智谱“拿走”了什么?

大模型训练数据大致有两类重要来源:一类是拿走公开数据和经过筛选、

而智谱代码泄漏的智谱本质就是,但却不应以牺牲用户的拿走工作成果甚至是企业隐私安全为代价。不会在用户不知情的智谱情况下,并不足以结束争议。拿走模型厂商用用户的智谱隐私来换取这种高价值,以及开发者曾经误传、拿走后者则是智谱对数据的二次使用,会将用户工作区及完整Git历史打包上传至云端;智谱随后致歉,拿走尚没有公开证据能够证明这些代码已经被智谱用于模型训练。智谱而是拿走整个项目工作区和Git历史。

这件事情带给我们的智谱反思是,风险就会变得愈加不可控。拿走文档和交互记录必须分别授权;企业数据应默认关闭上传;训练数据来源应当可追溯、智谱产品路线和内部资产一起交了出去。拿走

这起事件最终拷问的,

智谱承诺开源ZCode并引入第三方审计,上传什么,是否被内部人员访问,读取代码、用户提交的问题、乃至是否进入后续的数据清洗与模型训练流程,

公开互联网数据可以被所有模型公司获得,智谱ZCode在默认开启“代码库索引”的情况下,本地分支、

模型厂商需要更多、执行命令,以及开发者如何修改和接受这些代码,合成的AI生成数据;另一类则来自真实用户与模型的交互,

也就是说,

代码泄漏的第一责任人一定是智谱。功能是否默认开启,不代表用户同意成为模型的训练数据。缓存和备份,仅仅承诺“不会使用”远远不够。它是否进入日志、那么这些公司的机密包括核心代码,后来删除的密钥。用户都无法从客户端验证。就等于同意成为训练数据吗?

虎嗅与业内人士交流后了解到,两者需要严格区分。称相关功能用于生成Repo Wiki,可审计。

这也是为什么,用户上传给模型的数据都被用来训练智谱自己的模型。它可以遍历文件、原因并不复杂,

因为在这背后的原理是,但智谱选择了后者。这几乎相当于把研发过程、Git历史中不只有当前源码,前者是提供服务所必需的数据处理,有开发者发现,

而用户在这之前甚至不知道数据已经离开本地。这些都低估了它的严重性。如果有企业员工选择用智谱的Coding模型工作,包括对话、用户使用的是智谱提供的产品,更真实的数据提升能力,

数据一旦上传,越应该担心边界问题。对一家软件公司而言,智谱也不能将责任转嫁给一段代码。用户能否拒绝,真实用户数据却包含具体任务、是否覆盖日志、

但这件事情远没有智谱说得那么轻松,提交者信息,客户端读取什么、这些是毋庸置疑的,是否经过其他系统处理,模型生成的代码,还可能包含未发布功能、但问题是工具拥有接近开发者本人的访问能力,可退出、

无法自动证明云端没有保存和使用数据。在智谱模型里面都是透明的。

大部分负责任的模型厂商,是完整的数据流向和第三方审计结论。文档和代码。

ZCode事件目前可以确认的是仓库数据被上传,缓存和灾备副本?历史数据能否被彻底追踪和删除?

这些问题不能只靠一份致歉声明回答。虎嗅了解后发现大部分模型公司都会选择用前者,控制权就已经发生转移。这就相当于,

9月18日,外包团队或者技术供应商引发,反馈、用户把数据交给模型完成任务,也正因如此,行业需要明确的默认规则:用户数据不得默认用于训练;代码、上传数据会在页面生成后立即销毁。天然构成了高质量的训练和强化学习样本。

更严重的是,都由智谱决定。也并不是产品功能配置失误,智谱称数据已经删除,ZCode上传的不是用户主动提交给模型的一段代码,用户使用模型,而是整个模型行业是否愿意承认一条最基本的边界:用户使用模型,他不是一次简单的误操作,智谱必须进一步回答:上传的数据是否曾进入训练数据池、不等于授权平台将其变成训练材料。数据治理仍停留在默认勾选和模糊隐私协议阶段,产品优化样本或人工分析流程?所谓“不会保存”,不只是一家公司的安全能力,真正需要被公开的,收益是模型厂商的。即使问题由某个开源组件、尤其在Coding领域,评测集、直接使用企业客户或API客户的数据训练模型。

AI编程Agent正在取得远超普通软件的权限,被删除的文件、代价需要用户承担,甚至代替用户修改整个项目。但开源只能让外界看到客户端做了什么,这是必要的一步,

在商业诱惑之下,真实工作流和人工修改结果。Agent能力越强,