente di ChatGPT. L'HTML memorizza l'intera geometria del percorso in un elemento <script type="application/json"> e renderizza la mappa con D3.js caricato da una CDN. La policy di sicurezza dei contenuti della skill consente solo un elenco specifico di origini esterne — cdnjs.cloudflare.com, esm.sh, cdn.jsdelivr.net, unpkg.com, fonts.googleapis.com, fonts.gstatic.com e fonts.bunny.net — e "le altre origini vengono bloccate e falliscono silenziosamente". Questo dettaglio conta se dovessi mai ispezionare un file generato: la mappa funzionerà con quelle librerie e, senza di esse, si degraderà silenziosamente.

Sul fronte dei file, ottieni due formati di interscambio che ogni app GPS e strumento di mappatura già comprende:

• GPX — il formato standard di scambio GPS. Importalo in Strava, Garmin Connect o qualsiasi app per percorsi e verrà visualizzato come un percorso che puoi seguire.

• GeoJSON — il formato JSON geospaziale. Usalo in QGIS, Leaflet, Mapbox o in qualsiasi strumento geospaziale; è anche il formato in cui la visualizzazione incorporata memorizza la sua geometria.

Se il tuo obiettivo è un percorso che puoi davvero percorrere, il file GPX è il prodotto finale — la mappa incorporata è la prova che è sensato, e il GeoJSON è la copia per qualsiasi utilizzo programmatico.

Quello che la demo non ti dice: due reali avvertenze

La generazione del percorso è reale, ma il quadro onesto di ChatGPT Work emerge dalle sue modalità di errore, e la persona che l'ha testato ne ha portate alla luce due la stessa mattina.

1. L'esecuzione è opaca. Il codice dell'agente e i suoi passaggi esatti non erano visibili nell'interfaccia di ChatGPT — solo la spiegazione riassuntiva ("ho usato Nominatim… poi ho calcolato i loop localmente"). Per un percorso, va bene; per qualsiasi cosa che abbia conseguenze, è una lacuna di trasparenza che devi presumere presente. Willison la definisce "un'anti-funzionalità": vedi il risultato e il resoconto che il modello stesso dà del risultato, non il codice che l'ha prodotto.

2. La compattazione può cancellare il lavoro. Nel momento in cui ha chiesto una copia del codice Python, l'agente non è più riuscito a produrla — il thread era stato compattato e il contesto pre-compattazione era andato perduto. Qualsiasi lunga sessione agente su cui fai affidamento comporta questo rischio: il thread viene riassunto e gli artefatti o il codice che non sono mai stati salvati in un file non sono più recuperabili. Se ti serve il codice, chiedilo come file durante l'esecuzione, non dopo.

Nessuna delle due avvertenze mina il playbook — un percorso più esportazioni GPX/GeoJSON è esattamente il tipo di deliverable che sopravvive alla compattazione perché è stato scritto su disco. Ma stabiliscono le aspettative: ChatGPT Work è potente, non trasparente e non un registro durevole di tutto ciò che ha fatto.

Perché questo conta più di una bella demo

Sotto i percorsi di corsa c'è una capacità genuinamente nuova che vale la pena quantificare: un modello di frontiera che prende una richiesta di una riga, svolge 27 minuti di vero lavoro multi-step tra geocodifica, query di rete e calcolo locale, e restituisce file utilizzabili. Questo è ciò che significa "lavoro agentico" nella pratica, e cambia ciò che dovresti aspettarti da una richiesta a un modello. Cambia anche l'aritmetica dei costi — ed è qui che la prospettiva del routing si guadagna il suo posto.

In ChatGPT Work, quella sessione di 27 minuti attinge alla quota Codex del tuo abbonamento, e su GPT-6 Astra i token si consumano in fretta. Lo stesso modello è disponibile a consumo per token tramite l'API: GPT-6 Astra ha un prezzo di listino di $10 per milione di token di input e $50 per milione di token di output, con una finestra di contesto di ~1,05 milioni di token, e una fascia long-context oltre i 272.000 token di input a tariffe più elevate — prezzi di listino del fornitore. Per un ciclo di agenti che mantiene l'intera sessione nel contesto, è nella fascia long-context che risiede la spesa.

È esattamente il costo che un livello di routing esiste apposta per gestire. Una sola API per oltre 200 modelli con il prezzo di listino del provider trasferito a un markup dello 0% significa che un modello di frontiera da $10 e $50 come GPT-6 Astra si trova accanto a un GPT-5.6 Sol da $4 e $20 sulla stessa chiave, e puoi passare dall'uno all'altro con una stringa di modello — nessun secondo contratto, nessuna modifica al codice, nessuna integrazione per singolo fornitore. Se vuoi prototipare un agente per la pianificazione di percorsi o un altro agente a lungo termine sul modello più recente senza puntarci un percorso di produzione, il failover automatico ti consente di far passare una parte del traffico su di esso mentre un modello collaudato resta al di sotto. E quando un fornitore taglia un prezzo, il pass-through significa che il nuovo prezzo è attivo dalla nostra parte lo stesso giorno — lo stesso prezzo di listino, senza alcun livello di markup in mezzo.

Lo stesso ragionamento vale per il pattern degli strumenti, non solo per il modello. La pipeline OSM/Nominatim/Overpass usata dall'agente è esattamente il tipo di cosa che uno sviluppatore potrebbe voler invocare in modo deterministico — e se la costruisci tu stesso, instraderesti il livello del modello attraverso un unico endpoint invece di codificare rigidamente un singolo fornitore, così il modello che pianifica il percorso può essere sostituito o può eseguire il failover senza riscrivere la pipeline.

Il playbook, condensato

Se vuoi riprodurlo da solo, la forma è:

• Usa ChatGPT Work (non la chat normale), con GPT-6 Astra selezionato e un livello di ragionamento elevato.

• Prompt con un indirizzo reale e le distanze obiettivo: "Vivo a <address>. Trovami percorsi di corsa di 5K e 10K da me che facciano un anello da casa mia. Usa i dati OSM."

• Aspettati che richieda decine di minuti, non secondi — e aspettati che funzioni da solo.

• Chiedi che gli output siano in formato file man mano che procede: GPX per il tuo orologio o app, GeoJSON per qualsiasi cosa programmatica, e la visualizzazione che genera nella chat.

• Se ti serve il codice che ha scritto, chiedi che venga salvato come file durante l'esecuzione — la compattazione può cancellarlo successivamente.

Quell'ultimo passaggio è quello che tutti saltano, ed è quello che fa davvero male. Il modello pianificherà volentieri i tuoi cicli per tutto il giorno; semplicemente potrebbe non ricordare il codice che l'ha fatto nel momento in cui glielo chiedi.

La stessa chiave dà accesso al resto del catalogo, e puoi sfogliare il catalogo completo dei modelli per vedere cos'altro si nasconde dietro un unico endpoint compatibile con OpenAI.