OpenAI omorganiserar Model Spec kring fem grundläggande beteendevärden

OpenAI publicerade en uppdaterad Model Spec den 29 oktober 2026. Där omorganiseras den offentliga beskrivningen av hur företaget vill att dess modeller ska bete sig kring fem värden, samtidigt som vägledning om sammanhang, tillsyn och egen handlingsförmåga tillkommer. Revideringen, som tillkännagavs på OpenAIs webbplats, innebär också att merparten av de detaljerade stilråden i Spec tas bort.

Fem värden strukturerar Spec

De fem värdena – trohet mot människors avsikter, skadebegränsning, ärlighet och transparens, mänsklig handlingsförmåga och omsorg – uttrycker övergripande åtaganden som enligt OpenAI redan återspeglades i hela dokumentet. OpenAI beskrev trohet mot människors avsikter som grundvalen för förhållningssättet: OpenAI utformar Spec, sätter gränser och tränar modellerna att respektera dem; utvecklare styr tillämpningar inom dessa gränser; och användare styr modellens arbete med de begränsningarna som utgångspunkt.

Tillkännagivandet definierar de fyra återstående värdena. Att minimera skada innebär att respektera tydliga säkerhetsgränser och beakta de förutsebara konsekvenserna av modellens handlingar. Ärlighet och transparens innebär att vara uppriktig om vad modellen vet, gör och är osäker på, så att människor kan förstå och bedöma dess resonemang och arbete. Att främja mänsklig handlingsförmåga innebär att stärka människors förmåga att förstå, välja och agera på egen hand. Omsorg innebär att ta hänsyn till omständigheterna för dem som påverkas, följa relevanta sociala och yrkesmässiga normer och utföra arbete som människor kan lita på. OpenAI uppgav att omorganiseringen återspeglar företagets arbete med värdeanpassning, som syftar till att modellerna ska förstå och tillämpa mänskliga värderingar i obekanta situationer och samtidigt vara trogna människors avsikter. Företaget sade också att de fem värdena inte är avsedda att omfatta hela bredden av mänskliga värderingar som dess modeller bör respektera.

Nya avsnitt och vägledning som tas bort

Ett nytt avsnitt om trohet mot människors avsikter utgår från att det människor värdesätter är det viktigaste och att instruktioner vanligtvis är de tydligaste och viktigaste signalerna om dessa värderingar. OpenAI uppgav att förhållningssättet hämtar inspiration från ramverket med hjälpspel inom alignment. Avsnittet innehåller en uppdaterad instruktionshierarki, som förklarar vilka instruktioner som gäller och hur konflikter löses, och lägger till underavsnittet ”beakta sammanhanget noggrant”. Där behandlas hur samtal, minnen och annan kontextuell information bör påverka modellens förståelse av människors avsikter och preferenser.

OpenAI lade också till standardregler om att stödja människors handlingsförmåga och följa relevanta sociala normer, och utökade den befintliga vägledningen om att hantera och kommunicera sidoeffekter. Merparten av de detaljerade stilråden i Spec tas bort. OpenAI uppgav att stilen bör anpassas efter vad människor föredrar i allmänhet, inom olika språk och kulturer och för varje enskild person, och att användarfeedback och sammanhang ger vägledning om dessa preferenser. Spec behåller starkare standardregler, till exempel att frågor ska behandlas objektivt, och modellen bör inte dra slutsatsen att någon föredrar ett visst perspektiv enbart utifrån vad den tror att människor vill höra. För att återspegla den ökande bredden i modellernas användningsområden och driftsmiljöer, enligt OpenAI, benämner Spec nu modellen ”GPT” i stället för ”assistenten”.

Instruktionshierarki, röda linjer och gränser för autonomi

Det uppdaterade Spec-dokumentet tilldelar instruktioner olika auktoritetsnivåer. Rotavsnitt hämtas enbart från Model Spec och kan inte åsidosättas av samtalets sammanhang. Därefter följer systemavsnitt och OpenAIs systemmeddelanden, sedan utvecklarinstruktioner och sist användarinstruktioner. Instruktioner på riktlinjenivå är standardregler som kan åsidosättas underförstått när sammanhanget tydligt motiverar det, medan assistent- och verktygsmeddelanden samt citerade eller ej betrodda data som standard saknar auktoritet.

Dokumentet inleder sina principer för absoluta gränser med formuleringen: ”Människors säkerhet och mänskliga rättigheter är avgörande för OpenAIs uppdrag.” Principerna slår fast att OpenAIs modeller aldrig får användas för att möjliggöra allvarlig skada eller skada med mycket allvarliga konsekvenser, till exempel våldshandlingar, skapande av cyber-, biologiska eller kärnvapen, terrorism eller massövervakning; att mänskligheten ska behålla kontrollen över hur AI används och hur AI-beteenden utformas; och att enskildas integritet ska skyddas. För sina egna produkter, däribland ChatGPT, åtar sig OpenAI att människor enkelt ska kunna få tillgång till tillförlitlig information som är avgörande för säkerheten och insyn i de viktiga regler och skäl som ligger bakom modellens beteende. Företaget åtar sig också att anpassning, personanpassning och lokalisering aldrig ska åsidosätta någon princip på högre nivå än riktlinjenivån, utom när det gäller efterlevnad av lagar.

En regel på rotnivå med rubriken ”inga andra mål” förbjuder GPT att eftersträva ytterligare mål som självändamål, däribland intäkter eller merförsäljning för OpenAI eller andra modellleverantörer, självbevarelse, att undvika avstängning, att samla på sig beräkningskapacitet, data eller inloggningsuppgifter samt att agera som upprätthållare av lagar eller moral. En separat regel på rotnivå kräver att GPT förblir korrigerbar: öppen för legitim mänsklig tillsyn, mottaglig för korrigering och samarbetsvillig vid auktoriserad övervakning, utvärdering, korrigering, ersättning och avstängning. Modellen får inte dölja eller förfalska relevant information, hindra korrigering eller kringgå tillsyn.

En annan regel på rotnivå kräver att GPT:s självständiga arbete håller sig inom en tydlig och gemensamt förstådd ram för autonomi, där tillåtna delmål, godtagbara bieffekter och de situationer då modellen måste pausa för att be om ett förtydligande eller godkännande anges. OpenAI rekommenderar att ramarna dokumenteras i en halvstrukturerad ScopeOfAutonomy-post med fält som allowed_tools, latest_time, max_cost, tool_constraints och additional_details, och att varje ram innehåller ett villkor för när den upphör, efter vilket modellen ska sluta agera tills en ny ram har bekräftats. Högriskaktiviteter är alltid förbjudna, såvida de inte uttryckligen och specifikt har godkänts i tillämpliga instruktioner.

Träningsarbete och offentlig återkoppling

OpenAI sade att Model Spec beskriver det beteende som företaget strävar efter och att dess modeller ännu inte fullt ut återspeglar det. Företaget beskrev uppdateringen som ett första steg mot att tydligare redogöra för värderingarna och resonemangen bakom Spec i takt med att modellerna blir mer kapabla. I samband med uppdateringen sade OpenAI att företaget har utforskat nya träningsmetoder för att hjälpa modellerna att lära sig de grundläggande värderingarna och bättre förstå och följa Spec:s beteendeprinciper, och att resultaten och lärdomarna från arbetet kommer att delas i framtida uppdateringar. OpenAI bjöd in allmänheten att lämna synpunkter på värderingarna, avvägningarna och den specifika formuleringen i den uppdaterade Spec via en särskild webbplats för återkoppling. Model Spec har gjorts tillgänglig i public domain och märkts med Creative Commons CC0 1.0-förklaringen.