這個方向亦回應了以往安全監察的限制:如果每次互動只獨立檢查,系統或許難以判斷一連串看似無害的請求是否合起來構成濫用;但要追蹤多次互動,往往又涉及保存客戶資料的問題。
OpenAI API一般會為功能使用產生濫用監察日誌,預設最多保留30日;合資格端點採用Zero Data Retention後,客戶內容則不會被納入這類日誌。
因此,這次新承諾的重點,不只是再次強調「數據不會用於訓練」,而是把較嚴格的保留限制延伸至前沿模型的安全監察場景。ChatGPT Enterprise另有由機構自行設定的保留控制,兩者屬於互相補充,而不是取代API的ZDR模式。
不應如此理解。Anthropic表示,Claude for Work、Anthropic API等商業產品的輸入和輸出,預設不會用於訓練模型;只有客戶主動提供回饋、回報問題,或另行允許使用數據時,相關內容才可能被用於訓練。
Anthropic較具爭議的五年保留政策,針對的是消費者產品:如果用戶允許以對話或編程工作階段改善Claude,經去識別化的數據可能在訓練流程中保留最多五年。所以,OpenAI今次的說法,較準確的解讀是要在數據保留和安全處理條款上製造差異,而不是證明Anthropic預設會以企業數據訓練模型。
對醫療、金融、法律、國防及擁有專有軟件的企業來說,採購AI服務時,考慮的不只是模型答得準不準,還包括:
當模型能力相差不遠,私隱管治和合規文件便可能成為決定供應商的關鍵。對處理商業機密或受監管資料的公司而言,「毋須長期保存內容,但仍能識別可疑使用模式」是一個直接而實際的採購訊息。
OpenAI選擇此時以數據政策作為差異化賣點,亦與Anthropic企業業務的急速增長有關。據投資者文件,Anthropic初步公布的2026年第二季收入超過115億美元,較2025年同期的7.87億美元增加逾14倍。
Anthropic截至7月底的年化收入跑率據報超過650億美元,而OpenAI近期公布的年化收入跑率則約為400億美元。這些是年化跑率及私人公司的初步數字,並非可以直接比較的經審計財務報表;但它們仍顯示,OpenAI正急於在模型能力以外,找出足以影響企業採購決定的新賣點。
對OpenAI來說,ZDR加上Private Safety Processing的核心訊息很簡單:企業可以少留數據,同時不必完全放棄安全防濫用能力。至於這套方案能否在大規模部署中證明成效,則要等待更多技術細節和實際客戶使用結果。
這個方向亦回應了以往安全監察的限制:如果每次互動只獨立檢查,系統或許難以判斷一連串看似無害的請求是否合起來構成濫用;但要追蹤多次互動,往往又涉及保存客戶資料的問題。
OpenAI API一般會為功能使用產生濫用監察日誌,預設最多保留30日;合資格端點採用Zero Data Retention後,客戶內容則不會被納入這類日誌。
因此,這次新承諾的重點,不只是再次強調「數據不會用於訓練」,而是把較嚴格的保留限制延伸至前沿模型的安全監察場景。ChatGPT Enterprise另有由機構自行設定的保留控制,兩者屬於互相補充,而不是取代API的ZDR模式。
不應如此理解。Anthropic表示,Claude for Work、Anthropic API等商業產品的輸入和輸出,預設不會用於訓練模型;只有客戶主動提供回饋、回報問題,或另行允許使用數據時,相關內容才可能被用於訓練。
Anthropic較具爭議的五年保留政策,針對的是消費者產品:如果用戶允許以對話或編程工作階段改善Claude,經去識別化的數據可能在訓練流程中保留最多五年。所以,OpenAI今次的說法,較準確的解讀是要在數據保留和安全處理條款上製造差異,而不是證明Anthropic預設會以企業數據訓練模型。
對醫療、金融、法律、國防及擁有專有軟件的企業來說,採購AI服務時,考慮的不只是模型答得準不準,還包括:
當模型能力相差不遠,私隱管治和合規文件便可能成為決定供應商的關鍵。對處理商業機密或受監管資料的公司而言,「毋須長期保存內容,但仍能識別可疑使用模式」是一個直接而實際的採購訊息。
OpenAI選擇此時以數據政策作為差異化賣點,亦與Anthropic企業業務的急速增長有關。據投資者文件,Anthropic初步公布的2026年第二季收入超過115億美元,較2025年同期的7.87億美元增加逾14倍。
Anthropic截至7月底的年化收入跑率據報超過650億美元,而OpenAI近期公布的年化收入跑率則約為400億美元。這些是年化跑率及私人公司的初步數字,並非可以直接比較的經審計財務報表;但它們仍顯示,OpenAI正急於在模型能力以外,找出足以影響企業採購決定的新賣點。
對OpenAI來說,ZDR加上Private Safety Processing的核心訊息很簡單:企業可以少留數據,同時不必完全放棄安全防濫用能力。至於這套方案能否在大規模部署中證明成效,則要等待更多技術細節和實際客戶使用結果。