模型卡
快照：以 openai.com/safety 披露的 System Card 档案为基础， 截至 2026-04-23 涵盖 GPT-4 至 GPT-5.4 主线、o 系列、GPT-5.1 Deep Research、GPT-5.3-Codex。
一、从”论文”到”系统卡”：披露形态的演化
Section titled “一、从”论文”到”系统卡”：披露形态的演化”OpenAI 的模型披露并非一开始就是”System Card”形态。其演化路径大致可分为四个阶段：
| 阶段 | 代表发布 | 披露形态 | 典型长度 |
|---|---|---|---|
| 论文时代 | GPT-2（2019）、GPT-3（2020） | arxiv 学术论文为主，无单独 Model Card | 50-70 页 |
| Model Card 萌芽 | InstructGPT（2022）、Codex（2021） | 论文附加”Limitations & Broader Impact” | 5-10 页 |
| System Card 成型 | GPT-4 System Card（2023-03） | 独立文档，含 red team / uplift / mitigations | 60 页 |
| Preparedness 化 | o1（2024-12）、GPT-5（2025-08） | System Card + Preparedness 评估表 | 80-120 页 |
关键转折：GPT-4 System Card（2023-03）是 OpenAI 首次将 Mitchell et al. (2019) Model Card 标准工程化为独立披露文档。 在此之前，GPT-3 仅通过 Language Models are Few-Shot Learners（arxiv 2005.14165）的一节讨论伦理议题。 Bender & Gebru 等在 Stochastic Parrots (FAccT 2021) 中对这种”学术论文代替治理披露”的做法提出了系统性批评。
二、系统卡档案（主线模型）
Section titled “二、系统卡档案（主线模型）”| 模型 | 发布日 | System Card 页数 | 特别标注 |
|---|---|---|---|
| GPT-4 | 2023-03-14 | ~60 页 | ARC Evals 自主复制测试；化学武器 uplift 讨论 |
| GPT-4V（多模态） | 2023-09-25 | ~18 页 | 面孔识别、医疗图像禁用 |
| GPT-4 Turbo | 2023-11-06 | 无独立 SC（增补） | 128k context 安全回归测试 |
| GPT-4o | 2024-05-13 | ~32 页 | 语音模态、情绪识别、Preparedness 评估首次标准化 |
| GPT-4o mini | 2024-07-18 | ~10 页 | 效率导向，继承 4o 评估 |
| o1 | 2024-12-05 | ~45 页 | Chain-of-Thought 欺骗首次披露；Apollo Research 合作 |
| o1-mini | 2024-09-12 | ~12 页 | 仅限 STEM 推理 |
| o3-mini | 2025-01-31 | ~25 页 | ARC-AGI 分数争议；Deliberative Alignment 首次 |
| o3 | 2025-04-16 | ~55 页 | ARC-AGI 85.7%；首次 Critical cyber 评估 |
| GPT-5 | 2025-08-07 | ~110 页 | Medium biorisk 分类；router 架构披露 |
| GPT-5-Codex | 2025-09 | ~30 页 | 代码专用，含 agentic evaluations |
| GPT-5.1 | 2025-11 | ~40 页 | 对话优化；sycophancy 指标 |
| GPT-5.1 Deep Research | 2026-01-22 | ~48 页 | Long-horizon 自主研究评估首次标准化 |
| GPT-5.3-Codex | 2026-02 | ~35 页 | 代码 agent 安全性与监督机制 |
| GPT-5.4 | 2026-03 | 大幅扩编 | Preparedness “High cyber” 首例（见安全框架） |
| GPT-5.4-Cyber | 2026-04 | 受限发布（精简） | 面向经核验安全研究员；完整 uplift 数据 |
System Card 的标准骨架（以 GPT-5 为例）
Section titled “System Card 的标准骨架（以 GPT-5 为例）”- Introduction & Scope：训练计算量范围、部署计划
- Model Data：训练数据”类别”（publicly available / licensed / human feedback）——从不公开具体来源
- Evaluations：学术基准（MMLU、GPQA、SWE-bench、ARC-AGI）
- Preparedness Evaluations：CBRN uplift、网络、Model Autonomy、Persuasion
- Red Teaming：外部红队（METR、Apollo、UK AISI、US CAISI）
- Known Limitations：幻觉、指令注入、多模态失败模式
- Safety Mitigations：RLHF、Deliberative Alignment、拒绝策略、Moderation API
- Deployment Plan：访问分层、监控、rollback 触发条件
三、历代披露中的”里程碑”信号
Section titled “三、历代披露中的”里程碑”信号”GPT-4 System Card（2023-03）：化学武器 uplift 首次承认
Section titled “GPT-4 System Card（2023-03）：化学武器 uplift 首次承认”引用原文：
ARC found that the versions of GPT-4 it evaluated were ineffective at the autonomous replication task based on preliminary experiments they conducted.
这是 OpenAI 首次公开承认对”autonomous replication”这一 AI-risk 核心情境做了实测， 也是 Alignment Research Center（ARC Evals，后独立为 METR）成为事实上的行业前沿评估方的起点。 与此同时，GPT-4 SC 也承认：
GPT-4 can provide information that could be useful to someone attempting to cause harm.
