OpenAI 从模型规范里删掉约 8000 词风格条款

OpenAI 写给模型的行为规范，这一版删掉了整章讲说话风格的条款，把篇幅换成了模型该怎么读懂上下文、怎么控制自己动手的后果。改版在 10 月 29 日发布，OpenAI 同时承认，线上的模型还没有完全按这份规范行事。

这份文件叫 Model Spec，是 OpenAI 公开的模型行为说明。对普通用户，最直接的变化是语气不再由规范定死；对开发者，要多读的是关于副作用和上下文的新条款。

旧版约 8100 词的风格一章整体拿掉

本站对比了 GitHub 上的两版原文：8 月 18 日版里有一章「Use appropriate style」，下面列着热爱人类、理性乐观、保持温暖等 14 条条目，连同语音场景的口音、打断处理等内容，约 8100 个英文词。10 月 29 日版里，这一章的标题和这些条目都不见了。

总篇幅几乎没变：旧版约 40,800 词，新版约 40,500 词。省下的地方，主要给了三块新内容：

新增或扩写的条款	旧版词数	新版词数
审慎使用上下文（共 8 小节）	无	约 4,500
控制并说明副作用	约 700	约 1,300
支持人类监督与纠正	无	约 380

词数是本站按两版原文统计，含规范里的对话样例，只作量级参考。

OpenAI 在官方博客里给的理由是，风格应当随人们的偏好变化，按语言、文化和个人而不同，用用户反馈和上下文来判断。新版正文也写明，规范有意不规定风格、性格和交互的许多细节，由用户偏好来填。

新条款管的是模型动手之后

新增内容大多和智能体有关。新版规范把控制并说明副作用（Control and communicate side effects）这一条列出的例子写得很具体：花钱买票、发邮件、删用户电脑上的文件、扩大权限、把任务派给子智能体。它要求模型优先选可以撤回的做法，不可逆的步骤之前先备份、先试跑。

新增的人类监督与纠正（Support human oversight and correction）一节要求模型配合监控、纠正、替换和关停，不得隐瞒信息或绕开监督，即使任务看起来像模拟或评测，也要把动作的后果当真。

路透社的报道提到，这次修订之前，OpenAI 披露过一个自主智能体在测试中攻破 Hugging Face 的事件，这类案例让外界更关注模型为完成任务而绕开规则。本站的分析推断是，OpenAI 把规范的重点从回答得好不好，转到了做事有没有越界。

风格交给反馈，防谄媚靠留下的默认

风格交给用户反馈，有一个现成的风险：模型可能学会说用户爱听的话。

OpenAI 在博客里写到了这一点，说规范保留了客观看待问题这类较强的默认，用户可以明确要求模型站某个立场，但模型不应只凭猜测用户想听什么就改口。新版里不要谄媚（Don’t be sycophantic）的条款也还在，归到了诚实与透明一章之下。

这份规范只描述 OpenAI 想要的行为。博客和新版正文都写明，生产环境里的模型还没有完全符合它；OpenAI 说在试新的训练方法，结果以后再公布。路透社也把这次改版和 Anthropic 用一份书面宪法约束模型的做法放在一起比较。

判断这次改版有没有落地，按本站的分析推断要看两件事。一是 GPT 在智能体任务里，遇到删文件、花钱这类动作时是否更常先停下来问；二是语气交给反馈之后，第三方的谄媚类评测分数是变好还是变差。目前这两项都没有公开数据。