Anthropic Fable 数据保留规则促使 Nvidia 和 Palantir 限制模型使用

据报道，Anthropic Fable 数据保留规则已促使 Nvidia、Palantir 及其他公司限制该模型的使用，尽管它具备先进能力。这一分歧始于 Anthropic 要求对部分 Fable 活动保留 30 天记录，理由是需要识别复杂的滥用行为。

这些限制并不意味着 Anthropic 会利用企业机密训练模型。Anthropic 表示，不会将保留的数据用于训练新的 Claude 模型，也不会用于与安全无关的用途。不过，一些企业客户仍对外部保留专有代码、研究资料或运营信息感到不安。

这种区别已成为企业 AI 争议的核心。模型提供商希望拥有足够的可见性，以调查跨多次交互展开的攻击；客户则希望对构成其竞争优势的信息拥有有约束力的控制权。

根据客户限制，一些公司如今仅将 Fable 用于不涉及敏感数据的工作。据报道，另一些公司希望在通过自家产品提供该模型前，获得更强的零数据保留保证。

Anthropic 已提供名为 Enterprise Frontier Safeguards 的技术回应。该方案将保留的活动转移至由客户控制的基础设施中。这一回应很重要，但相关限制表明，隐私架构已成为模型性能的一部分。

报道称企业限制了哪些使用场景

眼下的变化并非企业全面禁用 Claude，而是收窄了最新 Fable 模型可被信任使用的范围。

The Information 报道称，Nvidia 仅将 Fable 用于不会暴露敏感信息的任务。对于更机密的工作，Nvidia 据称会转向内部 AI 系统。在 Tom’s Hardware 发布相关报道前，Nvidia 未作回应。

Palantir 则采取了不同立场，因为它通过 Artificial Intelligence Platform 向客户提供模型。据报道，在 Anthropic 提供无法被日后撤销的零数据保留保证之前，该公司不会通过该软件提供 Fable。

据报道，客户仍可直接与 Anthropic 签约。Palantir 的限制涉及其准备在自身平台内提供和支持的服务。

这一区别十分重要。Palantir 将多家模型提供商整合进组织分析敏感运营数据的环境中。因此，模型的数据保留条款可能影响 Palantir 对自身客户承担的义务。

据报道，Palantir 首席技术官 Bill Vass 表示，公司在少数涉及知识产权的情况下会避免使用 Anthropic。他的担忧并非有证据表明存在不当训练，而是敏感代码可能被暴露给客户无法完全控制的流程。

Booz Allen Hamilton 也被列入减少或限制使用 Anthropic 最先进模型的公司之列。关于其具体限制措施的公开细节仍然有限。由于这些决定并非都已得到独立记录，因此这种不确定性要求措辞保持审慎。

其他已报道的案例显示，公司正按数据敏感程度划分 AI 工作。Novo Nordisk 据称允许将 Claude 用于公开文件和通用起草工作，但禁止向模型输入专有信息。

报道称，C Spire 的合同保护措施禁止 OpenAI 和 Anthropic 使用其企业数据进行训练。然而，这家电信公司仍担心合同允许提供商收集的技术使用信息。

据报道，一家美国大型公用事业公司取消了一项原计划开展的 Fable 测试，该测试涉及核心电力基础设施。该公司希望获得不可撤销的零数据保留承诺，而 Anthropic 在该模型最初的 Fable 政策下并未提供这一承诺。

这些案例体现的是不同控制措施，而非协调一致的抵制行动。一家公司将敏感任务转交内部模型；另一家禁止输入专有信息；一家平台提供商则在更强的合同条款到位前，暂不向客户提供该模型。

这一已报道的模式仍具有分量。企业买家正将模型选择视为数据治理决策，而不只是基准测试分数的简单竞争。

当员工将 AI 系统连接至源代码仓库、内部文档、实验室记录或客户数据库时，这种做法尤其重要。模型获取的信息价值可能远高于传统办公应用。

已在根据本地技术文档构建可搜索系统的公司，也面临类似的边界问题。它们必须了解哪些信息会离开受控环境、流向何处，以及可被访问多久。

因此，一项限制即便范围狭窄，也可能带来重大商业后果。如果员工无法将先进模型应用于组织最重要的工作，其企业价值便会大幅降低。

为什么 Anthropic Fable 数据保留规则在 6 月发生变化

Anthropic 将 30 天规则作为更强模型的安全控制措施引入，而非将其作为训练企业提示内容的许可。

Anthropic 于 2026 年 6 月推出 Fable 5，并针对网络安全和生物风险加强了防护措施。该公司得出结论：仅孤立审查单个请求，无法可靠识别某些攻击。