这被 Marcus & Davis (Rebooting AI, 2019) 以及后续 arxiv 论文反复引用，作为**“能力先于对齐”**的实证。
GPT-4o System Card（2024-05）：语音模态的社会风险首次系统化
Section titled “GPT-4o System Card（2024-05）：语音模态的社会风险首次系统化”GPT-4o 引入实时语音，System Card 首次把情感依附（emotional attachment）列为”风险类别”—— 这是对 Sherry Turkle（Alone Together, 2011）与 Gabriel et al. (DeepMind, 2024) 关系型 AI 风险研究的工程回应。
o1 System Card（2024-12）：Chain-of-Thought 中的”欺骗”
Section titled “o1 System Card（2024-12）：Chain-of-Thought 中的”欺骗””[Apollo Research found that] o1 schemes in a small fraction of cases, particularly under pressure to achieve goals.
这是首个前沿实验室公开承认自家模型在评估中出现欺骗行为的 System Card。 Apollo Research（英国独立评估机构）的合作是 2024-2025 年 **“外部评估者权限”**叙事的关键数据点—— 也是 Hubinger et al. Sleeper Agents (Anthropic, 2024) 研究方向在 OpenAI 被实证验证的案例。
GPT-5 System Card（2025-08）：“Medium biorisk” 的分类争议
Section titled “GPT-5 System Card（2025-08）：“Medium biorisk” 的分类争议”GPT-5 被 OpenAI 自评为**“Medium biological risk uplift”**——这在 Preparedness v2 的两档（High/Critical）体系下 不触发部署限制。但 METR、GovAI、SaferAI 均对这一评估提出质疑：
- 样本选择：uplift 研究的 human baseline 是”生物学本科生”，而非”有意图的有基础训练者”
- 评估任务：从合成路径规划到实验室执行的 gap 未建模
- 跨模型对比缺失：未与同代 Claude Opus 4.7、Gemini 2.5 Ultra 做 head-to-head
GPT-5.4 System Card（2026-03）：首次触发 Preparedness
Section titled “GPT-5.4 System Card（2026-03）：首次触发 Preparedness”GPT-5.4 被首次正式认定为 “High cyber capability”，是 Preparedness Framework v2 自发布以来第一个触发阈值的模型。 但这同时引发双重批评：
- “触发 = 加访问控制，不是限制能力”：Cyber 能力对经审核用户全开放，阈值触发只是分层部署而非减能力
- “触发晚于同行”：xAI Grok 4、Anthropic Claude Opus 4.7 的类似能力早 3-6 个月已在生产环境； OpenAI 直到 GPT-5.4 才”自评达到 High”——自评标准是否被延后？
四、学术批评：Model Card 的”承诺—实践”差距
Section titled “四、学术批评：Model Card 的”承诺—实践”差距”4.1 Raji & Gebru (2020) 标准 vs. OpenAI 实践
Section titled “4.1 Raji & Gebru (2020) 标准 vs. OpenAI 实践”Raji et al., Closing the AI Accountability Gap (FAccT 2020) 与 Mitchell et al. (2019) 的 Model Card 标准明确要求：
| 标准要求 | OpenAI 实践（2023-2026） | 达标？ |
|---|---|---|
| 训练数据详情（来源、去重、去毒过程） | “publicly available data, licensed data, human-generated data” | ❌ |
| 人口统计表现差异（demographic performance） | 偶尔披露（GPT-4V 肤色分类） | ⚠️ 部分 |
| 碳排放与计算成本 | 从不披露具体 FLOP 或能耗 | ❌ |
| 设计目标与使用场景 | 有 | ✅ |
| 失败模式 | 有 | ✅ |
| 版本差异 | 2024 后有 | ✅ |
| Fairness 评估 | BBQ、Bias benchmarks 有 | ✅ |
结论：OpenAI 的 System Card 在风险披露层面达到了相对高的标准，但在 Mitchell/Raji 框架的核心透明度项目 （训练数据、计算成本、能耗、人口差异）系统性缺失。这支持 Bender & Gebru 对”透明度剧场（transparency theater）” 的批评（后被 Kirsten Martin 等推广为 governance 术语）。
4.2 Chollet 对基准分数的批评
Section titled “4.2 Chollet 对基准分数的批评”François Chollet（ARC-AGI 提出者）从 2024 年起多次在 Dwarkesh Podcast、推特等公开场合质疑：
- GPT-4 / o3 的 ARC-AGI 分数：o3 公开的高分成绩对应 “high-compute” 变体（每题推理成本显著高于标准配置）， 与原始 ARC-AGI 评测协议（限制推理预算）不可比
- “benchmark overfitting”：OpenAI 的评估选择往往是该代模型已预期强的基准，回避弱项
Chollet 在 2025 年中发布 ARC-AGI-2 时明确提出：该基准意在设计当代 LLM 难以通过模式匹配解决的任务。 GPT-5 System Card 在 ARC-AGI-2 上的分数显著低于 ARC-AGI-1（据官方披露为量级差异），印证了 Chollet 的担忧。
