OpenAI 正面臨「嚴厲制裁」的呼聲，因為它長期阻擋新聞媒體檢視數百萬筆對話記錄——這些記錄可能證明用戶透過 ChatGPT 繞過付費牆、輸出媒體付費內容。對雙方而言，這批證據被視為最關鍵的攻防核心，可能讓 OpenAI 跌入侵權深淵，也可能讓其聊天機器人技術以「轉化性合理使用」之名脫身。
在週四提交的制裁動議中，由《紐約時報》領銜的原告新聞媒體指控這家 AI 公司「多年來反覆說謊」，隱匿可能削弱 OpenAI 抗辯的侵權證據。
兩年前就已進行的內部搜尋
這些指控在法院強制要求 OpenAI 隱私工程師 Vincent Monaco 重新作證後曝光。《紐約時報》的文件指出，在後續 4 月的作證過程中，Monaco 不慎透露 OpenAI 兩年來誤導法院，誇大了搜尋 ChatGPT 對話記錄的成本與負擔。
最令人震驚的指控是：OpenAI 從訴訟一開始就假裝「技術上無法」搜尋大量匿名化的 ChatGPT 對話記錄，但實際上早在訴訟啟動前就已經做過這類搜尋。
編按：本文綜合整理自 Ars Technica、Reuters、AP News、TechCrunch、Bloomberg Law，並加入 Siami 編輯部觀點與分析。
新聞媒體原告指出，制裁是必要的，因為「OpenAI 隱瞞這項事實的行為，剝奪了關鍵證據、延長了證據開示程序、推高了訴訟成本，並對法院造成負擔。」
OpenAI 發言人回應稱，《紐約時報》的制裁動議是想藉機取得更多對話記錄、進一步侵犯更多用戶隱私。該發言人主張，當《紐時》近期撤回部分訴訟請求時，正代表媒體方的論點正在瓦解，而非 OpenAI 的抗辯出了問題。
被隱藏的 8,000 萬筆對話記錄
雖然制裁動議經過大量遮蔽，但其中指控 Monaco 證實 OpenAI 持有兩批大型樣本，分別涵蓋 1,000 萬筆與 7,800 萬筆記錄，這些記錄早已去識別化，本可在訴訟初期就提供給原告，以最大化證據開示期間的覆蓋範圍。
新聞媒體原告指控：「OpenAI 兩年多來從未揭露這些樣本的存在。」
更令原告挫折的是，OpenAI 早已基於內部「建立可過濾版權內容輸出機制」的研究，對這些樣本執行過搜尋——目的完全是為了 OpenAI 自己的利益。
- OpenAI 內部曾主動搜尋輸出記錄以建立「防止重述版權內容」的過濾器
- 兩年來對外聲稱此類搜尋「技術上不可行」或「過於繁重」
- 直到 4 月 Monaco 被迫重新作證才意外曝光真相
《紐時》指控：「OpenAI 在對自己有利時有能力、也願意搜尋輸出記錄——同時卻讓整個證據開示程序對原告變得盡可能艱難。」
被 AI「遮蔽到無法使用」的 20 百萬樣本
《紐時》首席律師 Ian Crosby 對 Ars 表示，OpenAI 阻擋了對話記錄的存取，並扭曲了證據，以掩護其合理使用的主張。
Crosby 說：「兩年多來，OpenAI 對《紐約時報》、《每日新聞》原告、公眾以及法院撒謊。它聲稱搜尋 ChatGPT 輸出中的《紐時》與《每日新聞》內容在技術上不可行、負擔過重，且會侵犯用戶隱私——同時卻隱瞞自己早已做過這類搜尋的事實。如果 OpenAI 真的相信抄襲媒體新聞屬於合法合理使用，它根本不需要隱瞞自己已經做過這件事。」
OpenAI 沒有誠實揭露既有的樣本，反而迫使新聞媒體花了八個月在「沙盒」環境中搜尋——僅能存取一份經大量遮蔽的 2,000 萬筆記錄。這份樣本遠小於原告最初要求的 1.2 億筆新聞對話，原因正是 OpenAI「對其既有技術能力做了虛假陳述」。
更糟的是，當 OpenAI 用 AI 對這份 2,000 萬筆樣本進行了 190 億次遮蔽後，法院認定該樣本「無法使用」。
| 項目 | 原告原始要求 | OpenAI 提供的 | 差距 |
|---|---|---|---|
| 對話記錄樣本數 | 1.2 億筆 | 2,000 萬筆 | 縮減 83% |
| 遮蔽次數 | — | 190 億次 | 法院判定「無法使用」 |
| 隱藏的可用樣本 | — | 7,800 萬筆 | 已去識別化 |
《紐時》指控：「這段期間，OpenAI 一邊對 2,000 萬筆樣本進行過度遮蔽，另一邊手上卻握有一份 7,800 萬筆已去識別化的對話樣本。」
OpenAI「決定不遵守」法院保存令
