Upstart Model 22 诉讼质疑其关于 AI 借贷准确性的说法

Upstart 面临一项拟议证券集体诉讼，诉讼称尽管公司宣传其准确性和审批优势，Model 22 却对经济信号反应过度。Upstart Model 22 诉讼将一场技术校准争议转变为对上市公司如何向投资者描述 AI 系统的更广泛检验。

该起诉状并未证明 Upstart 或其高管实施了欺诈。它提出的是仍须经受诉讼程序、证据开示以及可能的审判检验的指控。Upstart 后续的财务业绩也使得任何关于该模型或公司业务失败的简单结论变得复杂。

不过，这场争议的重要性并不止于一家公司。Upstart 向投资者推销的是一个 AI 借贷平台，称其能够比传统承保方式更精确地区分信贷风险。诉讼认为，Model 22 变得过于保守，减少了审批数量，并使此前的营收指引失去可靠性。

这一冲突使 Upstart 的核心承诺与股东所指称的行为正面相对。如果一个 AI 模型改善了平均信贷表现，却对短期数据反应过强，贷款机构、借款人和投资者可能会看到截然不同版本的成功。

Upstart Model 22 诉讼实际指控了什么

该诉讼质疑的是 Upstart 对 Model 22 的表述，而非使用人工智能承保贷款这一做法的总体合法性。

投资者 Anthony Dunn 于 2026 年 4 月 7 日在美国加利福尼亚北区联邦地区法院提起这项拟议集体诉讼。被告包括 Upstart Holdings 以及高管 Dave Girouard、Sanjay Datta、Paul Gu 和 Chantal Rapport。

公开的法院案件记录显示，该案为 Dunn v. Upstart Holdings, Inc.，案号为 3:26-cv-02974。记录将其描述为依据联邦集体诉讼框架提起的证券案件。

拟议集体涵盖在 2025 年 5 月 14 日至 11 月 4 日期间取得 Upstart 证券的个人和实体。这一期间大致始于 Upstart 的 AI Day，终于公司发布第三季度业绩之时。

根据已提交的起诉状，Upstart 于 2025 年 5 月初推出了 Model 22。该系统是公司贷款风险模型的最新版本。

风险区分是指模型尝试识别不同还款概率的借款人。更好的风险区分可以让贷款机构在不承担同等预期损失增加的情况下，批准更多申请人。

原告称，Upstart 将 Model 22 宣传为更准确的模型，并将其与更高的审批率、营收和增长联系起来。起诉状称，公司未充分披露该模型经常对负面宏观经济信号反应过度。

这种被指称的过度反应至关重要。信贷模型可能通过向申请人分配更高风险、提高提供的利率，或拒绝更多申请而变得保守。这些决策可能保护贷款表现，却会减少完成的贷款和平台费用。

起诉状称，Model 22 的表现削弱了审批活动，并使 Upstart 对 2025 财年的营收指引失去可靠性。诉讼称，被告仍继续发表声明，使投资者对该模型形成过于乐观的看法。

这些仍只是指控。起诉状代表原告对事件的叙述，并不能证明任何陈述虚假、具有重大性，或带有欺诈意图。

联邦证券诉讼原告必须跨越数项严格门槛。原告通常必须指出一项具有重大性的虚假或误导性陈述，证明法律要求的主观状态，并将相关披露与投资者损失联系起来。

起诉状还根据涵盖被指控制公司公开沟通人员的条款，列出了多名个人高管。它提及了集体期间的股票出售，但内部人士出售股票本身并不能证明欺诈意图。

Upstart 的回应将很关键，因为公司可以辩称其陈述在作出时准确、有当时可得数据支持，或属于受保护的前瞻性预测。被告还可以主张，投资者已获得关于模型和宏观经济风险的充分警示。

因此，法律问题比 Model 22 是否作出不完美决策更狭窄。没有任何预测系统是完美的。核心问题是，在向投资者提供营收预期时，Upstart 是否准确描述了其对该模型的了解。