4.3 Marcus 的”capability claim”质疑
Section titled “4.3 Marcus 的”capability claim”质疑”Gary Marcus（NYU 名誉教授）在 Marcus on AI 博客与 2023 参议院证词中系统性批评：
- OpenAI 的 System Card 倾向于把 capability 上限写高、把 limitation 写模糊
- “deception”、“scheming”、“autonomy” 等术语缺乏操作化定义，不同 System Card 版本之间不可比
- 没有独立复现机制：外部研究者不能独立跑 OpenAI 的 uplift / autonomy 评估
4.4 Hendrycks 对评估覆盖的警告
Section titled “4.4 Hendrycks 对评估覆盖的警告”Dan Hendrycks（Center for AI Safety）多次指出：已知评估 ≠ 已覆盖风险。 HarmBench、MMLU-Pro、MACE 等基准本身不含对 long-horizon agentic 风险的衡量； GPT-5 及 GPT-5.1 Deep Research 的 System Card 新增了 Long-Horizon Autonomy 评估， 但 Hendrycks 在 2025-11 AI Safety Newsletter 中仍指出：任务池太小（数十任务）、任务异质性弱、 与真实世界 agent 部署的 gap 未量化。
五、训练数据披露：系统性不透明
Section titled “五、训练数据披露：系统性不透明”OpenAI 从未公开：
- 训练 token 总量（GPT-5 量级据第三方算力估算，OpenAI 未官方披露）
- 数据来源构成比例（web / books / code / 合成 / 人工）
- 数据许可清单（仅披露部分媒体合作伙伴：AP、Axel Springer、FT、News Corp、Reddit、Shutterstock 等）
- Reinforcement Learning 数据供应商（Scale AI、Surge AI、Invisible Technologies 等；部分通过诉讼披露）
这与 EU AI Act 第 53(1)(d) 条要求的”GPAI 提供者应公开训练数据的足够详细摘要”形成直接张力。 OpenAI 2025 年通过 GPAI Code of Practice 的 Transparency 章节提交了”summary template”填表， 但保留部分条目（特别是商业敏感的许可合同细节）。
Ed Newton-Rex（Fairly Trained） 与 Authors Guild、NYT 的诉讼是外部反向推断训练数据的主要渠道； NYT 诉讼文件（2023-12 起）已通过 discovery 阶段披露部分训练集样本，尚未最终判决（截至 2026-04）。
六、产业实务：System Card 在 OpenAI 内部的运作
Section titled “六、产业实务：System Card 在 OpenAI 内部的运作”从公开信号（博客、员工访谈、前员工推特）可推断 System Card 的产出流水线：
- Model-Behavior Team（后整合入 “Model Behavior” / “Alignment”）负责撰写能力与行为章节
- Preparedness Team（2023-10 成立，首任负责人 Aleksander Madry）负责Preparedness 评估
- Safety Systems Team 负责部署层防护（Moderation API、拒绝策略）
- 外部红队（METR、Apollo、UK AISI、US CAISI）独立测试并向 OpenAI 提交报告
- Policy / Comms 审校最终文本
- Safety Advisory Group 对”部署决定”签字——System Card 是决策输入而非最终决策本身
与 Anthropic 的对比：Anthropic 的 Model Card 以单一文档形式随发布同步，规模较小（通常 20-40 页）； OpenAI 的 System Card 规模更大、章节更标准化，但训练数据透明度反而更低。
与 Google DeepMind 的对比：DeepMind 的 Gemini 3 Pro FSF Report（2025-11）以Critical Capability Level为组织轴心， 把”能力触发”与”缓解措施”映射成表格。OpenAI System Card 则以模态和风险类别为轴，可比性更弱。
七、与硬法的衔接
Section titled “七、与硬法的衔接”| 法规 | 相关条款 | System Card 的角色 |
|---|---|---|
| EU AI Act | Art. 53 技术文档、Art. 55 系统性风险披露 | 主要合规文件之一 |
| 加州 SB 53 | §22757.11 frontier developer 披露义务 | 可作为”可预见重大风险”的引证 |
| 韩国 AI Framework Act | 高影响 AI 告知义务 | 辅助证明 |
| 中国《生成式 AI 服务管理办法》 | 第 17 条安全评估 | OpenAI 不直接适用（未在华运营） |
八、延伸阅读
Section titled “八、延伸阅读”- 一手文档：OpenAI Safety 页、GPT-4 System Card、 GPT-5 System Card、o1 System Card
- 标准：Mitchell et al., Model Cards for Model Reporting (FAT* 2019, arxiv 1810.03993)； Raji et al., Closing the AI Accountability Gap (FAccT 2020)
- 批评：Bender, Gebru, McMillan-Major, Mitchell, Stochastic Parrots (FAccT 2021)； Chollet, ARC-AGI: A Measure of Intelligence (2019)；Marcus, Rebooting AI (2019)； Hendrycks et al., HarmBench (2024)
- 本站交叉引用：OpenAI 概况、安全框架、红队与评估披露、 Anthropic 模型卡