他们说不存在的那个工具：出版商请求法院制裁 OpenAI

一场不再关乎证据开示的证据开示之争

两年半以来，新闻业与 OpenAI 之间的版权战争一直在所有人预期的战场上进行：合理使用。用数百万篇文章训练模型，究竟是把它们转化成了某种新东西，还是仅仅在工业规模上完成了复制？这是整个行业一直等待法院回答的问题。

7 月 9 日，原告不再纠缠合理使用，转而开始追问诚信问题。《纽约时报》《纽约每日新闻》《芝加哥论坛报》《圣罗莎新闻民主报》、美国作家协会以及一批畅销书作者，在曼哈顿联邦法院合并审理的 In re OpenAI Copyright Infringement Litigation 一案中提交了制裁动议，请求治安法官王欧娜（Ona Wang）就他们所称的一场持续性的虚假陈述与证据销毁行动对 OpenAI 予以惩处。其核心指控据 TechCrunch 报道直白得刺眼：OpenAI 一再向法院表示，自己在技术上无法检索其训练数据和输出日志中是否含有出版商的文章——而在内部，它早已构建了恰恰能做这件事的工具，并且早已用过。

这是一次性质上的转变。合理使用的裁决，是关于法律允许什么的法律判断；而制裁的裁决，是关于一方当事人是否还值得信任的判断——对于后一个问题，法院手中的工具要钝重得多。

动议指控了什么

关键的转折点是一场证词录取。据美联社报道，在 OpenAI 从事隐私工程工作的约翰·文森特·"维尼"·莫纳科（John Vincent "Vinnie" Monaco）被指定为公司就上述问题作证的证人。王法官在 2026 年 1 月的一份命令中认定，他在第一次证词录取时准备不足，并命令他重新出席。原告称，正是在 2026 年 4 月的第二次作证中，整幅图景终于散架：莫纳科据称承认，OpenAI 确实曾在其训练语料中检索受版权保护的新闻报道，确实构建过可检索的去标识化 ChatGPT 对话数据集，也确实针对出版商的内容跑过检索。

出版商称，其中一些检索发生在《纽约时报》2023 年 12 月提起最初诉讼之前。TechCrunch 报道，该动议描述了一个在起诉之前就已建成的内部数据库，包含约 7800 万条去标识化的 ChatGPT 对话。如果这一说法成立，那就意味着 OpenAI 告诉法院并不存在的那种能力不只是理论上的——它早已投入生产，而且已经运行多年。

OpenAI 拒绝接受这一叙述框架。发言人德鲁·普萨泰里（Drew Pusateri）表示，《纽约时报》"仍在坚持侵犯与本案毫无关系之人的隐私，手段之一便是提出这些明目张胆的虚假指控"，并称公司将继续"捍卫我们用户的隐私，以及长期确立的合理使用原则"。动议中的任何一项都尚未获得裁决。这些是高风险诉讼中一方对手的主张，OpenAI 也还没有提交完整答辩。

Project Giraffe 与布隆过滤器

技术上最耐人寻味的一项指控，是动议中被称为 Project Giraffe 的一项内部工程。根据 TechCrunch 对该文件的转述，在《纽约时报》起诉后不久，OpenAI 部署了一个布隆过滤器（Bloom filter）——一种能以低成本、大规模回答"我以前见过这个吗？"的概率型数据结构——用于检测 ChatGPT 的输出是否复现了受版权保护的文本。

想一想这意味着什么。一个针对"复吐"（regurgitation）的布隆过滤器，在功能上就是一个复吐检测器。要造出这样一个东西，你必须拥有一份用于比对的受保护文本语料、一条检查输出的流水线，以及一套记录或抑制命中结果的机制。而这每一项，都恰恰是 OpenAI 据称告诉法院它做不到的事。出版商的论点并不是说构建这样一个过滤器是错的——可以说那反而是负责任的工程决策——而是说，既然已经建成了它，公司就无法再可信地宣称自己是"看不见"的。

