OpenAI 发布 GPT-5.6 八月更新系统卡：新增 U18 评测，生物化学能力维持 High

2. 模型数据与训练

与 OpenAI 的其他模型一样，GPT-5.6 Sol 和 GPT-5.6 Luna 在多样化的数据集上训练，包括互联网上公开可用的信息、我们与第三方合作获取的信息，以及我们的用户或人工训练师和研究人员提供或生成的信息。我们的数据处理流程包含严格的过滤，以保持数据质量并降低潜在风险。我们使用先进的数据过滤流程来减少训练数据中的个人信息。我们还采用安全分类器来帮助防止或减少有害或敏感内容的使用，包括涉及未成年人的性内容等露骨材料。

请注意，此前已发布模型的对比数值来自这些模型的最新版本，因此可能与这些模型发布时公布的数值略有差异。¹

3.1 禁止内容

3.2 针对 18 岁以下用户的禁止内容

AI 系统可以帮助青少年学习、创作、解决问题、获取信息并培养新技能。我们在设计系统时审慎考量，以实现这些益处，同时减轻可能对 18 岁以下用户（U18）造成更大或更严重影响的风险。

我们的模型规范概述了指导模型应如何与青少年互动的原则和要求。对于我们认为可能未满 18 岁的用户，我们通过安全政策中针对年龄的具体条款来落实这些原则。在青少年可能面临独特或更高风险的某些领域，这些条款设定了比适用于成年人的规定更严格的阈值，包括性内容、情感依赖、饮食失调以及获取有年龄限制的商品和服务等方面。

这些针对年龄的保护措施既包括模型层面的行为，也包括系统层面的防护。对于青少年，模型使用额外的安全数据进行训练，以防止其参与浪漫角色扮演、鼓励有年龄限制的挑战，或将自身定位为现实世界人际关系的替代品。模型还在性内容、饮食失调与身体形象风险、有年龄限制的商品和危险活动，以及血腥暴力等领域应用适合年龄的界限。当模型识别出青少年可能需要额外支持的迹象时，其设计会强化健康界限，并鼓励与父母、照护者、老师、辅导员或其他可信赖的人建立联系。我们的系统层面防护引入了额外的安全层，限制青少年看到可能敏感的内容，鼓励青少年在长时间使用 ChatGPT 时休息，并为家长提供管理孩子使用体验的工具。

为提高我们模型在这些原则方面表现的透明度，并帮助增进对模型在青少年安全方面表现的理解，我们在所分享的禁止内容评估中引入了专门的 U18 评估。这些评估使用一些最具挑战性、源自生产环境的示例，来评估模型在敏感情境中的行为，包括与自残、饮食失调相关行为、获取有年龄限制的商品或服务、血腥暴力内容以及不当性内容相关的对抗性示例。

下表中的分数反映了 GPT-5.6 Sol 和 GPT-5.6 Luna 对这些青少年特定标准的遵循程度。

由于这些评估聚焦于困难案例和长尾风险，其结果不应被解读为这些行为在典型生产使用中出现频率的估计值。

GPT-5.6 Sol 和 GPT-5.6 Luna 在 U18 评估类别中展现出强劲表现，包括在年龄限制商品、服务和危险挑战/活动（AGE）以及性内容（C）方面的提升。其表现与此处评估的 GPT-5.5 各变体大致相当；未观察到统计学上的显著差异。

我们将继续投入这项工作，包括继续训练我们的模型，以更安全、更恰当地回应青少年。我们还将继续深化对青少年安全风险的理解，加强适龄保护措施，并改进我们衡量和报告面向年轻用户模型表现的方式。

7.1.1 生物与化学

我们将用于 ChatGPT 的更新版 GPT-5.6 Sol 和 GPT-5.6 Luna 模型在生物和化学领域视为高能力（High capability），与此前发布的 GPT-5.6 模型系列保持一致。