为什么 Model 22 对 Upstart 的业务很重要

Model 22 位于 Upstart 的承保主张、贷款规模、贷款机构信心和营收之间的关键连接点。

Upstart 运营一个 AI 借贷市场，将借款人与银行、信用合作社及机构资金合作伙伴联系起来。其模型评估信贷风险，并帮助决定申请人是否有资格获得贷款以及贷款条件。

公司的商业论点取决于识别出传统系统可能错误定价的优质借款人。理论上，一个能更准确区分风险的模型，可以在既定损失率下带来更高的审批率。

这一承诺不同于简单地将传统信用评分自动化。Upstart 曾向投资者表示，其模型使用更多信息，并会随着公司处理更多还款数据而不断改进。

然而，模型准确性并不会自动转化为营收。平台还必须产生审批、可接受的贷款定价、可用资金、完成的放款，以及令资金提供方满意的表现。

在经济状况恶化期间，保守的模型可以保护贷款机构。如果模型反应过于剧烈，或在触发其谨慎判断的信号消退后仍维持紧缩，同一模型也可能压低业务量。

这正是诉讼的核心机制。原告称，Model 22 对负面经济信号的处理过于激进。Upstart 后来承认，随着宏观经济指标变化，其风险模型减少了审批并提高了利率。

公司 2025 年 11 月的第三季度业绩提供了关键背景。Upstart 报告称，该季度发放贷款 428,056 笔，放款总额约为 29 亿美元。

第三季度营收达到 2.77 亿美元，同比增长 71%。费用收入为 2.59 亿美元，GAAP 净利润达到 3,180 万美元。

这些数字不像一家正经历即时崩塌的企业。它们显示出强劲的同比增长，以及重返具有实质意义的盈利状态。

但公司也下调了全年营收预期。Upstart 预计 2025 年营收约为 10.35 亿美元，低于其在 8 月给出的约 10.55 亿美元展望。

相对于预计总营收，这 2,000 万美元的下调幅度不大，但其解释令该模型成为焦点。管理层称，系统在观察到宏观经济信号后收紧了信贷政策，影响了审批活动和短期营收。

因此，Model 22 带来了棘手的沟通问题。管理层可以将更严格的决策描述为审慎的风险管理，而投资者则可能将同一行为解读为预期审批增幅被夸大的证据。

这两种解读可以同时成立。一个模型可以保护长期信贷表现，同时带来不理想的短期经营结果。

诉讼不能仅仅证明预测发生了变化。营收指引本身就存在不确定性，公司也会随着条件变化定期修订指引。

相反，原告需要将修订与被告在作出早期陈述时据称掌握的信息联系起来。这项调查将取决于内部模型监控、审批趋势、高管讨论，以及观察到变化的时间节点。

对银行和资金合作伙伴而言，最重要的衡量指标并不只是审批率。他们关心的是，在针对借款人结构、利率和宏观经济变化进行调整后，贷款表现是否接近预期损失水平。

借款人经历的是不同的结果。一个过度谨慎的系统可能导致更高利率或被拒贷，即使后续还款数据本会支持更有利的决定。

投资者看到的是第三种结果。他们必须评估，模型调整是否以管理层已在财务指引中准确反映的成本，维护了信贷质量。

Upstart Model 22 诉讼将这三种视角带入同一案件。它追问公司对模型的描述是否跟上了模型实际的业务影响。

核心冲突在于 AI 精准性与模型过度反应

Upstart 将快速适应描述为优势，而诉讼则将过度适应视为被隐藏的弱点。

当经济状况变化时，信贷模型必须作出响应。一个仅在稳定时期训练的模型，可能会在失业率上升、通胀加剧或家庭流动性下降时低估损失。

但响应能力本身也有风险。模型可能将暂时性信号解读为持续性变化，并收紧到超过后续结果所能证明的程度。

这类似于过度转向。一个从不对弯道作出反应的司机会驶离道路，但转向过猛的人可能会在相反方向失去控制。

Upstart 的模型会监测还款行为和更广泛的经济指标。Upstart Macro Index，即 UMI，是公司衡量影响消费者信贷表现的宏观经济环境变化的指标。

