五項價值先被排好了欄位：OpenAI 的 Model Spec，是一頁等著被產品填空的介面

2026 年 10 月 29 日，OpenAI 更新了 Model Spec，把模型行為指引整理成五項核心價值：忠於人類意圖、減少傷害、誠實與透明、人類自主性、關懷。這份文件自己說得客氣，模型尚未完全反映這些行為目標。對產品團隊來說，這句話才是真正的設計起點：一份描述理想行為的文件，和一套真的會在下單、寄信、刪行程之前停下來的介面，中間還隔著整段工程與排版的工作。

先從一個數字看起

OpenAI 的 Operator 系統卡提供了一個具體場景。團隊用 100 個代表預期使用情境的模擬提示做內部評估，未加緩解措施時，模型出現 13 次造成困擾的錯誤；加入確認等多項措施後，系統卡估算錯誤影響風險約降低 90%。這是特定模擬測試的估算，不是單一確認機制已到處驗證有效的證明，但數字本身已經足夠說明一件事：風險是被設計出來的，也是被設計下去的。

同一份系統卡又以 607 項任務、20 種風險類別評估確認機制，緩解後模型在需要確認時提出確認的平均召回率為 92%。這個指標衡量的是確認有沒有出現，至於使用者是否看懂確認畫面上的內容，是另一層介面設計的責任。

確認畫面要放在真正的提交點

Operator 的規則依任務與動作評估傷害程度，以及結果是否容易撤回。查詢商品資訊出錯，可以重新搜尋；下單、寄信、刪除行事曆，會讓金錢、他人的收件匣或工作紀錄立即改變。同一個網頁上的按鈕，因為後果的可逆性不同，被排進了不同的風險層級。

這裡的設計判準很具體：確認畫面要出現在真正改變外部狀態的提交點，而且要讓使用者看見即將改變什麼，收件人是誰、品項是什麼、金額多少、刪除範圍到哪裡。若只丟出一句「要繼續嗎？」，確認就退化成儀式，使用者按下去的那一刻，並沒有獲得任何能察覺模型誤解的資訊。這與我們先前觀察的AI 代理談判授權介面是同一類問題：權限、承諾上限與人工核準門檻，最終都得變成畫面上一個個可檢查的欄位。

五項價值，五組檢查問題

Model Spec 的五項價值，可以被產品團隊轉成對應的檢查面向。忠於人類意圖，對應模型是否理解任務目標與使用者偏好，不確定時能否追問、能否被修正。減少傷害，對應動作對使用者與第三方的影響、嚴重性與可逆程度。誠實與透明，對應模型是否說清楚已知、未知、已做與尚未做的事，不把推測包裝成完成結果。

人類自主性這一項尤其值得介面設計者留意。若畫面上只有單一建議、替代方案被藏起來、高影響行動預設為自動執行，使用者名義上在掌控，實際上難以介入。關懷則把視角拉到受影響的第三方：模型替管理者寫一則通知，內容符合指令之外，還要考慮收件人會不會誤解、會不會承受不必要的影響。

OpenAI 的更新說明也承認，這五項不是人類價值的完整清單，它們提供方向，團隊仍要補上自己產品場景的具體限制。落到實作，就是提示裡的欄位確認、工具介面裡的資料讀取範圍，以及不確定時轉交人工的出口。

規範寫得清楚，為什麼還要另做驗證

Model Spec 描述的是行為目標，實際產品多了工具、權限、資料來源和使用流程。模型可以在對話裡說出正確的風險提醒，同時透過工具做出錯誤操作；監測系統也可能因為看不到完整對話、缺少後續追蹤能力，來不及阻止一個已經送出的行動。這也是為什麼 OpenAI 在更新中明言模型尚未完全反映 Model Spec，這句話該被當成設計前提來讀，而不是文件末尾的免責註腳。

把這整份文件當成介面來看，它的價值不在於五個漂亮的名詞，而在於它示範了一種轉譯路徑：抽象價值先變成風險分類，風險分類再變成確認節點與召回率數字。產品團隊真正要驗收的，從來都是那個數字背後的畫面，使用者按下確認之前，究竟看見了什麼。