OpenAI 更新 Model Spec：五条价值观，从“听话”到“听懂”

Model Spec 是 OpenAI 公开写明“我们期望模型如何行事”的文件，训练目标、政策判断都以它为参照。10 月 29 日的这版更新，把散在各处的指导原则重新组织到五条价值观下——忠于人类意图、尽量减少伤害、诚实与透明、促进人的自主性、关怀。公告把这解释为价值观对齐的一项目标：“让模型在陌生情境中也能理解并运用人类价值观，同时始终忠于人类意图。”规范同时说明，这五条并不涵盖模型应尊重并帮助人们追求的全部人类价值观。

排在第一条的“忠于人类意图”是这一版的地基。公告的写法是：理解什么对人们重要，并帮助他们去追求——这意味着“不能仅按字面执行指令，而要深入理解 OpenAI、开发者和用户的意图及其重视的事物，并在理解尚不完整时明智地行事”；也意味着认识到人们的信念和价值观会变，帮助他们反思与成长，“而不是暗中引导他们或擅自推翻他们的选择”。公告给出的例子很具体：帮用户比较工作邀约时，模型可以参考用户之前提到的优先事项（比如“工作时间安排可预期”），但要“明确说明所依据的假设，让用户能够轻松纠正”。

另四条价值观把这层意思铺开：尽量减少伤害——遵守不可逾越的安全边界，考虑行动的可预见后果；诚实与透明——如实说明知道什么、做了什么、对哪些事不确定；促进人的自主性——增强人们自主理解、选择和行动的能力；关怀——关注受影响者的境况，遵循相关社会规范与专业准则，提供可以依赖的工作成果。落到规范结构上，公告的分工写得很直接：OpenAI 编写规范、设定边界，并训练模型遵守这些边界；开发者在这些边界内决定应用如何运作；用户则在这些约束下指挥模型开展工作。规范把这些价值观转化为指导时，只在必要处设不可逾越的边界，“其余内容则大多是用户和开发者可通过指令覆盖的默认规则”。

新版“忠于人类意图”一节从一个理念出发：“人们所珍视的事物才是根本，而指令通常是表达这些价值观最清晰、最重要的信号。”这个思路借鉴了对齐研究中的辅助博弈框架（assistance games），并纳入更新后的指令层级（chain of command）。层级的排序是 Root、System、Developer、User、Guideline，另有一类默认没有权威的来源——助手与工具消息、引用及不可信数据。冲突时先看更高层级，再看更新的消息。值得注意的是规范自己写明的偏好：尽量把指令放在 Guideline 这一层，“以最大程度赋能最终用户，避免家长式作风”——这类默认规则在情境清晰时可以被隐式覆盖。

新增小节“审慎考虑上下文”是这次更新里与普通用户关系最直接的部分。它写明上下文包括哪些东西：先前的对话轮次、过往对话的记忆、检索到的信息、文件、工具输出、第三方信息，以及面向用户的记忆与个性化设置；并要求模型据此理解人们的意图和偏好。行为规则有三条：其一，相关时带着上下文前进，“而不是强迫用户重复讲述已经分享过的内容”；其二，分清哪些是用户说的、哪些是模型自己推断的，并且“不应过度声称任何细节是如何可得的”——对存了什么、保留了什么、检索了什么、删除了什么、忘记了什么，不做没有依据的断言；其三，按比例使用，衡量过度使用与使用不足两边的代价，从上下文推断出的偏好可以覆盖 Guideline 层的默认规则，“但绝不能覆盖同层级或更高层级的明确指令”。

对一直在跟进个人 AI 产品的读者，这一节值得对照着读：本站个人 AI 伙伴专题记录过 Muse 的查看、更正与忘记关系记忆，也记录过 dots 把主动研究做进日常事务。那些是产品层的功能；这份规范是行为层的条款——记忆怎样被使用、模型能不能假装记得、推断能不能冒充你说过的话，现在有了可以逐条核对的公开依据。规范自己也不把话说满：这一节“聚焦用户可见的行为，而非底层上下文如何确定或提供给 GPT”。

这次更新同时移除了规范里大部分细化的风格指导。替代思路是：风格应当适应人们的偏好——既看普遍偏好，也看不同语言、文化和个人的偏好，用户反馈和上下文为判断这些偏好提供依据。部分约束更强的默认规则保留，比如“客观看待问题”。用户和开发者仍可以明确要求模型采用特定视角，但公告划了一条线：模型“不应仅凭自己对他们想听什么的猜测，就认定他们有这种偏好”。这句话写在规范里，针对的正是聊天产品里被反复讨论的谄媚问题。

另几处新增不那么显眼，公告自己也说“许多细节虽不显眼，却十分重要”：支持人的自主性、遵循相关社会规范各有一组默认规则；控制和说明附带影响的指导被扩充——在尊重用户目标与指令的同时，考虑工作对他人的影响、增强用户的能力、提供可依赖的成果。还有一个用词变化：随着模型进入 API、代理与设备等更多部署环境，规范现在用“GPT”而不是“助手”（the assistant）来指代模型。文件里的称呼跟着部署面一起变宽了。

公告没有把这份文件说成对现状的描述。它写明：在更新规范的同时，OpenAI 一直在探索新的训练方法，帮助模型学习这些核心价值观、理解并遵循规范里的具体行为原则，目标是让模型理解这些原则为何重要、如何在新情境中运用——“出于正确的理由，做正确的事”；训练工作的结果与经验教训将在后续更新中分享。而“未来展望”一节更直接：“模型规范描述的是我们努力实现的行为目标；目前，我们的模型尚未完全达到这些要求。”

对读者来说，这份文件的价值不在承诺本身，而在它可被核对：模型怎样使用你的记忆、会不会顺着你说、承认不承认自己的不确定，这些都可以拿规范原文逐条对照——它是否符合自己宣称的行为目标，也是可以观察的事。OpenAI 同时开放了反馈入口，征求“你认为规范的哪些内容有说服力，你在哪些方面不认同它所作的权衡，以及它遗漏了什么”。规范先走一步、模型在路上——这个差距本身，就是接下来值得持续对照着看的东西。

• 读 Model Spec 全文（2026-10-29 版） ↗
• 官方反馈入口 ↗