Anthropic 的 Fable 保留政策暴露 AI 實驗室尚未解決的資料信任問題

根據 The Decoder 引述《The Information》的報導，Anthropic 決定將其旗艦模型 Fable 的使用紀錄保留 30 天，已促使數家大型客戶限制或封鎖該系統用於敏感工作。這起事件顯示，關於排除訓練與資料保留的企業級保證，對客戶而言仍然難以評估與信任。

據報導，Nvidia 正將 Fable 限制用於較不敏感的工作，而 Booz Allen Hamilton 已禁止將其用於專有的資安軟體。Palantir 也正在透過其平台封鎖 Fable 的部署，直到 Anthropic 提供其所稱不可撤銷的零資料保留保證為止。這波反應把一項原本用來支援濫用監控的政策，變成檢驗前沿 AI 供應商能否符合企業與政府買家資料控制期待的試金石。

Anthropic 的 Fable 政策成為企業裂痕

Anthropic 於 6 月推出 30 天日誌保留政策，以協助防禦 The Decoder 所描述的「複雜且新穎的攻擊」。然而，對於處理智慧財產、原始碼、安全研究或營運資料的客戶而言，保留日誌會帶來另一種風險：敏感提示與輸出可能仍可被供應商存取，或成為更廣泛內部資料管理系統的一部分。

這次報導中的反應尤其值得注意，因為 Nvidia 曾投資 Anthropic，並提供該公司模型開發所使用的硬體。Nvidia 企業 AI 副總裁 Justin Boitano 告訴《The Information》，公司認為零資料保留（ZDR）應該預設啟用。Nvidia 則改以自家 Nemotron 模型處理內部應用，例如 AI 輔助的供應鏈監控，同時將 Fable 保留給包括開源專案在內、較不敏感的工作。

據報導，Anthropic 的 Mythos 模型早期使用者 Booz Allen Hamilton 已禁止員工將 Fable 用於專有資安軟體。CTO Bill Vass 表示，公司擔心該模型可能會從其程式碼中學習。Palantir 的立場也帶有商業層面：當客戶透過其受控平台運行模型，而不是直接連接外部供應商時，該公司就能受益。這項誘因並不會否定其顧慮，但在評估公司異議的強度時，它是相關背景。

零保留無法回答所有資料問題

據報導，在企業反彈以及 OpenAI 於 8 月決定允許 GPT-5.6 Cyber 客戶將資安日誌儲存在自己的伺服器上之後，Anthropic 已轉向由客戶管理的資安日誌計畫。根據原始資料，Anthropic 的相應方案預計將於秋季向部分客戶推出。現有報導並未說明該方案將提供給多廣泛的客戶，也未說明是否涵蓋所有類型的企業互動。

另一個複雜之處在於，零保留適用於已儲存內容，但不一定適用於客戶使用 AI 服務時產生的所有資訊。The Decoder 報導指出，Anthropic 與 OpenAI 都會從企業客戶收集中繼資料與技術使用資料。OpenAI 將其中部分資訊描述為去識別化，並表示自動分類器與安全工具會分析商業資料，以了解其服務如何被使用。該公司表示，這些分類包含的是中繼資料，而非底層商業資料本身。

這項區別並未讓所有客戶滿意。報導顯示，一些組織仍不確定中繼資料包含哪些內容、會保存多久，以及是否可能揭露具商業價值的模式。因此，對採購團隊來說，問題不僅是供應商是否儲存提示，還包括日誌、遙測、分類器、除錯紀錄、濫用監控系統，以及任何用於改善產品或偵測故障的衍生資訊。

證據與主張仍難以比較

此報導中的核心主張來自被報導的客戶決策與高階主管談話，而非對 Anthropic 或 OpenAI 系統的獨立稽核。The Information 的報導經 The Decoder 摘述後，成為 Nvidia 限制、Booz Allen Hamilton 內部禁用，以及 Palantir 部署政策的依據。Anthropic 即將推出的客戶管理式記錄功能，也是在這裡被報導，而非透過完整公開的產品規格文件證實。

