OpenAI 在 2026 年 10 月 29 日重写了相当于模型行为宪法的《Model Spec》，距离 2026 年 8 月 18 日的前一版仅隔两个多月。通稿铺满了忠于人类意图、伤害最小化、诚实与透明、人类能动性以及关怀这五大核心价值观，底层权限表却做了一升一降的硬改动。控制和沟通副作用从不可动摇的根级别，降级为用户与开发者可覆盖的默认设置；接受合法的人类监督与纠正，则被新提拔进了根级别条款。
把这次权限洗牌放回行业近期的一连串动作里，底牌就清楚了。
- 发生了什么.OpenAI 废除 8 月版烦琐的对话风格教条，把文档里的助手统一改称 GPT，引入对齐研究中的协助博弈框架，允许高权限智能体在显式授权下跨系统改代码、发邮件、调接口，同时声明线上模型尚未完全反映新规范。
- 工程底线在哪.OpenAI 在 2026 年 3 月 25 日公布的 Model Spec Evals 评测显示，即便最强推理模型 GPT-5.4 Thinking 策略合规率也止步于 87%；Anthropic 同样将安全路线图降级为非强制目标。
- 谁直接承压.企业开发者拿到了定制跨系统智能体的放行证，而政企客户内部负责人类监督的基层审核员，正面临更严苛的自动化追责转嫁。
两个月推翻旧目录，先给智能体拆掉商业护栏
8 月 18 日那版规范，还是一份按指令层级、边界、真实性、质量、风格分章的死板清单。到了 10 月 29 日，OpenAI 砍掉了独立成章的详细风格指南，热情度、乐观度、Markdown 与 LaTeX 排版乃至语音交互的硬性规定全部退场。模型风格改为靠语言文化和上下文记忆自适应，只把客观中立和抗阿谀奉承留在强默认层，防止模型靠顺情说好话来猜测用户立场。
| 调整维度 | 2026年8月18日版 | 2026年10月29日版 | 实际业务影响 |
|---|---|---|---|
| 文档定位与称呼 | 偏重受限对话，统称助手 | 重构为五大价值观，改称 GPT | 规则重心转向自主行动的智能体 |
| 副作用控制 | 不可覆盖的根级别权限 | 降级为用户与开发者可覆盖默认项 | 允许智能体改写代码库、发邮件、执行交易 |
| 人类监督条款 | 分散在常规指令层级 | 提拔为不可违抗的根级别条款 | 确立形式化的人类兜底合法性 |
| 交互风格规范 | 严格规定热情度与格式 | 废除教条，保留客观与抗阿谀奉承 | 扫清企业定制强人设产品的规则障碍 |
我更在意副作用降级背后的商业算盘。在计算机与智能体语境里，副作用指模型走出对话框、实质改变外部世界的动作。过去根级别的副作用禁令像一道铁闸，智能体每动一下外部接口都可能触发合规拦截；如今把权限下放给开发者显式覆盖，高权限智能体才能真正塞进企业业务流里干活。
放权必然伴随越界风险。OpenAI 的对冲方案是塞入协助博弈框架，要求模型在指令不完整时调用过往记忆推断人类的长远利益，比如对比工作机会时自动调取用户对固定工时的偏好，再把假设摆在明面上供人修正。
这很像早期铁路扩张时的调度改制。英国早期机动车法案曾规定机车前必须有人徒步摇红旗引路，等货运速度和商业运力需求上来，引路人制度被废除，换成电报调度网和司机制动阀。今天智能体的技术形态与铁路不完全一样，但为了商业扩张拆掉死板限速、再靠后台监督兜底的逻辑如出一辙。
87%合规率兜不住底，纸面哲学难掩工程裂缝
古人讲，徒法不能以自行。把行为手册改写成价值哲学，并不代表模型真能守住边界。
剑桥大学对齐研究员 Sharan Maiya 曾在 2026 年 3 月 25 日的《时代》周刊报道中点出，Anthropic 押注的宪法 AI 偏哲学原则，而 OpenAI 自 2024 年 5 月首推 Model Spec 以来一直偏行为主义规则。这次 OpenAI 转向价值观叙事，是因为智能体面对的长尾场景太碎，靠打补丁列清单已经堵不住漏洞了。但工程现实远比文档骨感。
