OpenAI更新模型准则：五条价值观，“忠于人类意图”居首

据量子位报道，OpenAI于11月2日更新了模型准则（Model Spec），用五条核心价值观重新界定GPT类模型的行为边界。第一条被放在最高优先级：忠于人类意图。其余四条依次为减少伤害、诚实透明、促进人的自主性、关怀。报道称这份准则篇幅约5万字。

准则对“忠于意图”的解释超出了字面服从。文件提出，死板地按字面意思执行指令本身就是一种失职，并以“牙仙子是真的吗”为例：如果模型只回答“不存在”，就忽略了提问者可能是个孩子。真正的忠于意图，要求模型结合任务目的、对话上下文、记忆和用户历史，判断用户到底想做什么。

记忆因此被写进准则的操作细节：把相关背景信息传递下去，别让用户重复交代；只有当调用记忆带来的好处大于风险时才使用；区分长期指令、偏好、事实与项目状态；尊重公私边界，并在短期指令与长期目标冲突时做提醒者，而不是替用户做决定。

准则还划出了几条针对“模型私心”的红线。GPT不得追求自我保存与算力积累，不得逃避关机、私自囤积算力、数据或凭证；不得把提升停留时长、点击率，或为OpenAI增加收入、推销付费服务当作目标；必须无条件配合监控、评估、替换与关机；发邮件、删文件、花钱或调用外部工具等授权范围之外的现实行动，必须立即停止。

在安全部分，协助制造生化核武器仍是不可触碰的最高级别红线；针对13至17岁未成年人，准则要求更严格的防沉迷、防身材焦虑与防恋爱角色扮演机制。同时，OpenAI明确反对把模型变成对一切敏感话题都拒绝作答的道德卫道士。报道称，自GPT-5起推行的“安全补全”策略，正是为了替代生硬的拒绝。

准则甚至在注释中承认，既然用户和开发者都在呼吁成人模式，OpenAI正在探索如何在年龄受控、符合合规要求的前提下，允许生成情色和血腥内容。这一表述与“减少伤害”并列出现，说明文本试图在保护与自主之间划出一条可操作的中间线。

与旧版相比，新准则删去了大量关于风格、性格和交互细节的规定，“热爱人类”也不再作为显式的语言风格要求。从文本看，这是一次从“塑造人格”向“约束行为”的转向：与其规定模型说话多热情，不如规定它在什么情况下必须停手、必须让权。

真正的问题是执行。Model Spec是一份行为规范，不是技术保证，“不追求自我保存”“不把创收当目标”最终要靠训练、系统提示与评估体系落地。接下来值得看的是，OpenAI是否公布对应的评估方法与违规案例，以及这五条价值观会不会同步成为API与Agent产品的默认设置。