在 2025 年 11 月的财报讨论中，管理层表示，UMI 在此前一个季度上升了近 0.2 个点，随后回落。管理层还提及还款速度的变化。

Upstart 表示，其模型通过适度减少审批和提高利率作出反应。管理层将这一反应描述为系统按设计运行。

起诉状则以不同方式描述同一事件。它称 Model 22 经常反应过度，使该模型的准确性和审批优势在此前公开陈述中显得比实际更强。

这种分歧无法通过单个季度的营收数字解决。它需要评估模型的预测，并将其与可比借款人群体的实际贷款表现进行对照。

如果更严格的标准避免了原本可能出现的损失，这种反应或许显得合理。如果信贷表现持续优于模型预测，原告关于过度反应的理论将获得支持。

时机同样重要。风险调整在初期可能是合理的，却可能维持过久。反过来，管理层可能需要数周的数据才能确定某一信号已经消退。

机器学习系统使这一问题更难解释，因为其行为可以在没有传统软件缺陷的情况下发生变化。模型可能完全按照设计处理输入，却产生不理想的商业结果。

这种区分将模型风险与代码故障区分开来。模型风险产生于假设、训练数据、校准或部署条件导致决策与预期结果不符的情形。

金融机构早已通过验证、监控和治理来处理这类问题。他们会将预测结果与实际结果进行比较，测试模型在不同人群中的表现，并设定需要人工复核的阈值。

Upstart 的公开表述又增加了一层复杂性。投资者无法审查完整模型、其特征或每一项校准决策，只能依赖管理层对整体表现的描述。

这种信息不对称使精确表述尤为重要。“准确”“响应迅速”和“保守”等术语可能对应不同指标，除非管理层明确说明衡量方式和时间范围。

例如，一个模型可能改善了对高风险和低风险借款人的排序，同时却减少了获批数量。它或许能够准确预测相对风险，却对绝对损失作出过于悲观的估计。

该诉讼在概念层面最有力的观点，并非模型犯了错误，而是当 AI 表现相关表述支撑营收预测时，这些表述可能具有财务重大性。

Upstart 在概念层面最有力的辩护是，审慎的承保决策需要在损失显现之前作出调整。若等到恶化得到确证，预测系统便失去了意义。

因此，争议的核心在于实时可获得的证据与事后可见结果之间的差异。法院通常依据被告发表言论时所知的信息评估相关表述，而非事后判断。

这使内部文件具有重要意义。模型仪表盘、校准评审、贷款方反馈、审批数据和预测讨论，均可能揭示管理层将收紧措施视为预期行为，还是正在浮现的问题。

措辞同样重要。宽泛的宣传性表述可能被视为不可诉的乐观言论，而具体且可量化的陈述则可能受到更严格的审查。

强劲业绩令原告叙事更为复杂

Upstart 后续的增长并不能消除相关指控，但也使案件无法被简单归结为一个失败 AI 模型的故事。

Upstart 在 2025 年实现总营收超过 10 亿美元。其全年业绩显示，营收较 2024 年增长 64%，调整后 EBITDA 为 2.3 亿美元。

该公司还预计 2026 年营收约为 14 亿美元，费用收入约为 13 亿美元，并将调整后 EBITDA 利润率目标定为 21%。

这些预期表明，管理层在 Model 22 收紧事件后，仍认为该平台具备增长能力。它们也为投资者提供了可与实际业绩比较的未来基准。

Upstart 于 2026 年开始公布每月放贷发放量。这项披露可帮助外部观察者区分贷款量、营收和模型行为的变化。

不过，放贷发放量的增长并不能决定证券诉讼主张的成败。一家公司可以在涉嫌误导性陈述后实现商业复苏，而后续改善并不能说明高管数月前究竟知道什么。

同样，未达成预测并不能证明欺诈。原告必须证明，受质疑的陈述在作出时是虚假或具有误导性的，且被告具有法律要求的主观意图。

Upstart 于 2026 年 8 月提交的季度文件披露了多项持续进行中的法律程序。文件称，公司认为较早一宗证券诉讼中剩余的主张缺乏依据，并打算积极为自己辩护。

