十五家模型的隐私契约：
数据留存与二次训练政策的比较研究

摘要

本文以「个人用户经 API/网页端上传的数据是否被留存、是否进入二次训练」为唯一问题，建立四维分析框架——留存期限、使用范围、退出机制、司法辖区——对 15+ 家厂商的条款做结构化比较。结论：隐私保护水平与「数据饥饿程度」呈负相关；制度环境（PIPL vs GDPR 式框架）比公司价值观更能预测条款宽严；而真正的系统性风险不在单一厂商，而在聚合层——那些替你同时调用多家模型的中间平台。

一、框架：把契约拆成四个维度

二、海外阵营：默认采集的选择性透明

OpenAI 的条款呈双层结构：API 数据默认不用于训练公共模型、保留至多 30 天用于滥用监控；而 ChatGPT 网页端默认开启「改进模型」，靠用户主动 Opt-out 退出——默认值即立场。Anthropic 则在 2025 年后的政策中把留存期拉长至 5 年，以安全合规之名，实质上重新定义了「删除」一词的时效。Google 与 Azure 对企业客户给出了严格的合同级承诺，个人层级则依赖产品开关。海外阵营的共同语法是：透明地不保护——条款 readable，但默认值永远站在厂商一侧。

三、国内阵营：监管阴影下的保守化

受《个人信息保护法》与算法备案制度的约束，国内七家厂商的公开条款整体更保守：训练用途需更明确的告知、匿名化处理被反复强调、敏感个人信息单独同意。但调研同时揭示了一个结构性盲区——「企业 API 严格、个人开发者模糊」的双层标准同样存在；免费个人额度页面上的概括性授权语言（「为改进服务质量……」）与其法律文本的严谨度之间，存在不小的翻译损耗。

四、聚合层：风险最高的暗物质

OpenRouter、OpenClaw 类聚合平台是本次调研最不安的发现：它们同时握有多家模型的调用权，用户数据在其间转手，而其隐私政策透明度普遍最低——条款未说明留存期、未说明是否记录完整请求体、未说明二次训练立场。对个人开发者，聚合平台是效率红利与隐私敞口的重叠区。本刊的建议是一张三行清单：

1. 敏感数据走直连 API，绕开一切中间层；
2. 关掉所有 Opt-out 类默认开关（网页端「改进模型」「对话用于训练」）；
3. 把留存期写进你的合规台账——90 天轮换密钥，到期即视为数据已交。

五、结论

十五份契约并排铺开，真正的差异不在厂商善恶，而在数据饥饿的饥饿程度：越接近数据墙的厂商，条款越宽；越受强监管压制的市场，条款越严。个人用户无法改写契约，但可以选择在哪个契约下生活、把什么交给它。隐私的黄昏不是黑暗降临，而是每个人被迫第一次直视那个问题——我的对话，值多少钱？