OpenAI被曝藏8800万条ChatGPT日志，纽约时报版权案进入证据制裁阶段

2026年7月9日，《纽约时报》等新闻机构向法院提交制裁动议，指控OpenAI在版权诉讼中藏了两批共8800万条已脱敏的ChatGPT输出日志样本，两年未披露。原告称，自己此前只能在一份被遮蔽190亿处、总共2000万条的日志样本里摸索，远少于最初申请的1.2亿条。

这场官司原本争的是训练数据合不合法。现在焦点变了：ChatGPT到底会不会把新闻原文吐出来，让读者绕开付费墙。日志里如果真藏着这种"复现"证据，OpenAI的合理使用抗辩就少了最关键的一块支撑。

发生了什么：两批日志，一句"做不到"

OpenAI隐私工程师Vincent Monaco今年4月被法院要求重新问询。

他透露，公司诉讼开始前就有两个去标识化日志样本：一个1000万条，一个7800万条，合计8800万条。其中一个样本，OpenAI用来搜索过《纽约时报》内容，目的是训练一个拦截版权内容"复现"的过滤器。

也就是说，OpenAI一边在法庭上说大规模检索日志"技术上不可行、成本过高、侵犯用户隐私"，一边自己早就做过类似检索。原告因此耗时8个月，才拿到一份2000万条、遮蔽190亿处的样本，法院认为这份样本"不可用"。

为什么重要：输出日志决定合理使用能不能成立

一般版权案吵的是训练数据合不合法。这场官司多吵一件事：ChatGPT输出日志能不能证明用户拿到了新闻原文，绕开了付费墙。

这直接指向"市场替代"——合理使用四要素测试里最关键的一条。训练数据合不合法，最多说明输入端有没有问题；输出日志能不能吐出原文，说的是产品有没有在市场上抢《纽约时报》的生意。

如果法院认定证据保全违规成立，OpenAI可能被禁止使用那份190亿处遮蔽的样本，甚至被要求让陪审团直接采信"存在实质性复现"的结论。这比输掉一场程序性动议更伤——相当于在案件最核心的事实认定上，先丢了反驳的立足点。

需要说清的是，这些指控目前仍是原告在制裁动议里的单方主张。法院还没有认定OpenAI故意隐瞒，也没有认定侵权成立。

谁受影响，接下来看什么

对依赖付费墙和内容授权收入的媒体管理层，这场官司的示范意义比赔偿金额本身更大。如果制裁获批，起诉AI公司的策略会变——优先申请强制保全输出日志，而不是像过去那样把重心全押在训练数据溯源上。谈判桌上，媒体一方多了一张牌。

对AI公司的法务和产品团队，眼下最现实的动作是重新盘一遍日志留存策略。遮蔽太狠，可能被认定为妨碍取证；留得太细，又可能撞上隐私合规的红线。这场官司之后，"删多少、留多久、谁能查"很可能变成产品设计和用户协议里绕不开的条款，不只是OpenAI一家的问题。

接下来最该盯的是两件事：法院是否批准这份制裁动议、是否做出对OpenAI不利的推定；以及那份190亿处遮蔽的样本，会不会被要求重新处理并公开给原告。