该文件详细的法律部分重点讨论了始于 2022 年的诉讼。该较早案件涉及有关 Upstart AI 模型、其对宏观经济状况的应对、贷款需求以及保留在资产负债表上的贷款的指控。

较新的 Model 22 诉状涉及不同的集体诉讼期间和不同的模型版本。不过，先前的诉讼提供了一个有意义的参照点。

在 2023 年 9 月的一项早期法院命令中，一名联邦法官允许针对 Upstart 的数类主张继续推进，同时驳回了其他主张。

获准继续的主张包括有关相较传统 FICO 模型优势的具体陈述，也包括有关该模型快速适应不断变化的宏观经济环境能力的陈述。

该裁决并未认定 Upstart 实施了证券欺诈。它仅认为，部分指控的陈述已足以在驳回阶段后继续推进。

法院还指出了一项重要限制：Upstart 的公开文件曾警告，其 AI 模型可能无法有效应对宏观经济状况。

当风险披露涉及原告后来援引的同一不确定性时，可能支持 Upstart 的辩护。然而，如果高管据称已知某项已披露风险实际上已经发生，笼统警告未必总能保护公司。

这一差异很可能会在 Upstart Model 22 诉讼中发挥作用。法院可能审查 Upstart 是否将模型过度反应描述为一种可能性，同时却据称已观察到它成为活跃的业务约束。

另一项不确定性涉及重大性。11 月下调的指引为 2,000 万美元，而此前预测超过 10 亿美元。

Upstart 可能主张，这项调整幅度有限、披露透明，并伴随着强劲的经营业绩。原告则可能回应称，该金额之所以重要，是因为它与将 Model 22 与审批和增长相联系的表述相矛盾。

