一句话看懂：OpenAI 研究负责人 Mark Chen 公开区分了两件事——没有任何人查看用户数据用于 Navier-Stokes 相关研究，但公司确实会用用户反馈和去标识化数据来整体改进 ChatGPT 和 Codex。这句话之所以引发讨论，是因为它把大模型行业长期模糊的数据使用边界，第一次说得比较直白。
事件核心：发生了什么
2026 年 9 月 8 日，OpenAI 的 Mark Chen 在 X 上回应外界质疑，明确了两点：其一，在涉及 Navier-Stokes 方程的相关工作中，没有任何人类或 AI agent 直接查看过用户数据；其二，OpenAI 会使用用户反馈和去标识化数据，以整体方式改进 ChatGPT 和 Codex，并且“每一家 LLM 公司都这么做”。
同一讨论串中，另一位用户 @__alpoge__ 引用了此前的说法：“我们无法排除，由用户使用产品所产生的去标识化数据帮助改进了我们的模型”，并评价 OpenAI 这次算是直接把话说明白了。目前公开信息显示，讨论焦点并不在于是否违规，而在于“去标识化数据用于训练”这一行业惯例被摆到了台面上。
为什么重要
大模型的能力提升高度依赖真实交互数据，尤其是代码、推理和多轮对话场景。ChatGPT 和 Codex 的日常使用本身就会产生大量高价值样本，这些数据经过清洗和去标识化后进入训练或评测流程，是闭源模型拉开差距的关键之一。
但“去标识化”并不等于“无风险”。它能否真正切断与具体个人的关联，取决于技术实现和合规标准，目前行业内没有统一口径。OpenAI 高管的表态，等于承认这套做法是产品迭代的常规组成部分，这会让外界更关注数据来源、用户知情权和退出机制，而不只是模型跑分。
对用户/开发者/创作者的影响
对普通 ChatGPT 用户来说，实际影响是：你的对话内容可能以去标识化形式参与模型改进，但官方表述中不涉及人工逐条查看。对开发者而言，Codex 及 API 场景下的调用数据是否被纳入训练，是需要在下单前确认的合规细节，尤其是涉及企业内部代码和客户数据时。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对创作者和企业采购方，建议把“数据是否用于训练、能否关闭、留存多久”写进选型清单。开源模型在数据可控性上通常更透明，闭源 API 则在能力和工程效率上占优，这是一组需要权衡的取舍，而不是简单的站队问题。
值得关注的后续
第一，OpenAI 是否会在隐私政策或产品设置中，提供更明确的数据使用说明和退出选项；第二，其他 LLM 公司会不会跟进类似表态，把“去标识化数据用于训练”从默认操作变成公开承诺；第三，监管层面是否会对“去标识化”给出可执行的技术标准，这将直接影响 API 和企业版产品的上线与采购节奏。
