OpenAI称将停止用实时互联网训练AI模型

驱动中国10月25日消息，据 TechCrunch 报道，OpenAI 称将不再在实时互联网上训练其 AI 模型，并以“重大风险”作为调整理由。与此同时，OpenAI 将把前沿模型与互联网断开，这一变化发生在该公司一名工程师数周前表示相关方案无法奏效之后。

从公开表述看，OpenAI 此次调整的核心在于减少模型训练对实时互联网内容的直接依赖。所谓实时互联网，通常指持续更新、即时可访问的网络信息环境。大模型在训练阶段如果直接接入这类动态数据源，可能面临内容质量不稳定、信息真伪难辨、安全边界不清晰等问题。

报道中提到的“重大风险”，指向的正是实时网络数据进入模型训练流程后可能带来的不确定性。对于前沿模型而言，训练数据不仅决定能力上限，也可能影响模型输出中的事实准确性、安全表现和合规风险。因此，切断实时互联网连接，可被视为一种降低训练过程不可控因素的治理动作。

值得注意的是，这一决定并非在完全无异议的背景下作出。TechCrunch 报道提到，在 OpenAI 宣布将前沿模型与互联网断开之前数周，该公司一名工程师曾表示这一解决方案不可行。该表态显示，围绕实时互联网训练与离线化训练之间的取舍，仍存在不同判断。

从行业背景看，大模型早期发展往往强调数据规模与来源广度，公开网页、文本、代码等互联网内容成为重要训练语料。随着模型能力增强、应用场景扩大，训练数据的质量、来源合法性、安全过滤和风险控制逐渐受到更多关注。实时互联网虽然信息更新快，但也更容易混入噪声、恶意内容和未经充分审核的信息。

对 OpenAI 而言，停止在实时互联网上训练模型，意味着其前沿模型的数据获取方式可能更偏向受控来源，而非直接依赖持续变化的在线网络环境。这一变化也可能影响模型知识更新节奏，以及模型对最新网络信息的吸收方式。

整体来看，OpenAI 此次表态释放出大模型训练策略调整的信号：在追求模型能力的同时，训练数据的安全边界和治理方式正在成为更优先的考量。实时互联网不再作为直接训练通道，反映出 AI 企业正试图在数据规模、模型时效与风险控制之间寻找新的平衡。