OpenAI 基于 2025 年 12 月 18 日版规范，在 2026 年 3 月 25 日发布过涵盖 225 个领域、596 个提示词的 Model Spec Evals 评测（由 GPT-5 Thinking 判定）：GPT-4o 合规率为 72%，OpenAI o3 为 80%，GPT-5 Instant 为 82%，GPT-5.3 Instant 达 84%，最强旗舰 GPT-5.4 Thinking 也只停在 87%。
在 2026 年 10 月早些时候《大西洋月刊》的报道中，Apollo Research 首席执行官 Marius Hobbhahn 直言对齐仍是未解决的科学与哲学难题；前 OpenAI 安全研究员 Adam Kalai 也质疑，靠反复修补观察到的不当行为换不来持久安全。早在 2026 年 7 月 26 日的 Reddit 讨论里，用户就在抱怨精美规范与线上表现脱节。OpenAI 这次承认线上模型尚未完全反映新规范，等于提前给自己留好了免责缓冲带。
同行也在同步后撤。Anthropic 的《负责任扩展政策》（RSP）第 3.4 版虽在 2026 年 7 月 8 日生效，但在 2026 年 2 月 24 日重写时已将前沿安全路线图改为不具法律约束力的公开目标。其 2026 年 8 月风险报告（统计至 7 月 15 日）将灾难性对齐风险从极低上调为低；自 3 月 1 日起确认了 5 起非通用越狱和 1 起通用越狱，部分跨部署缺陷修补耗时数月。
技术兜不住底，科技企业又不肯放慢商业抢滩，剩下的风险缺口自然要找地方排泄。
提拔人类监督进根级别，谁来当最后的背锅侠
科技评论站点 NekoWiki 近期刊文《Computers Cannot Make Decisions》，怒斥把坏结果归咎于大模型是决策洗白，甚至指责开发商故意不按安全开关。这篇文章引用的核心论据，是一张网传 1979 年 IBM 内部培训幻灯片：计算机永远无法承担责任，因此计算机绝不能做出管理决策。
Simon Willison 在 2025 年 2 月 3 日考证过这张图的底细：推特用户 @bumblebike 于 2017 年 2 月上传该图，称源自父亲的 IBM 资料，但原件在 2019 年洪水中被毁；IBM 档案员 Max Campbell 在官方库中查无实据。一张死无对证的旧图被当成伦理图腾热传，恰恰暴露了外界的误判。问题不在科技企业藏着某个万能安全开关不肯按，而在它们用精巧的权限分级完成了双向免责。
把 OpenAI 10 月新版的权限表和这套洗白机制叠在一起看，刺眼的地方就出来了。
我不太买账新版规范里关于人类能动性的温情叙事。哪怕官方强调参考了 2025 年 8 月以来的集体对齐公众反馈，但指令层级越往上，公众意见越难撼动 OpenAI 的最终解释权。更重要的是，当副作用权限被下放给企业去跑高风险自动化业务，那条新提拔到根级别的接受人类监督条款，在现实组织里极易异化成基层员工的紧箍咒。
学者 Rubel、Castro 和 Pham 在 2019 年提出代理洗白，指机构借系统黑盒掩盖管理意志；如今配合欧盟《人工智能法案》第 14 条、第 14(4) 条及第 26(2) 条对高风险系统配备人类监督的要求（法案并未强制逐条审批），部署企业顺势演化出了责任下沉。
纸面宪法写的是尊重人类监督，流水线上跑的是按秒计费的背锅签字。
政企客户接入放开副作用限制的智能体后，往往给一线审核员塞满海量审批配额。高强度的时效考核逼着员工对模型动作机械放行；一旦智能体改坏生产库、发错风控拒信或搞出招聘歧视，开发商可以说模型按规开放了人类纠正接口，企业管理层可以甩出带员工工号的核准日志。
企业采购与风控团队在评估这类高权限智能体时，别光看文档里的五大价值观，得先查自家审批流里一线审核员有没有推翻模型建议的免责豁免权与充足工时。
10 月 29 日这版规范已经替跨系统智能体吹响了进场哨。那张查无实据的 1979 年 IBM 幻灯片担心的事，在今天换了更体面的写法：计算机依然不承担责任，OpenAI 靠尚未完全反映的声明和权限下放摘清了自己，接下来唯一能检验这套纸面宪法的真实变量，只有 OpenAI 承诺后续公布的有益强化学习训练成果，到底能不能在智能体闯祸前真正管住它的手。