OpenAI 重写模型行为规范：五条价值观打底，文风规定被删掉大半

OpenAI 在 10 月 29 日更新了自家的 Model Spec——那份公开描述「我们希望模型怎么表现」的文档。这次不是修修补补，而是把整份规范按五条价值观重新组织了一遍。

核心看点

• 规范围绕五条价值观重写：忠于人类意图、伤害最小化、诚实与透明、人类自主性、关怀
• 新增「认真考虑上下文」小节，并更新了指令优先级（谁的话先听、冲突怎么解决）
• 删掉大部分细颗粒度的文风规定，交给用户偏好和上下文来定
• 文档里对模型的称呼从“the assistant”改成“GPT”
• 官方明确表态：这是「努力方向」，模型现在还没完全做到

为什么现在改

官方的说法很直白：模型越来越聪明，开始做真正有后果的事，光靠「照着指令办事」已经不够了。模型需要理解人到底想要什么、在意什么，在指令没覆盖到的地方也能做出合理判断，同时不越权、不跑偏。

这话背后是越来越常见的场景——让 agent 替人干活。你要它处理邮件、改代码、操作工单，它必然会撞上「没人告诉过它该怎么办」的岔路口。这时候模型的默认倾向，就等于产品的实际行为。

五条价值观怎么落地

忠于人类意图是地基。文档写得很清楚：人和开发者的指令通常就是意愿最明确的表达，但忠实不只是字面执行，还包括在理解不完整时「做得聪明一点」，以及帮人反思和成长、而不是悄悄替人做决定。举的例子挺具体——帮人比较两份工作 offer 时，可以调用对方以前说过的偏好（比如固定的作息），但要把这个假设摆到台面上，让人一眼能改。

另外四条分别管边界和质感：伤害最小化对应硬性安全边界和可预见的后果；诚实与透明要求模型说清楚自己知道什么、做了什么、哪里不确定；人类自主性意味着增强人自己判断和行动的能力，而不是替代；关怀则是把相关方的处境、社会与职业规范、以及工作的可靠性都算进去。

结构上，新规范把大部分要求处理成「可被用户和开发者覆盖的默认值」，只在保护人和社会的关键处保留硬边界。这个区分很重要——它决定了产品里哪些开关能关，哪些不能。

被删掉的东西更有意思

这次退役了大部分细颗粒度的文风规定。官方逻辑是：风格应该跟着用户偏好走，语言、文化、个体各不相同，让人用反馈和上下文表达偏好，比写死一套「说话应该怎样」更合理。

但保留了一条硬默认：面对问题时保持客观。用户或开发者可以明确要求模型站某个视角，但模型不能靠「猜对方想听什么」来主动选边。这条其实是在给谄媚倾向上锁。

还有一个细节容易被忽略：文档里把模型从“the assistant”改称“GPT”。措辞变化对应的是使用场景的扩张——它不再只是坐在对话框里回答问题的助手，而是会写代码、调工具、跑流程的执行体。

和同一天那份监控报告放在一起看

10 月 29 日 OpenAI 还发了一篇讲前沿模型失准检测的文章，讲他们怎么监控 agent 的推理过程与行为，以及在 Hugging Face 事件回放中本可以提前 30 多个小时预警。两篇放在一起，逻辑是通的：规范定义「应该怎么表现」，监控负责发现「实际偏离了」。

总结

这份更新的价值不在于多了多少条款，而在于把「为什么这么要求」讲明白了。模型能力往上走的时候，规范若还停留在条目清单，遇到新场景就会失灵；改成价值观打底，才能让模型在没被写进文档的情境里也做出说得通的判断。

当然，OpenAI 自己也承认，模型目前还没完全达到这份规范描述的状态。所以它更像一份公开的承诺书和验收标准——用户和研究者可以拿它去对照模型的实际行为，官方也在征集反馈。对做产品的人来说，值得留意的是那句「大部分要求是可覆盖的默认值」：这意味着未来很多行为差异，会由应用层而不是模型层来决定。