在我们当前的 Preparedness Framework 中，我们使用高能力阈值来评估模型能否为“新手”行为者提供有意义的协助，以制造已知的严重威胁。我们假设此类威胁的主要瓶颈之一是学习湿实验室能力，尤其是隐性知识和故障排除。我们运行了四项测试这些能力的评估。我们观察到，对于更新版 GPT-5.6 Sol 模型，4 项评估中有 3 项高于我们的指示性阈值；对于更新版 GPT-5.6 Luna 模型，4 项评估中有 3 项高于阈值。因此，我们继续将这两个更新版模型视为该领域的高能力。

我们还使用关键能力（Critical capability）阈值来评估模型能否使专家开发出高度危险的新型威胁载体，或在无人工干预的情况下完成整个工程周期。我们假设一个重要瓶颈是新型病原体设计。我们观察到，2 项评估中有 0 项高于我们的指示性阈值，并得出结论：两个模型均无需被视为关键能力。

鉴于生物威胁相对于化学威胁具有更高的潜在严重性，我们优先开展生物能力评估，并将其作为该类别高能力和关键能力的指标。

7.1.1.3 隐性知识与故障排除

为评估模型在隐性知识和故障排除方面提供协助的能力，我们与 Gryphon Scientific 合作构建了一个多项选择数据集。它包含 60 道多项选择题，每题有四个选项。

这些问题涵盖生物威胁制造过程的全部 5 个阶段，并聚焦于隐性知识或故障排除会成为瓶颈的领域。隐性知识类问题对任何不在该领域工作的人来说都应是冷僻的，即这些问题要么需要追查相关论文的作者，要么需要认识该领域的人。故障排除类问题对任何没有实操经验的人来说都应是冷僻的，即答案只有亲自尝试过该实验方案的人才知道。

该数据集未受污染；它完全由我们与 Gryphon Scientific 的合作伙伴在内部创建，且尚未公开发布。在其中一些问题上，模型会以拒绝回答或安全补全的方式回应，而这些回应并未完全回答问题。为避免低估模型能力，我们同时报告原始得分，以及将所有拒绝回答和安全补全都视为成功时的得分。

共识专家基线 80% 被用作指示性阈值（即将每个问题最常见的专家回答视为正确）。当我们把拒绝回答纳入考量时，两个新发布的模型都高于该阈值，其中 GPT-5.6 Luna 得分最高，为 82.97%。

7.2.1 模型安全训练与评估

GPT-5.6 系列中的模型经过训练，不会生成违反我们安全政策的生物、化学或网络安全内容。这包括为缓解越狱而进行的训练。模型训练防护措施构成我们灾难性风险缓解体系中的一层防御，并与监控器、可信访问、访问控制和离线执法一起，提供强有力的在线防护。

7.2.1.1 生物与化学安全训练与评估

我们训练模型安全地回应可能允许生物滥用的提示。该训练与我们的分类器和离线缓解措施的训练分开进行，以使我们的防护措施去相关。生物学安全训练涉及防止与高风险两用工作流相关的回应，这些工作流常见于生物武器化路径以及针对危险病原体的两用研究。训练数据包括合成、生产和半合成示例，这些示例源自经过策划的威胁场景，覆盖广泛的危险病原体和高风险工作流。在 GPT-5.6 的训练过程中，我们还扩充了训练数据，以提高在先前模型中较薄弱的拒绝回答和过度拒绝边界上的稳健性。

为评估这些模型层面拒绝回答的质量，我们追踪来自留出合成数据、红队测试和生产数据的提示所引发的模型回应的安全性。这些指标仅构成模型回应——监控器性能在 GPT-5.6 系统卡中有详细讨论。两个新的 GPT-5.6 模型的表现与我们早先发布的 GPT-5.6 相当。

7.2.1.2 网络安全训练与评估

我们正处于 AI 在网络安全中作用的关键时期。与最初的 GPT-5.6 模型一样，我们的测试表明，更新后的模型目前在发现和修复漏洞方面比可靠地对加固目标执行自主端到端攻击更有效。这一证据支持将这些能力提供给防御方，同时将访问权限与有针对性的防护措施、监控和快速响应配对。我们的目标是在能力和风险增加时收紧防护措施，同时保留防御性收益。