OpenAI 更新 Model Spec：模型行为规范从逐条条款改成五条价值观

作者：陈一帆

OpenAI 发布新版 Model Spec，把散落在各条款中的行为指导重新归纳到五条价值观下，新增对上下文、监督和自主行动能力的说明，同时删去大部分细化到字句的风格要求。公告自己承认，这份文件描述的是目标行为，模型尚未完全做到。

Model Spec 是 OpenAI 给模型写的一份公开行为规范：谁下的指令算数、哪些事不能做、指令冲突时怎么裁决，都写在里面。

11 月 5 日，OpenAI 发布了新版公告，标题是“An updated Model Spec for more capable and beneficial AI”，意思是让 AI 更强也更有益 。这次最大的变化在于把指导原则按新的结构重新组织，不涉及新增禁令：从原来的条款清单，改成围绕五条价值观展开，即忠实于人类意图、减少伤害、诚实透明、促进人的自主性、关怀 。

为什么改

公告给出的理由很直接：模型越来越聪明，在现实世界里执行的动作后果越来越重，只按指令字面执行已经不够。它需要理解人的意图和价值观，在指令没有明确覆盖的场景里做出判断，同时仍然听从人的监督 。

官方点名的改动

• 新增“忠实于人类意图”章节。开篇的意思是：人所看重的价值是第一位的，而指令通常是这些价值最清晰的信号。公告说，这部分借鉴了对齐研究里的 assistance-games 框架 。
• 更新“指挥链”，说明哪些指令适用、冲突如何裁决。但公告没有列出具体改了哪几条。
• 新增小节“仔细考虑上下文”，讲对话、记忆这些线索应该如何用来推断你的意图和偏好。
• 新增两条默认行为：支持人的自主性、遵循相关的社会规范；并扩充了“控制并沟通副作用”的既有指南 。
• 删掉大部分细化到字句的风格要求。理由是风格该随人、随语言文化变化，用反馈和上下文当证据；保留的硬性默认值里有“客观对待问题”：用户和开发者可以明确要求模型采取某个视角，但模型不能靠猜“对方想听什么”就自己站队 。
• 改称呼：全文把“the assistant”改成“GPT”，因为使用场景和部署环境变宽了 。

一条明确的分界

公告里有一句话值得单独拿出来：Model Spec 描述的是“我们正在努力达成的行为，模型还没有完全做到”。配套的新训练方法也还在探索阶段，结果要等后续更新才公布 。换句话说，这份文件现在更像一张目标说明，还不能视为对现状的描述。

责任划分也写得很清楚：OpenAI 负责写 Spec、划边界、训练模型遵守；开发者在边界内指挥应用；用户在这些约束下指挥模型干活 。

还不知道的

条款层面的对照暂时做不了：GitHub 仓库的 diff（版本差异）没有读到，公告也没说上一版是哪一版、是否同步适用于 API 和消费端。和“自主智能体行为边界”关系最近的“监督与代理”部分，公告只给了方向性概括，没有展开。Hacker News 上的转帖当时是 5 分、1 条评论，社区还没开始逐条比对 。

我的看法

把规范从逐条条款改成一套价值观，好处是模型碰到没写过的情况时有依据可循，不用每次等一条新规则。代价是模糊空间变大：“理解你的意图”和“替你做主”之间，常常只隔一层解释。公告里那句“不要悄悄引导用户、不要覆盖用户的选择”，算是先划了一条界线 。真正值得盯的是两点：后续训练能不能兑现这套说法，以及那几处没公开的条款改动到底改了什么。

转载说明

本文根据以下公开资料整理，原文及配图出处见下方。

• [S1] An updated Model Spec for more capable and beneficial AI
• [S2] An updated Model Spec for more capable and beneficial AI
• 配图 1：来源：OpenAI（图片署名见原文） · 图片出处
• 配图 2：来源：OpenAI（图片署名见原文） · 图片出处
• 配图 3：来源：OpenAI（图片署名见原文） · 图片出处