除了樣本問題，新聞媒體原告還指控 OpenAI 從這份 2,000 萬筆有限樣本中「隨機刪除」部分內容（具體數量在動議中經過遮蔽）。此外，OpenAI 還被指控刪除或壓縮了「數十億筆」本應保存的對話記錄。
《紐時》引述 OpenAI 證人證詞指出，OpenAI 只是「決定」遵守法院廣泛的保存令保留所有對話記錄「會很困難，因此未採取任何行動」。
新聞媒體原告寫道：「毫無疑問，OpenAI 的行為是出於故意，也沒有任何藉口。Monaco 表示，OpenAI 考慮過遵守法院保存令，但後來決定不這樣做。」
為什麼這件事重要
這場訴訟的本質不只是「OpenAI 抄了幾篇文章」——它正在為整個生成式 AI 產業建立「訓練資料使用」的司法邊界。OpenAI 被指控的隱匿行為之所以危險，是因為它發生在法院的證據開示程序內、對象是司法命令的保存令。這代表被告不只是民事侵權，而是對司法程序完整性的系統性挑戰。
如果法院接受制裁動議，可能會做出以下幾項歷史性決定：
- 禁止 OpenAI 使用 2,000 萬筆樣本：等於實質上撤回 OpenAI 在訴訟中最仰賴的證據基礎
- 直接裁定 OpenAI 隱藏的記錄包含「實質重述」媒體版權內容：這幾乎等於在進入實質審判前就先做出對原告有利的「部分簡易判決」
- 允許陪審團被告知 OpenAI 刪除了數十億筆對話記錄：這對陪審團心證的影響極為深遠，可能直接讓合理使用抗辯瓦解
這些制裁若成立，將成為 AI 公司在面臨版權訴訟時的「負面教科書」，對其他模型訓練者（包括 Anthropic、Google DeepMind、Meta）形成寒蟬效應——他們都正面臨類似的集體訴訟。
數據解讀與質疑
這份動議最具破壞力的數字其實是「2,000 萬 vs 7,800 萬」這個對比。OpenAI 對外辯稱只能提供 2,000 萬筆的遮蔽樣本（且被法院判定「無法使用」），但內部其實早已握有 7,800 萬筆已去識別化的可用樣本——而且他們自己還用這份樣本做過版權過濾器的研發。
這意味著 OpenAI 在程序中呈現給法院的「技術能力」，與其內部真實能力存在至少一個數量級的落差。這種落差很難用單純的「技術團隊溝通不良」解釋——更接近於「選擇性揭露」（selective disclosure）。
值得質疑的還有 OpenAI 的「隱私」論點。當一份對話記錄已經過去識別化處理（去除用戶個資）時，純粹的學術研究用途下不太可能構成顯著的隱私侵害。OpenAI 把「隱私」當作阻擋證據開示的核心論點，但同時自己內部卻用同樣的資料做研究——這種雙重標準正是法庭最忌憚的「選擇性程序濫用」（selective process abuse）。
另一個值得追蹤的數字是 190 億次 AI 遮蔽。如果以 2,000 萬筆樣本計算，平均每筆記錄被遮蔽約 950 處——這個密度高到幾乎等同於「整份資料全部抹除」。法院之所以裁定這份樣本「無法使用」，正是因為過度遮蔽等同於實質性的證據銷毀。
業界反應與下一步
原告已明確要求法院做出「嚴厲制裁」，並警告「較輕的制裁不會有效」。如果法院認定 OpenAI 的行為「惡劣」，OpenAI 在這場受到密切關注的版權訴訟中，可能會因為「限制原告存取對話記錄」這一步棋而面臨戰略性挫敗。
無論訓練受版權保護的內容是否構成合理使用，最終很可能取決於新聞媒體能否證明「市場損害」的存在。如果 OpenAI 高度遮蔽的樣本被排除，而這使得 OpenAI 更難主張「實質侵權未發生」，其抗辯空間將被大幅壓縮。
《紐時》發言人 Graham James 上個月對 Ars 強調，原告撤回部分訴訟請求並不代表案件弱化，反而是「案件經過精簡，並透過新增對 Microsoft 的指控而強化」。他表示：「我們的核心主張從第一天起就沒變——Microsoft 與 OpenAI 盜用了《紐約時報》數百萬筆版權作品，藉此與我們的產品競爭並非法獲利。」
隨著法院進入制裁審理階段，這場 AI 史上的指標性版權戰，將決定未來十年生成式 AI 的訓練資料取得邊界。
編按：本文綜合整理自 Ars Technica、Reuters、AP News、TechCrunch、Bloomberg Law、Al Jazeera，並加入 Siami 編輯部觀點與分析。
網友熱門留言 (5)