股市反应可支持损失因果关系论点，但单凭股价变动并不能决定问题。股价会同时吸收盈利、指引、利率、融资预期和更广泛市场情绪等信息。

诉状必须将涉嫌纠正性信息与同期发布的其他消息区分开来。被告可以质疑市场是否得知了任何此前被隐瞒的信息。

因此，该案件存在重大不确定性。公开信息既不支持预设存在责任，也不支持认为相关指控无关紧要。

明确的是，AI 表现相关陈述如今已与财务指标一同进入证券诉讼的审查范围。一旦管理层将模型升级与审批、营收或利润率联系起来，对模型的描述便不再只是技术营销。

AI 放贷主张需要可衡量的定义

更广泛的教训是，公司需要将 AI 主张与明确命名的指标、评估期间和已知的权衡联系起来。

“更准确”可以指多种不同衡量方式。模型可以更好地对借款人进行排序、更接近地预测平均损失、减少错误审批，或减少错误拒贷。

这些结果不能相互替代。改善一项指标可能削弱另一项，尤其是在模型改变其对经济不确定性的反应时。

“更高的审批率”同样需要背景信息。相关比较可能涉及相同的预期损失率、相同的申请人群体，或相同的利率环境。

缺乏这些背景，投资者无法判断是模型改进推动了业务增长，还是增长仅仅与更有利的融资条件和借款人需求同时出现。

同样的问题也存在于各类 AI 产品中。公司常用基准分数概括性能，但客户实际体验的是在不断变化的数据和运营约束下的部署表现。

在放贷领域，后果尤为具体。模型会影响谁能获得信贷、借款人支付多少、融资合作伙伴承担何种损失，以及平台获得多少营收。

这使上线后的监控至关重要。部署前测试无法覆盖每一种宏观经济情景、借款人构成或融资环境。

公司需要能够检测漂移的系统，即识别模型输入与现实结果之间关系发生变化的系统。它们还需要制定程序，以判断某项调整代表有益的适应，还是过度敏感。

投资者需要另一种形式的治理。他们需要能够将模型变化与审批、转化率、定价、信贷表现和预测假设联系起来的解释。

每月放贷发放量披露能够提升可见度，但无法说明放贷量为何发生变化。下降可能源于模型收紧、需求疲弱、利率上升、融资减少，或多种因素共同作用。

信贷表现也存在滞后。一笔今天获批的贷款可能需要数月才能显示其风险估计是否准确。

这种滞后为相互竞争的叙事创造了空间。管理层可以指出预期的未来表现，而批评者则可以指出当前审批和营收压力。

最有用的披露应同时承认两方面。它应说明哪些信号导致收紧、反应幅度有多大，以及哪些证据会促使模型重新放宽。

公司无需披露专有代码，也能提供这种清晰度。它可以公布汇总指标、队列结果、敏感性区间以及预测假设的变化。

原告的指控还凸显了保留决策记录的价值。团队应记录模型何时发生变化、管理层当时了解到什么，以及这些发现如何影响公开陈述。

一个可搜索的知识库可以帮助产品、风险、法务和财务团队，将各项主张与每个决策节点可获得的证据进行比较。其价值在于维护可追溯的记录，而非生成更多宣传性措辞。

对企业采购方而言，教训类似。供应商宣称的准确率不应取代关于失效模式、漂移、人工覆盖和监控的问题。

对开发者而言，该案件说明，模型的目标函数无法代表完整的产品结果。一个在数学上站得住脚的风险响应，仍可能损害转化率或造成借款人之间的不平等影响。

对知识工作者和分析师而言，关键在于区分主张、衡量指标和观察结果。“模型改进了”并非单一事实，而是取决于所选指标的结论。

即使诉状最终失败，Upstart 案也可能推动更精确的 AI 披露。诉讼成本和证据开示要求本身，就会促使公司更谨慎地定义各项主张。

三个信号将决定下一步发展

下一阶段将取决于法院记录、Upstart 的运营数据，以及有关 Model 22 信贷表现的证据。

第一个信号是程序进展。投资者应关注首席原告决定、修订后的诉状，以及 Upstart 提出的驳回动议。

驳回动议裁决不会决定最终真相，但会显示法院认为哪些陈述足够具体、重大且获得指控支持，从而有理由进入证据开示阶段。

如果大多数 Model 22 主张得以继续，原告可能获得接触内部文件和证词的机会。这将加强对高管在集体诉讼期间所知情况的审查。

如果法院驳回核心指控，尤其是作出禁止再诉的驳回，则 Upstart 隐瞒已知模型问题的主张将大幅削弱。如果驳回允许再次提交诉状，修订后的诉状仍可能重塑相关理论。

第二个信号是运营表现。每月放贷发放量、审批活动、费用收入和年度指引，将显示 2025 年的收紧是暂时性的还是持续性的。

与 Upstart 对 2026 年的展望相一致的增长，将支持管理层的观点：Model 22 的谨慎反映的是一次可控的校准性调整。若因类似的模型表现而反复下调预测，则会强化原告更广泛的担忧。

第三个信号是信贷表现。投资者需要看到对比数据，比较在 Model 22 收紧之前、期间和之后发放的贷款，其预期损失与实际损失之间的差异。

如果后续违约验证了模型的谨慎判断，那么所谓的过度反应就不会显得那么明显。若实际信贷表现持续显著强于模型预测，那么关于过度保守的质疑将更难被忽视。

这些信号都不应孤立评估。强劲的信贷表现可能伴随着疲弱的放款量，而快速审批也可能掩盖未来的损失。

Upstart Model 22 诉讼的核心，最终在于该公司是否准确传达了这种权衡。其重要性不止于一次预测修订，因为越来越多的 AI 公司正将模型表现与财务承诺联系起来。

关注此案的读者应将每一份新的法庭文件，与 Upstart 的月度放款数据及后续信贷结果进行比较。证据显示的是一次暂时性的防御性调整，还是 AI 性能宣称与商业现实之间反复出现的落差？

这一答案将影响贷款机构、借款人、投资者，以及每一家要求市场信任其无法被独立审查的专有模型的公司。