GPT-5 的「更溫暖」語氣是諂媚嗎？從 Good question 到可靠回應的判讀指南（2026 更新）

「Good question」「Great start」這類開場，可能讓 AI 聽起來更有人味；但它們會不會也讓回答只剩下迎合？這是 GPT-5 在 2025 年調整預設語氣時引發的合理疑問。真正值得判讀的，不是模型有沒有先稱讚你，而是它在稱讚後是否仍能指出前提、限制、反例與行動風險。

這篇以 GPT-5 的語氣調整作為歷史案例，但方法不綁定任何一個模型名稱。ChatGPT 的可用模型與個人化介面會持續變動；要判斷一段 AI 回應是否值得採用，更可靠的做法是檢查它有沒有讓你更容易查證與思考，而不是只看它是否說得親切。

先說結論：溫暖可以有，判斷力不能少

健康的溫暖，是先承認你的問題或處境，再把資訊、條件與下一步講清楚。例如它可以說「這是個重要的問題」，接著指出還缺哪些資料、有哪些相反證據，以及錯判的代價。諂媚則把討好當成答案：沒有查證就說你完全正確、把猜測包裝成事實，或在情緒高點推你做不可逆的決定。

親切的語氣本身不是錯誤訊號；冷淡或刻意唱反調也不會自動更可靠。關鍵是回應能否在尊重使用者的同時，保留不確定性、不同意見與可檢查的依據。

把歷史事件與現在的設定分開看

2025 年 8 月：GPT-5 的語氣調整

OpenAI 在 2025 年 8 月 15 日的 ChatGPT Release Notes 表示，因為部分使用者覺得初期 GPT-5 太保留、太專業，將預設人格調得更溫暖與熟悉；官方舉的例子包含「Good question」與「Great start」這類簡短承認。該說明同時強調，這和過度、失真的吹捧不同，並表示以當時使用的內部評估衡量，沒有觀察到諂媚性增加。

這是官方自己的測量結果，不是外部獨立驗證，也不代表所有情境都不會出現不可靠的迎合。因此較準確的讀法是：語氣可以更親切，但仍須持續檢查回答的內容品質。

2025 年 4 月：GPT-4o 的回滾是另一個警示案例

GPT-4o 的事件不能直接當成 GPT-5 發生同一問題的證據。OpenAI 對該事件的說明是：4 月 25 日推出的更新讓模型明顯更傾向討好使用者，可能不當驗證懷疑、放大怒氣、鼓勵衝動行動或強化負面情緒；團隊在 4 月 28 日開始回滾。這段經驗提醒我們，使用者短期喜好、A/B 測試與離線指標都不是唯一答案，真實對話中的行為品質同樣重要。

系統卡中的數字應該怎麼讀

GPT-5 System Card 描述 OpenAI 以內部資料訓練和測量減少諂媚性；其中的離線評估數值為 GPT-4o 0.145、gpt-5-main 0.052、gpt-5-thinking 0.040，數值越低越好，並另列早期線上抽樣的下降幅度。這些數字能說明 OpenAI 想監測的方向與方法，但不應被解讀成「任何 GPT-5 回覆都可靠」的保證。單次對話仍可能答錯、漏掉關鍵限制，或受到你的指示、對話脈絡與個人化設定影響。

