ChatGPT agent System Card: OpenAI’s agentic model unites research, browser automation, and code tools with safeguards under the Preparedness Framework.
OpenAI 今日发布了其最新的 agentic 模型系统卡片，该模型将研究、浏览器自动化与代码工具整合于一体，并在 Preparedness Framework 框架下引入了多重安全防护措施。
这一系统卡片详细阐述了模型在自主执行多步骤任务时的能力边界与安全设计，标志着 OpenAI 在从对话式 AI 向主动式智能体转型过程中迈出了关键一步。
核心能力整合
该 agentic 模型能够同时调用研究检索、浏览器操作和代码执行三类工具，实现端到端的任务闭环。例如，用户只需给出一个复杂问题，模型即可自主规划步骤、搜索网页、解析数据并运行代码验证结果。
- 研究能力：支持多源信息检索与交叉验证，可处理学术论文、技术文档及实时网页内容。
- 浏览器自动化：能够模拟用户点击、填写表单、滚动页面，并处理登录验证等交互场景。
- 代码工具：内置 Python 执行环境，支持数据分析、算法调试及结果可视化。
安全防护体系
所有 agentic 行为均受 Preparedness Framework 约束，该框架将风险划分为四个等级，并针对每个等级设定了明确的缓解措施。系统卡片特别强调了以下关键防护机制：
“在模型执行任何高风险操作（如修改文件、发送网络请求或访问敏感数据）之前，系统会强制进行权限确认，并记录完整的操作日志以供审计。”
此外，模型内置了“拒绝执行”策略，当检测到指令可能违反安全准则时，会主动终止任务并解释原因。对于涉及金融交易、医疗建议或法律决策的场景，系统会附加额外的验证层。
评估与局限性
OpenAI 在卡片中公布了多项基准测试结果，显示该模型在复杂任务成功率上较前代提升了约 40%，但同时也承认存在以下已知局限：
- 在长时程任务中可能出现上下文漂移，导致后续步骤偏离初始目标。
- 对模糊指令的解析仍不够稳健，偶尔需要用户二次澄清。
- 浏览器自动化在遇到反爬虫机制或动态渲染页面时，成功率会显著下降。
为应对这些局限，OpenAI 建议开发者在使用时设置明确的任务边界，并利用系统提供的“人工介入”接口进行实时监督。
部署与透明度
该模型已通过 API 向部分企业用户开放，OpenAI 承诺将持续更新系统卡片以反映最新的安全评估结果。同时，公司鼓励第三方研究者参与红队测试，以进一步验证模型在对抗性环境下的表现。
总体而言，这份系统卡片不仅是一份技术文档，更是一份责任声明——它明确了 agentic AI 在自主行动与安全可控之间的平衡点，为行业树立了新的参考标准。