OpenAI近日宣布，将不再让前沿模型接入实时互联网数据进行训练，理由是这一做法存在重大风险。这一决定距离该公司一名工程师公开表示该方案不可行仅过去数周，显示出OpenAI在训练数据来源策略上的明显转向。
从技术角度看，实时互联网数据虽然更新快、覆盖面广，但内容质量参差不齐，且难以在训练过程中进行有效过滤与审核。模型若持续吸收未经筛选的网络信息，可能引入错误、偏见甚至有害内容，进而影响输出结果的可靠性与安全性。OpenAI此番选择回归更可控的离线训练方式，意味着其更看重数据质量与风险控制，而非单纯追求数据的新鲜度。
这一调整也折射出整个行业对实时网络数据态度的变化。过去一段时间，不少厂商将“联网获取最新信息”作为模型能力的重要卖点，但随着模型规模扩大和应用场景深入，数据来源的合规性、可追溯性与安全性正受到越来越多的审视。OpenAI的决定可能促使其他公司重新评估类似方案，推动训练数据管理向更审慎的方向发展。
对用户而言，短期内前沿模型的实时信息获取能力可能受到一定限制，但长期看，更可控的训练数据有助于降低模型输出错误和滥用的风险。OpenAI尚未披露具体的技术替代方案与时间表，后续如何在数据新鲜度与安全性之间取得平衡，仍是业界关注的焦点。