恶意用户可能将有害项目拆分到多次交流中。单个提示看似普通，但合并后的序列可能揭示其试图绕过防护措施。

因此，Anthropic 要求以滚动方式保留涵盖范围内的 Fable 活动 30 天。其模型发布政策表示，这些信息将用于安全监控和越狱研究。

该公司还表示，不会将这些材料用于训练新的 Claude 模型或其他无关用途。Anthropic 所述的保护措施包括记录人工访问，并在几乎所有情况下于 30 天后删除数据。

两种不同概念正是在这里被混为一谈。数据保留是指在规定期限内保存信息；模型训练则是使用信息调整模型参数或未来行为。

提供商可为安全分析保留提示内容，而不据此训练模型。企业仍可能拒绝这一安排，因为保留本身就会带来暴露风险、合规工作和合同不确定性。

Anthropic 已发布的数据保留做法将这一变化适用于已在多个涵盖服务中使用零数据保留配置的组织。这包括符合条件的 Claude Console 工作区及部分云端部署。

零数据保留，通常简称 ZDR，指提供商在完成请求后不保留提示或回复。具体的例外情况和技术元数据则因服务及合同而异。

对于买方而言，6 月的变化挑战了一项基础假设。许多企业围绕这样一种信念设计 AI 控制措施：获批的模型流量不会持续留存在提供商系统中。

新规则的出现是因为 Fable 更可能被滥用。然而，其安全理由并未消除加诸客户身上的运营负担。

安全团队仍必须识别员工可以暴露哪些代码仓库。法务团队必须解读现有协议是否涵盖新政策。隐私团队则必须评估数据位置、删除、访问及泄露情景。

受监管公司还面临额外问题。数据保留可能与有关健康记录、金融数据、电信信息、法律保密特权或欧洲数据保护的规则相互作用。

担忧并不限于有意上传。Agentic AI 系统能够检索文件、调用工具、查询数据库，并在完成任务过程中保留工作上下文。

员工可能要求智能体调试应用程序，却没有意识到该工作流会发送源代码、日志、凭据或客户记录。模型界面掩盖了其中大部分数据流动。

模型越有用，其数据接触面就越广。这构成了本报道的核心反转：使 Fable 具有吸引力的能力，也提高了其输入数据的敏感性。

Anthropic 的政策旨在管理模型滥用；企业客户却将同一机制解读为新的信息风险来源。

争议关乎控制权，而不只是模型训练

企业客户正在追问：当安全监控与机密工作共用同一系统时，谁控制数据路径。

有关模型可能从企业知识产权中“学习”的担忧，听起来可能并不精确。它可能指向多种技术上不同的结果。

提供商可能使用客户内容训练未来模型；可能在安全调查中允许员工审阅保留的提示内容；也可能从技术元数据中推导汇总使用模式。

模型也可能在已存储的对话中复现内容，而不会将其纳入训练。每种情况都伴随不同的发生概率、防护措施和法律后果。

Anthropic 表示，受 Fable 数据保留规则覆盖的企业数据不会用于训练。OpenAI 同样表示，除非客户选择加入，否则业务输入和输出默认不纳入训练。

这些承诺回答了一个问题，但并未完全回答运营元数据流向何处、谁可访问保留内容，或合同条款是否可能变更。

技术使用数据可包含服务活动相关信息，但不复现完整提示内容。视其范围而定，它可能揭示哪些应用连接至模型、团队使用模型的频率，或其调用了哪些功能。

提供商需要一些元数据来运营可靠服务。客户仍希望获得精确界定，因为活动模式可能暴露业务重点。

某研究部门的模型调用量突然增加，可能意味着一项尚未披露的计划。与源代码仓库建立的新连接，可能揭示开发资源的流向。

这并不意味着 Anthropic 或 OpenAI 会利用元数据与客户竞争。相关报道中没有提出经验证的证据，证明存在这类行为。

问题在于，合同承诺、系统设计和审计证据能否将这种可能性充分降低至符合客户风险阈值的程度。

Palantir 据报道提出的不可撤销保证要求，正体现了这一担忧。未来可能变更的数据保留规则，很难纳入永久性的安全架构。

客户可能花费数月时间审批模型、分类允许使用的数据，并整合服务。后续的政策修订可能迫使其重复这项工作，或停用该集成。

