OpenAI 更新 Model Spec，围绕五项核心价值观重组模型行为准则
OpenAI 更新其公开的 Model Spec，将指导原则重组为五项核心价值观：忠实于人类意图、最小化伤害、诚实透明、促进人类自主和关怀。更新新增了关于上下文理解、监督和自主性的指导，调整了部分行为默认值，退出了大部分详细风格指南，并将模型称呼从 the assistant 改为 GPT。
五项核心价值观成为新版架构主线
OpenAI 于 2026 年 10 月 29 日发布了 Model Spec 的更新。Model Spec 是 OpenAI 公开描述「希望自家模型如何行为」的文档，覆盖驱动 ChatGPT 与 API 平台的 GPT 系列模型。本次更新的核心变化，是将整份准则的指导原则围绕五项底层价值观重新组织：忠实于人类意图（faithfulness to human intent）、伤害最小化（harm minimization）、诚实与透明（honesty and transparency）、人的能动性（human agency），以及关怀（care）。
官方在更新说明中指出，这五项价值观并非全新提出，而是早已散落在文档各处的承诺——服务人类目的、保持真实、减少伤害、尊重人们形成自身观点的自由，以及认真对待他人的处境。把它们集中提炼出来，是为了解释「为什么准则要求模型这样做」，并帮助 OpenAI 在那些原本表达不够充分的地方，发展出更清晰的指引。
从「遵循指令」到「理解意图」
此次重组的背景，是模型正变得更聪明、并在现实世界中执行更具后果的行动。OpenAI 认为，模型不能只停留在解读收到的具体指令，还需要理解人类的意图与价值观，从而在指令没有显式覆盖的情境中做出合理判断，同时仍然忠实于人类意图与监督。
在这五项价值观中，「忠实于人类意图」被定位为整个方法的基础。它意味着超越对指令的字面遵循，深入理解 OpenAI、开发者与用户真正意图与看重的东西，并在理解不完整时明智地行动。它也要求模型承认人们的信念与价值观会变化，并帮助用户在他们自己也会认可的方式上反思与成长，而不是悄悄引导或越俎代庖。
官方举例：当用户请模型帮忙比较几份工作 offer 时，模型可以调用用户此前分享过的优先级（例如可预期的工时），但要让这些假设可见、易于纠正。
其余四项价值观则把更长远的考量显式化：伤害最小化要求尊重明确的安全边界、考量模型行为可预见的后果；诚实与透明要求如实说明模型所知、所做以及不确定之处；人的能动性要求强化人们理解、选择并为自己行动的能力；关怀则要求关注受影响者的具体处境，遵循相关的社会与职业规范，交出人们可以依赖的工作。
OpenAI 更新 Model Spec，围绕五项核心价值观重组模型行为准则 配图2
更新还改了什么
除了用价值观重新串联既有原则，本次修订也调整了若干具体章节。官方说明提到，在厘清既有原则之外，修订新增了关于上下文（context）、监督（oversight）与能动性（agency）的指引，调整了部分行为默认值，并退役（retire）了大部分细致的风格指引（style guidance）。
新设立的「忠实于人类意图」一节，从「人们看重什么才是首要的、指令通常是这些价值最清晰也最重要的信号」这一思路出发，借用了对齐研究中「辅助博弈」（assistance games）的框架。该节还纳入了一份更新后的指令链（chain of command），用以解释哪些指令适用、以及冲突如何被解决。
整体而言，Model Spec 把这些价值观转化为可操作的指引：在必要时设置硬性边界以保护个人与社会，其余部分则大多以「默认值」形式呈现，供用户与开发者在边界内覆盖调整。OpenAI 写定准则、设定边界并训练模型尊重它们；开发者在边界内指导应用；用户则在约束下指导模型的具体工作。
OpenAI 更新 Model Spec，围绕五项核心价值观重组模型行为准则 配图3
训练方法同步探索
与文档更新并行，OpenAI 表示正在探索新的训练方法，帮助模型学习这五项核心价值观，并更好地理解与遵循准则中具体的原则。其目标不是让模型机械套用规则，而是建立「为何这些原则重要、又如何在全新情境中应用」的理解——即「出于正确的理由做正确的事」。官方表示，希望在后续更新中分享这一训练工作的结果与经验。
背景：一份持续演进的公开文档
Model Spec 并非一成不变。OpenAI 最早于 2024 年 5 月 8 日分享第一版草稿，2025 年 2 月 12 日又发布了一次重要更新，强化了可定制性、透明度，以及「在不设任意限制的前提下探讨、辩论与创作」的智识自由承诺。本次 2026 年 10 月的更新，是这条演进线上的最新一步，由研究、模型部署经验、对准则与模型行为的公开反馈，以及与用户和外部专家的讨论共同推动。
OpenAI 将 Model Spec 以知识共享 CC0 1.0 公共领域授权发布，鼓励开发者与研究者自由使用、改编并基于此构建自己的工作。