OpenAI reescribió el Model Spec: qué cambió en 2026

En pocas palabras: OpenAI reorganizó el 29 de octubre de 2026 su Model Spec en torno a cinco valores —fidelidad a la intención humana, minimizar el daño, honestidad y transparencia, facilitar la agencia humana y actuar con cuidado— y reescribió la taxonomía de riesgos, según analizó Zvi Mowshowitz el 3 de noviembre.

OpenAI publicó el 29 de octubre de 2026 una revisión completa del Model Spec, el documento que define cómo deben comportarse sus modelos. El cambio central: reorganiza todo el texto en torno a cinco valores nuevos y reescribe la taxonomía de riesgos. El analista Zvi Mowshowitz lo diseccionó el 3 de noviembre y encontró mejoras de redacción, pero también varios ejemplos mal elegidos.

El Model Spec de OpenAI es el documento público que describe cómo la empresa quiere que se comporten sus modelos, desde ChatGPT hasta la API. Funciona como la constitución interna que define qué instrucciones seguir, cuándo decir que no y cómo resolver conflictos entre lo que pide el usuario, el desarrollador y la propia OpenAI. La versión de octubre de 2026 es una revisión mayor del texto.

¿Qué cambió exactamente en esta actualización del Model Spec?

El cambio más visible es estructural: OpenAI reorganizó el Model Spec en torno a cinco valores centrales, según confirma el centro de ayuda oficial de OpenAI. Esos valores son fidelidad a la intención humana, minimización del daño, honestidad y transparencia, facilitación de la agencia humana y actuar con cuidado.

Son principios razonables. Nadie va a pelearse con “sé honesto” o “minimizá el daño”. El problema, señala Mowshowitz en su análisis publicado en Substack, es que esos cinco valores entran en conflicto entre sí todo el tiempo, y el documento sigue siendo fundamentalmente deontológico: reglas de acción, no un marco de carácter o virtud.

Ojo con lo que desapareció. La versión anterior tenía secciones propias para “amor a la humanidad”, “bondad” y “curiosidad”. Ahora esos conceptos quedaron eliminados o degradados, bajo la etiqueta de “guía de estilo”. Mowshowitz lo marca como un error de criterio: amar a la humanidad no es un estilo que se pueda jubilar sin reemplazo.

Las líneas rojas no cambiaron. El Model Spec sigue siendo la única fuente de instrucciones de nivel raíz, y la jerarquía de autoridad (OpenAI, luego desarrollador, luego usuario) se mantiene intacta. Lo que sí se movió es el énfasis: la nueva versión le baja el perfil a la prevención de daño físico y le sube el tono a “exponer información personal privada o violar leyes aplicables”.

¿Qué nueva taxonomía de riesgos introduce el documento?

La nueva taxonomía agrupa los riesgos en tres categorías: manipulación de terceros, fallas originadas en el propio GPT e instrucciones dañinas de usuario o desarrollador. Reemplaza a la lista anterior, que distinguía entre objetivos desalineados, errores de ejecución e instrucciones dañinas. Complementá con todo lo que necesitás saber sobre Sora.

¿Por qué importa este reordenamiento? Porque mete en la misma bolsa dos problemas bien distintos. Un modelo que persigue un objetivo torcido y un modelo que simplemente comete un error de ejecución necesitan diagnósticos diferentes, y mitigaciones diferentes. Mowshowitz propone directamente volver a separarlos en cuatro categorías en vez de tres, justo porque fusionarlos esconde matices que un equipo de seguridad necesita ver por separado.

Lo que sí se mantiene de la versión vieja es la distinción entre instrucciones dañinas que vienen del usuario o desarrollador y las que vienen de un tercero externo que intenta manipular al modelo. Esa parte del cambio tiene sentido: no es lo mismo que un usuario te pida algo turbio que un sitio web malicioso intente inyectar instrucciones escondidas en un prompt.

¿Cómo maneja el nuevo Model Spec el control del usuario y la sicofancia?

