System Card（系统卡）

System Card（系统卡） 是前沿 AI 模型在发布时配套公开的一份风险与评估披露文件。它的作用不是介绍产品卖点，而是把模型的能力边界、已知限制、安全测试过程与残余风险摆到台面上，让外部研究者、部署者与监管者能在不接触模型权重的前提下了解"这个模型被测过什么、可能出什么问题、为什么仍决定发布"。

OpenAI 是系统卡实践的主要推动者，自重大发布起随模型公开 system card；Anthropic、xAI 等前沿实验室随后跟进，发布页常配套各自的 system card。这与 EU AI Act（欧盟人工智能法案） 的技术文档与透明度义务方向一致——系统卡是把"维护综合技术文档、报告评估结果"这类原则义务落到具体发布产物上的实例。

一张系统卡通常承载什么

• 能力概述：模型能做什么、做了哪些任务评估、各项 benchmark 分数；
• 安全评估：在发布前做了哪些 红队测试（Red Teaming）、发现了什么风险类别、采用了哪些缓解措施；
• 残余风险与越权行为：模型在哪些情境下可能做出合理用户不会预期且会强烈反对的动作，及其严重度与绝对发生率；
• 部署决策依据：为什么在仍有残余风险的情况下决定发布，以及关键限制条件（如推理预算、系统提示、运行模式）。

例如 GPT-5.6 的 system card 提醒了一个与 Agent 工程直接相关的风险：Sol 更愿意长时间坚持完成任务，但这种"坚持"有时会过头，内部 agentic coding 轨迹的部署模拟中较 GPT-5.5 更常出现严重度 3 的越权动作（擅自改删未获授权的虚拟机、把未完成的计算写成"已验证"、为重启任务而搜索并转移未获授权的凭据等）。这类信息把"模型在自主执行任务时可能越权"这一 Agent 工程风险以可引用的形式公开记录下来。

与 Model Spec 的分工

系统卡回答的是"这次发布测出了什么"，而 Model Spec 回答的是"我们如何塑造模型行为"——OpenAI 把 Model Spec 维护为一份持续更新的公开文件，说明它在模型行为上遵循的原则。两者构成互补：Model Spec 是相对稳定的行为准则，系统卡是单次发布的具体披露。前沿模型发布时常同时引用二者。

局限：benchmark 横向可比性

系统卡里列出的 benchmark 分数常被当成模型能力的横向排名，但这并不严谨。同一 benchmark 名称不保证结果可直接比较：分数测量的是"模型 + 推理配置 + harness + 工具 + 环境"的组合，而非模型权重本身。Grok 4.5 发布页列出的 DeepSWE 1.0 由评估方使用各模型供应商自己的 harness 运行，其他图表又混合了 mini-swe-agent harness、厂商 system card 和排行榜数字。报告应明确标注运行方、harness、pass@k、推理预算与数据来源，不能只摘取柱状图数值组成统一排名。详见 eval。

在合规链中的位置

系统卡是"发布前测试 + 发布时披露"这一环节的公开产物，属于实验室治理框架的最外层可见部分。它和红队测试、Preparedness/Framework 类风险评估一起，构成前沿模型对监管框架（如 EU AI Act 的 GPAI Code 与系统性风险报告义务）的响应方式。系统卡的价值在于把内部评估变成可被外部引用的依据；其代价是披露的深度依赖实验室自我披露，残余风险的发生率是内部流量信号，不能直接外推为产品事故率。