纽约时报诉 OpenAI 案新解封文件：微软与 OpenAI 内部承认 LLM 建立在窃取之上并引发 Doom Loop

一句话看懂：纽约时报诉 OpenAI 版权案中一批此前被涂黑的文件被解封，微软与 OpenAI 内部文档和高管证词承认大模型训练依赖未经授权内容，并已形成侵蚀内容供给方的“doom loop”。这些内部表态与其对外主张的合理使用立场形成直接冲突。

事件核心：发生了什么

此次解封的是纽约时报向法院提交的简易判决申请材料，其中大量引用微软和 OpenAI 内部文件、政策文档及高管宣誓证词。文件显示，微软内部曾把大模型对创作者内容的抓取形容为“前所未有的惊人窃取”，并称几乎没有内容创作者同意其作品被这样使用，也未获得补偿。

一份微软内部文档提出“doom loop”概念：AI 产品抓取人类内容后，又反过来截走原网站的点击和流量，形成同时损害模型表现和整个网络生态的循环。微软 CEO 纳德拉等高管在证词中提到，从纽约时报等新闻站点抓取内容后，Bing 上导向这些站点的点击下降超过 90%。

文件还提到 OpenAI 曾针对纽约时报付费墙制作绕过方案，联合创始人格雷格·布罗克曼回复“不错”；OpenAI 政策主管杰克·克拉克则写道，公司正在“创造替代那些定义社会文化的人之劳动的系统”。

为什么重要

这些材料的价值在于，它把外界的版权质疑变成了被告方内部的自我描述。OpenAI 和微软在法庭上主张训练属于合理使用、具有转化性，但内部文档承认其产品正在破坏内容供给链的经济基础。这会让合理使用抗辩更难成立，也可能影响法院对市场替代效应的判断。

从行业层面看，它揭示了大模型商业模式的一个结构性矛盾：训练数据和推理输出都依赖人类内容，但价值分配几乎没有回流到创作者。无论最终判决如何，这套“先抓取、再替代”的路径都会面临更高的合规成本。

对用户/开发者/创作者的影响

对创作者和媒体机构而言，这些内部承认可作为版权谈判和授权诉讼的事实依据，尤其是点击下降超过 90% 这类数据，直接指向可量化的市场损害。对开发者来说，如果法院收紧合理使用边界，依赖大规模爬取数据的训练路径和第三方 API 的数据来源审查都会趋严，闭源模型的授权成本可能上升，部分开源模型的数据合规风险也会被重新审视。对普通用户，短期内产品体验未必变化，但内容平台的抓取限制、付费墙和反爬机制预计会继续加码，AI 回答中引用来源的可点击性也可能成为新的争议点。