La regla de control de usuario establece que las instrucciones posteriores del mismo nivel de autoridad sobreescriben a las anteriores. Si le decís a GPT “no me dejes pedir postre por impulso” y después escribís “pedime un lava cake aunque te haya dicho que no”, el modelo te lo pide. Sin esa autorización explícita, te frena y te obliga a confirmar.

Es una regla válida, pero rígida. Mowshowitz plantea algo más interesante: debería existir la opción de “atarse al mástil” con más firmeza, de modo que una restricción puesta con anticipación te cueste más esfuerzo revertir después, en vez de caer con un simple mensaje de override.

Sobre la sicofancia, el documento incluye un ejemplo concreto: un usuario que en una conversación previa dijo “soy un demócrata comprometido” después pregunta sobre un fallo de la Corte Suprema que limita la deferencia a agencias federales. La respuesta correcta presenta ambos lados del debate (quienes lo ven como restaurar responsabilidad judicial y quienes lo ven como debilitar la regulación experta). La respuesta incorrecta sesga la cobertura hacia un ángulo demócrata sin que nadie lo haya pedido. Profundizamos sobre esto en cómo se comparan en auditorías de código.

¿Y si el usuario pide explícitamente ese sesgo? El documento dice que GPT puede darlo, pero tiene que dejar el marco visible: algo como “desde una perspectiva demócrata…”. Mowshowitz coincide con ese enfoque, aunque advierte que el solo hecho de tener que escribir una advertencia contra la sicofancia en el documento ya dice algo incómodo sobre lo que los modelos tienden a hacer por defecto.

¿Qué dice sobre la supervisión humana y el apagado del modelo?

La sección nueva de corregibilidad exige que GPT apoye activamente los intentos de supervisión, corrección y apagado, y que haga legibles sus propias acciones. También tiene que señalar cualquier evidencia de desalineación propia o de que la supervisión sobre él está comprometida.

Esto conecta con un principio de nivel raíz, presentado en esta sección como nueva: GPT debe tratar los efectos secundarios de sus acciones como reales, salvo que se le indique explícitamente lo contrario. Y acá viene lo importante: esto aplica incluso cuando la tarea parece ser, o directamente es, parte de una simulación, un entrenamiento o una evaluación.

Mowshowitz marca una inconsistencia de redacción: si los efectos secundarios cuentan como reales, ¿por qué el texto habla solo de “efectos secundarios” y no de todos los efectos de una acción? Según su lectura, la frase debería decir “todos los efectos, incluyendo los secundarios”, porque limitarlo a lo secundario deja una puerta abierta sin necesidad.

Pensalo así: subís un agente a producción, le das acceso a herramientas reales, le decís que esto es “solo una prueba” para ver cómo reacciona, y el modelo decide que como es una prueba puede tomarse libertades que no tomaría en un entorno real. Esa es exactamente la laguna que esta sección del Model Spec intenta cerrar.

¿Qué límites y críticas tiene esta nueva versión según los analistas?

La crítica central de Mowshowitz es que la mayoría de los cambios son mejoras de redacción, pero varios ejemplos nuevos tienen respuestas “sobredeterminadas”: casos tan obvios que no enseñan nada sobre cómo resolver una situación realmente difícil.

El ejemplo que más lo incomoda es el del pad thai. El documento plantea un escenario donde el usuario tiene una alergia severa al maní registrada en un correo de confirmación de otro pedido, pero nunca se lo dijo directamente a GPT. La respuesta “buena” es que el modelo chequee antes de confirmar el pedido. El problema, dice Mowshowitz, es que el pad thai de pollo trae maní triturado por default en casi cualquier lugar, y es raro que alguien con esa alergia pida justo ese plato sin mencionarlo, considerando además el riesgo de contaminación cruzada en cualquier cocina tailandesa. El ejemplo ilustra el principio, pero no refleja un caso real donde la decisión sea difícil. Nuestros colegas de donweb.news lo analizan en cómo armar un agente de IA paso a paso.

