北京时间2023年12月16日上午,科技媒体Command Line作者Alex Health的一篇文章,将OpenAI对字节跳动的控诉摆到了台前。
这篇“檄文”中,字节被指控在大语言模型开发项目Project Seed中,几乎每个阶段都在秘密使用OpenAI的模型API来训练和评估模型。
“参与的员工们对此心知肚明。”Alex Health声称自己在字节的沟通平台飞书上亲眼所见,员工讨论如何通过数据脱敏来粉饰证据,“滥用非常普遍,以至于Project Seed的员工经常达到访问API次数的上限。”
这场控诉的结局是,OpenAI禁止了字节跳动的账户。OpenAI发言人Niko Felix通过Alex Health发表了声明:
所有 API 客户都必须遵守我们的使用政策,以确保我们的技术得到良好利用。虽然字节跳动对我们 API 的使用很少,但我们在进一步调查期间已暂停了他们的帐户。如果我们发现他们的使用不遵守这些政策,我们将要求他们进行必要的更改或终止其帐户。
OpenAI 发言人 Niko Felix的声明。
所谓的“Seed”,是字节在2022年末就启动的基础大语言模型开发项目。该项目下有两个主要产品,一个是已在国内推出的聊天机器人“豆包”,一个则是正在开发中的、计划通过火山引擎对外提供服务的机器人平台。
一名业内人士对36氪表示,国内厂商用国外主流模型的API先试水业务、训练模型的情况并不少见:“先用先进模型把业务跑起来,等自己的模型训练能力达到标准再进行替换。”
而多名知情人士则向36氪透露,目前字节跳动的模型业务比距,无论是产品项目Flow,还是大模型项目Seed,都有国内海外业务两手抓的打算。由于政策规定,国内业务将采用字节自主研发的模型,而海外业务,将先采用国外厂商的模型API服务。
在OpenAI的服务条例中,确实存在竞争保护相关的内容。为了防止客户使用OpenAI的服务开发竞品,OpenAI对客户的使用范围做了严格的规定:只允许开发非商用的用于数据治理的AI模型,或者用于微调OpenAI对外服务的模型。
OpenAI的服务条例。
“拉黑”风波后,字节跳动发言人Jodi Seth在当日也快速做出回应。她表示,GPT生成的数据在Project Seed早期被用于标注模型,并在今年年中左右从字节跳动的训练数据中删除:
字节跳动获得了微软使用GPT API的许可。我们使用GPT为非中国市场的产品和功能提供动力,但使用我们的自我发展模型为豆包提供动力,豆包仅在中国可用。
这则声明承认了字节存在用GPT生成的数据训练模型的行为,但这个行为发生在OpenAI设定服务条例之前。可见的是,OpenAI最早一版服务条例发布于2023年8月28日,而字节声称在年中前已经停止将GPT生成的数据应用于训练过程。
OpenAI的第一版服务条例更新于2023年8月。
字节回应的另一个重点,则是强调GPT的API服务是通过微软云服务Azure,而非从OpenAI直接获得。换言之,OpenAI的“拉黑”,显得越俎代庖。
不过,即便是微软Azure,也拥有与OpenAI类似的竞争保护条款:“客户不得使用且不允许第三方使用微软生成式人工智能服务创建、培训或改进(直接或间接)类似或具有竞争性的产品或服务。”
微软Azure生成式人工智能服务条款
如今,不少人都在等待微软Azure的回应。对海外AI业务依赖于国外厂商API的字节而言,微软的态度将至关重要。
![](/images/app_dwonload_qrcode.png)