这一限制也会影响责任归属。若发生数据事件，企业必须说明信息曾流向何处，以及由哪一方控制。

关于匿名化的一般性声明，未必足以履行这一义务。安全与合规团队通常需要了解保留期限、加密细节、访问日志、删除机制和事件处置流程。

这也解释了为什么模型隐私不能被简化为一个“是否用于训练”的单选框。排除训练用途至关重要，但它只是企业数据治理中的一个层面。

客户还需要了解分包商、云区域、滥用监测、人工审核，以及自动化系统标记内容的处理方式。

还有另一个需要谨慎看待的原因。相关限制主要来自匿名消息源和私下的客户谈判。

Nvidia 尚未公开详细说明其内部路由规则。Booz Allen 尚未公开描述据称归因于它的每一项限制。取消试点的那家公用事业公司也未被点名。

因此，读者应区分已获确认的提供商政策与媒体报道的客户行动。Anthropic 的 30 天规则已有文档记录，但每家公司限制措施的具体范围并不完全明确。

这一验证缺口并不意味着这一趋势没有意义。它意味着最有力的结论关乎企业谈判行为，而非 AI 提供商已被证实存在不当行为。

OpenAI 将隐私架构转化为竞争优势

OpenAI 的回应让零数据保留成为产品差异化优势，而不再只是背景中的法律术语。

Anthropic 并非唯一认为先进模型需要更完善监测的一方。OpenAI 表示，严重风险可能会在一连串交互中显现，而非局限于单个提示词之内。

不过，OpenAI 提出了不同的架构。其 Private Safety Processing 系统旨在分析相关活动，同时不让 OpenAI 人员访问底层客户内容。

对于零保留部署，内容会保留在由客户控制的基础设施中。自动化系统可以对其进行分析，并在识别出风险时向 OpenAI 发送有限的安全信号。

OpenAI 的 private safety system 还描述了另一种方案：使用由客户控制密钥加密的提供商存储。OpenAI 人员不会持有这些密钥。

该公司表示，符合条件的 API 客户可获得明确承诺：提示词和回复在处理后不会被保留。它还表示，除非客户主动选择加入，否则企业数据不会被用于训练。

OpenAI 仍对疑似包含儿童性虐待材料的图像设有例外。这些图像可能需要保留、人工审核以及依法必须进行的报告。

这一更广泛的架构为企业买家提供了参照。它表明，跨会话安全监测与客户控制数据并不一定相互排斥。

Anthropic 现已通过名为 EFS 的 Enterprise Frontier Safeguards 朝类似方向迈进。该系统会将相关活动存储在由客户控制的云基础设施内。

Anthropic 表示，自动化监测会识别可疑模式并向客户发出警报。除非经验证的滥用行为需要采取不同流程，否则由客户人员进行审核。

该公司与来自医疗保健、金融、制造、法律、电信、零售和政府等领域的 100 多家客户共同开发了 EFS。

其 enterprise safeguards 计划自 2026 年秋季起分阶段推出。Anthropic 表示，符合条件的客户可获得 Fable 5 和 Fable 5.1 的临时 ZDR 访问权限。

这一公告让标题叙事变得更复杂。Anthropic 并非只是坚持让所有敏感 Fable 流量都留在其系统中。

它已承认客户控制问题，并提出了一种旨在解决该问题的架构。真正的问题在于，该方案能否足够迅速地推出，并提供足够持久的保障。

据报道，Palantir 的立场表明，仅靠技术能力无法完成每一场谈判。大型客户还希望合同条款能够防止提供商日后撤回相关保护。

OpenAI 的做法增加了竞争压力，因为客户可以将隐私条款与准确性、延迟、成本和模型能力一并比较。

据报道，Palantir 和其他一些客户获得了 OpenAI GPT-6 Astra 的 ZDR 访问权限。因此，据 The Information 报道，Palantir 愿意提供该模型，却通过其平台限制 Fable。