这里存在一处真实而令人不适的张力，行业与其欢呼略过，不如坐下来面对。让实验室能够抑制逐字复现的那套基础设施，同时也是让原告能够证明逐字复现确实发生过的那套基础设施。一家不构建此类工具的实验室，可隐瞒的更少，需要修补的也更少；而一家构建了它的实验室，实际上成了指控自己的最佳证人。这是一种货真价实的逆向激励，而它如今正横亘在美国最重要的 AI 版权案的正中央。

证据保全令与被删除的日志

动议的后半部分在法律上更加危险：证据毁损（spoliation）。出版商指控，OpenAI 在法院的证据保全令生效之后删除了聊天数据——美联社报道称，该文件描述的规模是数百万条聊天记录和数十亿条 ChatGPT 回复。证据保全令是美国民事证据开示制度的承重墙，明知故犯地违反它，正是法官会视为冒犯自身的那类行为。

围绕幸存日志的证据开示记录本身也存在争议。TechCrunch 报道，原告最初索要约 1.2 亿条聊天日志，经协商降至 2000 万条的样本；而当 OpenAI 于 2025 年 12 月交付这份样本时，其涂黑之严重使其几乎没什么用处。动议在主观意图上的措辞毫不含糊："本案尤其适合施加严厉制裁，因为 OpenAI 的行为——包括违反法院的证据保全令——是明知的、故意的。"

所请求的救济与这一论点严丝合缝。出版商希望禁止 OpenAI 依赖那份 2000 万条日志的样本；希望法院直接认定为既定事实：这些日志本会显示其作品遭到了大量且系统性的复现；希望阻止 OpenAI 就此提出相反主张；希望就被销毁的数据向陪审团发出不利推定指示；并希望获得律师费。最后这一组请求就是律师所说的"争点制裁"（issue sanction），它已经接近一件可以终结案件的武器。它将以司法命令的方式，直接把原告本应在庭审中举证证明的事实认定送到他们手上。

炒作与真正确凿的部分

有必要把已知与未知划分清楚。已知的是：一份制裁动议已经提交，内容公开，点名了 Project Giraffe 和莫纳科的两次证词录取，并寻求具有争点排除效力的救济。未知的是：其中是否有任何一项属实。OpenAI 称这些指控明目张胆地虚假。王法官尚未裁决。案卷上既没有证据毁损的认定，也没有虚假陈述的认定，更没有任何制裁。

同样值得抵制的，是网上流传的那种极端解读——认为这将终结 OpenAI。并不会。即便动议获准，也不会解决合理使用问题，而后者仍是决定性的法律问题，OpenAI 在这一点上握有实实在在的论据。制裁真正会做的，是改变棋局：它会剥夺 OpenAI 就侵权的某一项事实前提提出抗辩的能力，并且会毒化此后陪审团所作的每一次可信度判断。

比这一份案卷更重要的，是更宏观的信号。AI 诉讼中的证据开示，已经抵达了模型内部。原告如今已经懂得索要训练语料索引、输出日志、去重流水线、安全过滤器——并且能够察觉一家公司何时在声称这些东西并不存在。每一家仍有版权诉讼在身的前沿实验室，都该把这份文件当作自己下一次证词录取的预告片来读。

总结

本周最具后果的 AI 新闻不是某个模型的发布。它是一份程序性动议，而它的主题不是 OpenAI 的模型做了什么，而是 OpenAI 的律师说了什么。如果出版商是对的，那么这家公司花了两年时间告诉一家联邦法院，它无法看清自己系统的内部，同时却在内部跑着那些检索。如果 OpenAI 是对的，那么这不过是一个正在失势的原告在孤注一掷地打一记侵犯隐私的绝杀球。

无论如何，一条线已经被跨过。整个行业翘首以待的那个合理使用问题，如今可能要在一场行为操守之争的阴影下被裁决——而作出裁决的法官，已经有过一次认定 OpenAI 指定证人准备不足的记录。那些把法律策略建立在"模型内部不可知"这一前提上的公司正在发现：法院完全有能力追问，究竟是谁，在知道些什么。

信息来源： TechCrunch · 美联社（经 The Spokesman-Review） · 美联社（经 Press Democrat）