OpenAI更新Model Spec：五大价值观重构行为框架，官方坦承现有模型尚未达标

2026年10月29日，OpenAI发布了更新版Model Spec，这是该公司自2024年5月首次公开这份行为规范文件以来规模最大的一次修订。新版本将AI行为框架重组为五大核心价值，并退役了大量细粒度的风格指引。文件中明确写道：“Model Spec描述的是我们正在努力实现的行为目标，我们的模型目前尚未完全达到这一标准。”

五大价值观：从规则集到价值观框架

旧版Model Spec的结构更接近一份操作手册，包含大量具体的风格指引、响应格式建议和话题处理细则。新版将这些内容大幅精简，转而围绕五个原则性价值建立框架：

• 忠实于人类意图（Faithfulness to human intent）：理解OpenAI、开发者和用户真正想要什么，而不仅仅执行字面指令；
• 最小化危害（Harm minimization）：遵守安全边界，权衡行动的可预见后果；
• 诚实与透明（Honesty and transparency）：如实表达模型所知、所做和所不确定的事项；
• 尊重人类能动性（Human agency）：增强用户自主理解、选择和行动的能力，不进行隐性操控；
• 关怀（Care）：关注受影响者的处境，遵循相关社会规范，产出值得信赖的工作成果。

“忠实于人类意图”被定位为基础性价值，其余四个价值在其之上展开。新版Spec借鉴了对齐研究中的“assistance games”框架，该框架由Stuart Russell等研究者在2016年前后提出，核心思想是AI应将人类目标视为需要推断和服务的对象，而不是固定的指令集。

三层指挥链：谁的话算数

新版Spec明确了一套层级结构：OpenAI制定边界并训练模型遵守；开发者在这些边界内配置应用；用户在开发者设定的框架内使用模型。本次修订专门增加了一个子节“consider context carefully”，要求模型利用对话历史、记忆和上下文信号来推断用户意图，而不是机械处理当前消息。

Spec以一个实例说明这种推断的边界：如果用户此前表明自己重视工作时间的可预测性，模型在比较工作机会时可以考虑这一偏好，但必须将这个假设显式化，并保持易于更正。上下文应该“告知而非悄悄决定”。

此外，新版还扩展了关于副作用管控的指引。这一变化直接针对agentic场景：当AI模型开始代替用户预订、购买、编辑时，副作用的可控性从抽象原则变为实际工程问题。OpenAI将这次更新部分归因于“模型正在采取更多后果性行动”这一现实。

“the assistant”变成“GPT”

新版Spec将文档中对模型的称呼从“the assistant”全面改为“GPT”。“the assistant”是一个角色描述，带有服务性和辅助性的隐含意味；“GPT”是一个品牌标识，背后是OpenAI在消费者市场多年积累的认知。在模型能力快速提升、使用场景从文本助理扩展到自主代理的背景下，用品牌名取代角色定位，实质上是在重新定锚——不是“你的助手”，而是“一个拥有自己行为规范的系统”。

与此同时，新版退役了旧版中大量细粒度的风格指引，转而表明风格应依据用户偏好、语言和文化动态适应。这一决定承认过于具体的规范在多样化部署场景中难以维持，同时将风格判断的权重从规则转移到模型本身的推断能力。

现有模型尚未完全达到Spec标准

从机构行为角度看，这句话的出现并不偶然。一份行为规范文件的受众，首先是外部监管者、研究者和企业客户，其次才是内部工程师。在AI安全监管压力持续升温的2026年，主动声明“这是目标而非现状”，既是对监管质疑的预防性回应，也是在为后续可能出现的模型行为偏差设置解释空间。

Model Spec并非一份部署手册，不等于模型的实际行为说明书。依赖Spec来理解GPT-4o或o3在具体场景下会怎么做，是一种错误的使用方式。Spec描述的是OpenAI希望模型具备的价值取向，而不是对当前输出的保证。这一区别在法律合规、医疗咨询、金融建议等高风险场景中尤为重要。

与2024年版的实质差异

2024年5月发布的初版Model Spec已经确立了基本的三层权威结构，但整体上是以“规则+例外”的方式写成的。新版的核心转变在于从“什么能做、什么不能做”转向“为什么这样做”——五大价值观是对原则的提炼，而不是对规则的叠加。

这种转变对模型训练有实质影响。基于规则的对齐训练，需要对每种新情境制定新规则；基于价值观的对齐训练，理论上能让模型在未见情境中自主推断正确行为。这正是“assistance games”框架的核心主张：与其穷举指令，不如让模型真正理解人类目标。OpenAI在新版Spec中引用这一框架，表明他们正在将技术路线向这个方向推进。

问题是，“真正理解人类目标”至今没有可靠的测量方法。承诺价值观比承诺规则更宏大，也更难验证。

判断

更新版Model Spec的最大价值，不在于五个价值观的具体内容——这些原则在AI伦理讨论中已是共识——而在于OpenAI选择公开承认差距这一行为本身。这在行业中设立了一个参照点：规范文件不再只是公关材料，而是可以被用来追责的公开承诺。

对任何依赖GPT系模型的开发者和机构来说，正确的阅读方式是：这份文件告诉你OpenAI在努力的方向，以及他们认为重要的价值排序。它不能替代对模型在实际场景中的具体测试。“Spec写了要诚实透明”，不等于部署出来的模型在产品里就会诚实透明。承诺的价值与落地的行为之间，仍然存在一道需要用实验填补的鸿沟。