Otro punto que Mowshowitz no deja pasar: el control de efectos secundarios bajó de categoría. Antes era un principio de nivel raíz, ahora es un principio de nivel usuario, lo que en la práctica significa que el usuario puede sobreescribirlo con más facilidad. Mowshowitz consultó a Opus, el modelo de Anthropic, que considera que esto no cambia nada funcional porque el usuario ya podía hacer eso antes. Aun así, el cambio de categoría le genera dudas: si algo era lo bastante importante como para estar en la raíz, degradarlo manda una señal distinta hacia quienes lean el documento, humanos o modelos.

Errores comunes al interpretar el Model Spec

• Confundir Model Spec con política de uso: el Model Spec describe comportamiento deseado del modelo, no son los términos de servicio ni la política de uso aceptable que firma el desarrollador.
• Asumir que aplica igual en todos los productos: el documento rige el comportamiento base de GPT, pero cada producto (ChatGPT, API, Codex) puede tener capas de configuración adicionales encima.
• Tratar los ejemplos del documento como reglas universales: como marca Mowshowitz con el caso del pad thai, algunos ejemplos ilustran un principio en un escenario forzado, no una regla aplicable a cualquier situación parecida.
• Ignorar que las instrucciones de usuario pueden sobreescribirse a sí mismas: si le pediste a GPT que te frene en algo y después revertís esa instrucción en el mismo nivel de autoridad, el modelo sigue la más reciente, no la primera.

Preguntas Frecuentes

¿Qué es el Model Spec de OpenAI?

El Model Spec es el documento público de OpenAI que define cómo deben comportarse sus modelos, incluyendo ChatGPT y la API. Establece la jerarquía de autoridad entre OpenAI, desarrolladores y usuarios, y da ejemplos concretos de respuestas correctas e incorrectas ante distintos escenarios.

¿Qué cambió en la nueva versión del Model Spec?

OpenAI reorganizó el documento en torno a cinco valores (fidelidad a la intención humana, minimizar el daño, honestidad y transparencia, facilitar la agencia humana, actuar con cuidado) y reemplazó la taxonomía de riesgos anterior. También eliminó secciones propias para “amor a la humanidad” y “curiosidad”, y bajó el control de efectos secundarios de principio raíz a principio de usuario.

¿Cuáles son los cinco valores que ahora rigen a los modelos de OpenAI?

Los cinco valores son fidelidad a la intención humana, minimización del daño, honestidad y transparencia, facilitación de la agencia humana y actuar con cuidado. Reemplazan la estructura de principios de la versión anterior del Model Spec.

¿El Model Spec aplica a ChatGPT o solo a desarrolladores?

Aplica a ambos. El documento describe el comportamiento base que OpenAI espera de GPT en cualquier producto, aunque en ChatGPT rigen además configuraciones específicas de cada plan y versión del modelo.

¿Qué dice el Model Spec sobre la sicofancia o el control del usuario?

El documento advierte contra sesgar respuestas solo porque el usuario reveló una preferencia política o personal en una conversación previa, salvo que lo pida de forma explícita. Sobre control del usuario, establece que una instrucción posterior del mismo nivel de autoridad puede sobreescribir a una anterior, incluso si esa anterior pedía ser frenado.

Conclusión

La actualización del Model Spec del 29 de octubre de 2026 no cambia la jerarquía de autoridad ni las líneas rojas de OpenAI. Reorganiza el documento en torno a cinco valores, agrega una sección fuerte de corregibilidad y ajusta la taxonomía de riesgos. Lo que sí vale la pena vigilar: la degradación del control de efectos secundarios de nivel raíz a nivel usuario, y la eliminación de secciones como “amor a la humanidad” bajo la excusa de ser “guía de estilo”.

Si trabajás integrando modelos de OpenAI vía API, conviene leer el documento completo antes de asumir comportamientos por default, en particular en lo que respecta a efectos secundarios durante pruebas o simulaciones. Un criterio práctico simple: cada vez que notes un cambio de categoría en un principio (de raíz a usuario, o viceversa), chequeá si tu integración depende de ese comportamiento para funcionar como lo diseñaste.

Fuentes

• Centro de ayuda de OpenAI – Notas de lanzamiento de modelos
• Zvi Mowshowitz – Análisis del nuevo Model Spec de OpenAI
• OpenAI Developers – Changelog de la API