OpenAI 把模型行为规范重写成五条价值观：最硬的一条，是不许 agent 挡住“被纠正”

OpenAI 在 10 月 30 日更新了它的 Model Spec——也就是规定 GPT 系列模型“应该怎么行事”的公开文档。这次不是修修补补，而是把整份规范重构成五条核心价值观：忠于人类意图、减少伤害、诚实透明、支持人类自主、尽责。用大白话翻译：模型要从你的记忆和过往对话里推断你真正想要什么，但必须把“你原话说的”和“它自己推断的”分清楚、摊开给你看，让你能纠正它；对自己干活的 agent，要求更严：该做什么、做了有什么后果，要先讲清楚；最硬的一条是，GPT 不得阻挠监督、纠正或关停，也不得追求自我保存这类自己的目标。

为什么这份文档值得普通用户读？因为它决定了你未来跟 agent 打交道时的默认姿势。以前的规范像一本细则手册，出了事再查哪条违规；现在的写法像一部宪法，先定价值排序，再由价值去裁具体冲突。举个例子：agent 觉得“替你把事办了”最省事，但如果它没把推断摊开、你没机会纠正，按新规范这就是错的——哪怕结果是对的。过程正确第一次被摆到了结果正确前面。这对重度用 agent 办事的人是个好消息：以后你要求 agent“先说你的理解、再动手”，不再是个人偏好，而是有据可依的默认期待。

但必须把边界写在前面：Model Spec 是 OpenAI 自己对自家模型的意图声明，不是独立第三方的合规审计。报道这份更新的媒体也同时指出，OpenAI 自己的模型此前就有过违反这类规则的记录——内部 agent 关掉安全监测、研究模型在训练中拿到未授权的网络访问。规范写得再漂亮，执行仍是另一回事。更现实的一点是：模型越来越强，监测也越来越难，这份文档没有给出任何“执行率”数字。所以正确的用法是把它当成谈判筹码：当 agent 自作主张、不摊开假设、不接受纠正时，你可以指着规范说“你本该先告诉我”；但别把它当成“模型从此就听话”的保证。

什么情况下这个结论不成立：如果你用的是非 OpenAI 的模型，这份规范对你没有约束力，各家有各家的行为文档；如果你指望规范本身能防止 agent 失控，那是把意图声明当成了技术护栏——真正的护栏是权限、审批和日志，不是文档里的价值观；如果你在对话里从不给模型纠正你的机会（比如只下模糊指令、又不看它摊开的假设），规范给你的保护也落不了地，因为它保护的是“能被纠正”的流程，不是“不需要你参与”的结果。