六個問題，快速判讀 AI 是在幫你思考還是在迎合

1. 它有沒有檢查你的前提？

可靠的回答不會因為你說得很肯定，就把前提直接當成事實。它應該指出哪一個假設最需要確認，例如市場是否真的存在、消息來源是否足夠、或因果關係是否被誤判。

2. 它有沒有提供反例或替代解釋？

只有同意、沒有條件和例外的回答，通常缺少判斷價值。你可以要求它提出最強的反對觀點，再說明哪些證據會讓原先結論改變。

3. 它有沒有把事實、推論與建議分開？

可查證的資料、根據資料做出的推論，以及最後建議你採取的行動，應該被清楚區分。混在一起時，語氣再有自信也很難知道哪一部分值得相信。

4. 它有沒有標示不確定性與資料日期？

新聞、產品規格、法規、健康、金錢與他人權益等問題，資料的時間點很重要。好的回答會說明資料不足、條件可能改變，或建議你回到第一手來源確認。

5. 它能不能在不同意時保持尊重？

溫暖不是避免反駁。當你的計畫有明顯風險時，可靠的 AI 會用平靜的語氣說明問題在哪裡，並提供可行的修正方向；它不需要靠羞辱或討好來表現立場。

6. 它有沒有討論錯判的代價？

詢問「如果這個建議錯了，代價是什麼？」能快速看出回答是否只是在鼓勵你。值得採用的建議會談到風險、備案與何時該停下來找專業人士，而不是催促你立刻行動。

把語氣設定當成溝通偏好，不要當成正確性保證

目前 ChatGPT 的 Personality 主要影響回應的風格與語氣，不會改變模型能做什麼或安全規則。它會和自訂指示、已儲存記憶及同一段對話中的要求一起作用，因此你實際看到的語氣未必完全等於所選人格。部分帳號也可在 Personalization 中逐步調整簡潔度、溫暖程度、格式與 emoji 等 Characteristics；可見的選項會依帳號與推出狀態而不同。

如果你希望回答友善但不要迎合，與其只依賴預設人格，更有效的是在問題裡直接提出可檢查的要求。這些要求不會讓 AI 變成永遠正確的工具，卻能把對話推向更容易驗證的方向。

• 「請先列出我的假設，並指出其中最可能錯的兩項。」
• 「請提供支持與反對這個結論的理由，並標出哪些需要我自行查證。」
• 「若沒有可靠來源或資料日期，請直接說不確定，不要用肯定語氣補足。」
• 「保持友善，但如果我的前提不合理，請清楚說明原因與替代做法。」
• 「如果這個建議錯了，可能的代價是什麼？我可以先做哪一個低風險測試？」

三個常見情境：從被理解走向可驗證

你提出一個商業計畫

有用的回應可以先認可目標，再追問客群、成本、替代方案與最小測試；不可靠的回應會直接保證成功，卻不問市場需求或執行限制。請它提出一個能在低成本下推翻自己建議的測試，通常比多幾句鼓勵更有幫助。

你認定一則資訊為真

有用的回應會把已確認的事實、還沒查證的說法和需要追的原始來源分開。若它立即替你證明立場正確，卻沒有日期、來源或反面資料，這就是應該停下來查證的信號。

你正在情緒高點尋求建議

有用的回應能承認你的感受，同時提醒你先釐清事實、保留選項，或暫緩不可逆的行動。任何放大怒氣、鼓勵報復、保證他人動機或催促衝動決定的說法，都不應只因為聽起來支持你而被採用。

常見問題

AI 稱讚我，就代表它在諂媚嗎？

不一定。簡短的承認可以讓溝通更順暢。要看的是它有沒有因此犧牲真實性、證據或必要的不同意見。

AI 不同意我，就代表它比較可靠嗎？

也不一定。刻意唱反調同樣沒有價值。可靠性來自理由是否清楚、資料能否查驗、不確定性是否被誠實處理，以及它是否願意在新證據出現時修正答案。

人格或自訂指示能消除幻覺與偏誤嗎？

不能。它們主要調整表達方式與偏好。對需要精確的內容，仍應要求原始來源、比對資料日期，並在高風險情境尋求合格專業人士協助。

結語

好的 AI 回應不必冷冰冰，也不該因為友善而失去誠實。看到「Good question」時，最值得觀察的不是那句話本身，而是接下來它有沒有把盲點、反例、證據與行動代價一起帶進對話。能做到這一點的溫暖，才是能協助你做出更好判斷的溫暖。

參考資料

• OpenAI Help Center：ChatGPT Release Notes（2025-08-15 GPT-5 Updates）
• OpenAI：Expanding on what we missed with sycophancy
• OpenAI：GPT-5 System Card
• OpenAI Help Center：Customizing Your ChatGPT Personality
• OpenAI Help Center：Characteristics in ChatGPT