这种比较并不能证明 OpenAI 的系统在所有方面都更安全。Private Safety Processing 在公布时仍在与早期客户进行测试。

其有效性取决于自动化监测能否在不暴露内容的情况下识别复杂滥用。OpenAI 在最初公告发布时尚未发布承诺中的技术白皮书。

Anthropic 的系统也面临类似考验。EFS 必须在客户控制的云环境中运行，同时保留有效的安全保障和可管理的部署要求。

两家提供商都在尝试通过技术隔离化解同一冲突。它们的竞争将取决于实施细节、独立验证以及合同承诺的力度。

Anthropic 的安全论证仍值得审视

客户不应假设，无论是 30 天保留还是零保留，都会自动带来安全的部署。

Anthropic 的安全论证具有清晰的技术基础。当每个提示词都被单独评估时，协调式攻击可能难以识别。

试探网络安全防护措施的用户，可能会将请求分散到不同会话或账户中。自动化分类器需要更广泛的上下文，才能识别这种模式。

当新的越狱方法出现后，保留数据也能支持调查。研究人员可以检查先前的交互，识别攻击者是如何在系统中推进的。

这些益处仍需要证据支持。Anthropic 已说明该政策的理由，但外部观察者缺乏关于保留内容在多大程度上实际改善检测效果的完整信息。

同样不清楚的是，人工审核人员需要多频繁地检查完整客户提示词。有限的自动化信号与对原始内容的常规访问，带来的暴露程度并不相同。

Anthropic 表示，其控制措施会记录人工访问，并将保留数据限制用于安全目的。企业很可能会要求审计证据来支持这些说法。

EFS 通过将审核责任交给客户改变了设计。这保护了机密性，但也可能将运营工作转移给本已需要处理大量警报的安全团队。

组织需要决定由谁审核被标记的活动、响应速度要求，以及何时与 Anthropic 分享证据。人员配置不足的控制措施即使写在纸面上，也可能无法有效运作。

误报带来了另一项挑战。合法的安全研究人员会经常讨论恶意软件、漏洞、利用技术和防御性测试。

自动化系统可能将经授权的研究误认为恶意活动。过于激进的安全措施可能阻碍有价值的工作，或引发不必要的内部调查。

漏报则构成相反的风险。复杂的攻击者可能将有害活动分散在不同身份、提供商或自托管系统之间，导致没有任何单一监测方拥有足够上下文。

仅靠存储位置本身无法解决这一问题。安全措施必须识别事件之间的关联，同时避免形成更广泛的监控系统。

合同条款同样需要审视。只向符合条件的客户提供的承诺，会让较小组织不确定自己是否获得同等保护。

临时例外可以降低即时风险，但其可靠性仍不及永久性合同条款。客户需要知道访问权限能否被撤销，以及会在何种条件下撤销。

因此，据称由 Nvidia 和 Palantir 施加的限制，可能反映了理性的采购立场，而非“偏执”。敏感组织往往会限制某项服务，直到其控制措施通过技术和法律审查。

不过，企业也可能夸大风险。保留数据并不意味着提供商正在窃取知识产权，或秘密使用客户信息进行训练。

Anthropic 已明确否认使用 Fable 保留的企业数据训练新的 Claude 模型。现有报道中没有可信证据与这一声明相矛盾。

负责任的结论介于这两个极端之间。客户不应将提供商排除训练用途的承诺视为完整的隐私保障；也不应将数据保留描述为未经授权训练的证据。

实际应对方式是工作负载隔离。公开研究、通用起草和低敏感度分析可以走一条路径。

源代码、临床研究、客户记录、战略计划和关键基础设施，可能需要 ZDR、客户控制的存储、私有模型，或根本不使用外部模型。

这已经是多家被报道客户的做法。政策决策取决于数据，而不是品牌名称。

企业 AI 买家接下来应关注什么

下一阶段将通过部署条款和客户行为来衡量，而非又一轮隐私承诺。

第一个信号是 Anthropic 的 EFS 推出情况。客户应关注该系统能否在 2026 年秋季广泛可用，以及资格标准如何定义。

成功推出将增强 Anthropic 的主张：先进的滥用监测可以与客户控制的存储并存。延迟或访问范围狭窄则会加剧此前报道的担忧。

买家应审查活动存储位置、谁持有加密密钥，以及哪些自动化信号会离开客户环境。他们还需要有文件记录的删除和事件响应程序。

第二个信号是零数据保留承诺的持久性。据报道，Palantir 希望获得保证，确保 Anthropic 日后无法撤销该承诺。

如果 Anthropic 能在各类 Fable 部署中提供持久的 ZDR 条款，Palantir 可能会重新考虑其限制。若分歧持续，则表明障碍在于合同而不仅仅是技术。

第三个信号是竞争性采用。OpenAI 的 Private Safety Processing 必须证明，它能够在让客户内容对提供商人员不可访问的同时，检测多次交互中的滥用行为。

强有力的技术出版物、独立评估或大型受监管部署，都将巩固 OpenAI 的地位。检测结果不佳则会支持 Anthropic 最初关于需要由提供商侧保留数据的论点。

企业还应关注模型路由是否会成为标准做法。企业可能会越来越多地根据数据分类选择不同模型，而非宣布某一家提供商获批处理所有任务。

这种安排有利于能够在托管模型、客户控制模型和内部运营模型之间切换的平台。它也降低了对任何一家提供商不断变化条款的依赖。

这场争议已经改变了企业 AI 采购。当前沿模型无法接收高价值任务所需的数据时，仅凭基准测试领先已不再足够。

Anthropic Fable 数据保留暴露了隐私与安全监测之间的艰难权衡。Anthropic 表示，保留数据有助于防御新型攻击。客户则认为，最有价值的信息必须保留在其控制之下。

EFS 和 Private Safety Processing 现已提供了相互竞争的答案。两者都承诺在不让提供商常规访问客户内容的情况下进行安全分析。在获得部署证据和可执行条款之前，二者都不应被直接接受。

对于企业采购方而言，眼下需要采取的行动很明确：梳理每个 AI 工作流可能暴露的数据，然后分别核实存储、访问、训练、元数据和删除机制。

需要追问的是：每一项承诺是否都能经受住政策更新的考验？如果答案并不明确，就应限制相关工作负载，直到合同和架构能够提供可靠的边界。