问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
2026年4月OpenAI旗下Codex CLI代码开源，意外泄露尚未正式发布的下一代大模型GPT-5.5的底层运行规则。据Ars Technica披露，其3500余词的系统提示词中设置罕见禁令：无绝对必要关联时，严禁模型提及哥布林、巨魔等6种特定生物，该禁令重复出现2次，优先级与禁止执行破坏性命令等核心规范持平。
多数用户对大模型的系统提示词认知，还停留在“遵守法律法规”“拒绝有害请求”这类普适性规则上，但本次泄露的GPT-5.5指令集，打破了这种固有印象。
本次泄露的指令集，是OpenAI在开源其代码生成工具Codex CLI的更新版本时，被开发者意外发现嵌入的未公开模型配置文件，随后科技媒体Ars Technica对文件内容做了完整梳理。
这份长达3500多词的基础指令集中，除了常规的安全合规要求外，专门用两处重复的条款强调了特殊限制：除非用户的查询内容和相关生物存在绝对且必要的关联，否则GPT-5.5必须完全回避讨论哥布林、小精灵、浣熊、巨魔、食人魔、鸽子这6种生物。更值得关注的是，这一条款的优先级，和“禁止执行用户提出的破坏性命令”“回复中不得使用表情符号”等核心使用规范完全并列。
截至目前，OpenAI尚未对这一特殊禁令做出官方回应，相关猜测已经在AI开发者社区发酵。有安全工程师推测，这类限制大概率是对齐测试中发现漏洞后的补丁：可能此前的测试版本中，有攻击者利用上述生物的相关设定诱导模型突破安全限制，输出违规内容，因此OpenAI选择直接将相关关键词列入高风险管控范围。
也有网友调侃，这说不定是OpenAI内部团队的“趣味彩蛋”，或者训练数据中上述生物的关联不良内容占比过高，干脆一刀切规避风险。不管最终原因是什么，这种指向具体、看似无厘头的限制条款，已经打破了不少人对大模型规则的固有认知。
事实上，这类看似奇怪的限制，恰恰是大模型安全对齐工作不为人知的细节。此前OpenAI公布的GPT-4对齐报告中就提到，为了避免模型被各种冷门的诱导方式突破限制，技术团队会累计添加上千条针对性的特殊规则，每条规则背后都对应着至少一次安全风险事件。
相比于参数规模、推理速度这些用户可感知的能力提升，这类细碎的对齐优化，才是大模型落地过程中占据大量人力成本的隐形工作。随着大模型能力的不断提升，这类针对性的安全规则可能还会越来越多，未来用户说不定还会发现更多看似反常的模型行为限制，背后其实都是安全团队的前置防护。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号