這場爭論不僅限於直接的模型訓練。前 OpenAI 共同創辦人 John Schulman 描述了客戶資料可能的用途範圍，從直接預訓練，到基於使用者軌跡所建立的蒸餾與強化學習任務。他認為去識別化對防止智慧財產外洩的保護很弱，並呼籲更強的揭露規範。在後續澄清中，Schulman 表示，與大規模預訓練與強化學習相比，使用者資料不太可能顯著推動前沿能力提升。不過他也指出，這類資料有助於辨識失敗模式與困難的真實世界案例。

研究員 Sarah Hooker 提出一項相關疑慮：合成資料方法可能讓實驗室在不直接保留或重製原始素材的情況下，擷取有用的統計模式。這些都是重要的技術可能性，但來源並未證明 Anthropic 或 OpenAI 曾以這種方式使用特定客戶的資料。它們反而顯示，為何只聚焦於「訓練」的合約文字，會讓客戶對衍生訊號與模型開發工作流程感到不確定。

當數學家 Tristan Buckmaster 與共同作者 Levent Alpöge 表示，他們在研究 Navier–Stokes 方程時使用了 OpenAI 的 Codex，之後又看到 OpenAI 發表一項涉及相似解法路徑的突破時，這項疑慮變得更加具體。OpenAI 起初表示無法排除匿名化產品資料的貢獻，之後則表示相關時期的提示詞不可能影響系統。該事件並未證明濫用，但它確實顯示，當研究者無法獨立追蹤自己的輸入如何被處理時，信任會多麼迅速地惡化。

對建構者與企業買家的影響

對 AI 產品團隊而言，實務上的教訓是：供應商的「不以商業資料訓練」承諾，只是眾多控制措施之一。將模型部署於編碼、安全、研究或營運工作的團隊，需要描繪完整的資料路徑：提示儲存、回應日誌、濫用監控、支援存取、中繼資料生成、保留期限、分包商，以及模型改進流程。

建構者可透過將敏感工作導向自架或內部控制的模型，例如 Nvidia 的 Nemotron，或是將低風險與高風險工作負載分開，或要求由客戶管理日誌來回應。這些做法可以降低曝露，但也會增加基礎設施、評估、模型更新與營運支援成本。較小公司可選擇的替代方案較少，可能被迫接受大型企業仍可協商的供應商政策。

這場爭議也帶出競爭層面的問題。前沿實驗室希望取得真實世界的使用訊號，以提升可靠性並識別攻擊；而企業買家則希望這些互動保持隔離。若供應商能提供精準的保留控制、可稽核的遙測政策，以及對衍生資料的清楚界線，即使其模型在基準測試中不是最強，也可能取得優勢。

接下來值得觀察的事

最直接的訊號將是 Anthropic 客戶管理式記錄方案的範圍：哪些客戶符合資格、是否涵蓋所有 Fable 使用情境，以及是否仍有任何殘留中繼資料留在 Anthropic 手中。買家也應關注 OpenAI 與其他供應商對「去識別化」資料的更明確定義，包括保留期限與允許用途。

第二個訊號則是，Nvidia、Booz Allen Hamilton 與 Palantir 是否會在政策變更後恢復更廣泛的 Fable 存取。更多客戶揭露、獨立稽核或合約範本，可能顯示市場正從一般保證轉向可驗證控制。相反地，若敏感工作仍持續使用獨立內部模型，則表示信任仍是部署限制，而不只是採購細節。

Creati.ai 觀點

這場 Fable 爭議並不代表 AI 實驗室偷偷拿每一則企業提示來訓練模型。它反而證明，現行政策往往留下過多詮釋空間。「不訓練」與「零資料保留」處理的是重要風險，但並未完整說明遙測、濫用偵測訊號、衍生資料，或供應商系統的暫時存取究竟如何處理。

對 AI 買家而言，信任正在成為架構與治理問題，而不是行銷話術。那些能讓資料流可被觀察、可配置、且能在合約上落實的供應商，將更有機會拿下敏感工作負載。在那之前，企業仍會持續把便利的 AI 使用，和那些他們認為不該放進不透明模型服務中的高價值工作分開。