2026 年 10 月 31 日，OpenAI 的 ChatGPT 資料控制說明列出個人帳戶的 Daybreak Blue 規則：使用者即使關閉「為所有人改善模型」，在 Daybreak 工作階段中提供的互動內容仍可能用於模型改善。OpenAI 說明這是為了強化對網路濫用的防護。

The Decoder 報導指出，OpenAI 通知 Trusted Access 計畫成員，預計自 11 月 29 日起使用 Daybreak Blue 工作階段資料訓練模型，後續另寄信表示會提供單獨退出方式；該報導提及的日期與退出安排，應以使用者收到的最新通知及官方介面為準。團隊要問：哪些資料會進入哪個工作階段、誰有權使用，以及一般帳戶設定是否涵蓋該工作階段？

一、Daybreak Blue 的資料使用邊界改在哪裡？

OpenAI 現行說明指出，個人帳戶的 Daybreak 工作階段內容可能用於模型改善，即使一般模型改善選項已關閉。一般開關仍適用於非 Trusted Access 工作階段的其他活動。

OpenAI 將 Daybreak 列為 Trusted Access 資安計畫，Daybreak Blue 供經核准的漏洞分流、安全程式碼檢視、惡意程式分析與事件應變。規則限定特定工作階段，關閉一般選項不能解讀為所有帳戶互動均不會用於模型改善。

企業工作區的一般資料條款可參考AI 資料授權核對指南，但不能直接套用到個人帳戶的 Daybreak 工作階段。

官方說明僅指出個人帳戶 Daybreak 工作階段「可能」用於模型改善，沒有表示相同規則適用所有使用者、企業工作區與 API。The Decoder 根據成員收到的電子郵件報導 11 月 29 日的變更與後續退出安排，但官方說明頁與電子郵件細節仍須分開核對。個人帳戶使用者應查看收到的通知、Daybreak 工作階段設定及最新官方說明；團隊管理者則應記錄核對日期與規則版本。

「在個人帳戶的 Daybreak 工作階段中，即使『為所有人改善模型』已關閉，我們仍可能使用互動內容改善模型。」（譯自 OpenAI Help Center）

二、一般模型改善設定涵蓋哪些資料路徑？

不相同。OpenAI 對個人帳戶的 Daybreak 工作階段、受管理工作區與 API 分別說明資料使用方式；不能從其中一條路徑推定另一條。

個人 ChatGPT 帳戶的「為所有人改善模型」設定，控制一般活動是否用於模型改善；但 OpenAI 現行說明把個人帳戶的 Daybreak 工作階段列為特別情況。另一個容易漏掉的例子是 Codex：Help Center 說明，Codex 工作的「Include environments」有獨立設定，改動 ChatGPT 一般設定或使用 Privacy Portal 退出，不會同步改變該設定。同一帳戶內也可能有不同的資料控制入口。

資料路徑模型改善規則另外要確認
個人帳戶 Daybreak工作階段內容可能用於模型改善，即使一般選項關閉專屬通知與退出方式
Codex 環境有獨立的環境資料設定Include environments 選項
受管理工作區預設不供模型訓練工作區政策、保留期限與權限
API預設不供模型訓練端點保留、濫用監控與 ZDR 資格

企業工作區與 API 的預設又不同。OpenAI 的商務資料政策表示，ChatGPT Business、Enterprise、Edu、Healthcare 等受管理工作區，以及 API 平台的輸入與輸出，預設不會用於模型訓練；企業管理者仍須確認自身工作區政策、保留設定與權限配置。API 資料控制文件另說明，濫用監控紀錄與應用程式狀態各有保存規則，保留期限依端點與設定而異。Daybreak 的核准本身也不等於取得零資料保留（Zero Data Retention，ZDR），OpenAI 的Daybreak 說明將 Trusted Access 與 ZDR 列為不同項目。

「模型訓練」涉及內容是否可能用來調整模型；資料保留指資料保存多久；濫用監控與安全審查則屬服務營運與風險控管。只記錄「已關閉訓練」，仍無法確認保存情況、存取者或安全審查用途。

若團隊要比較企業條款與資料控制，可參考AI 隱私與企業資料控制的差異，並核對實際方案與服務條款。

個人帳戶 Daybreak 工作階段、Codex 環境、受管理工作區與 API 的資料控制比較表
模型改善、資料保留與安全審查各有不同控制入口，應依實際資料路徑逐項核對。

三、敏感研究內容為什麼會引發信任疑慮？

這起事件說明，研究者把未公開草稿交給 AI 工具協助工作時，會關心資料是否被存取、如何進入模型改善，以及公司能否說明資料路徑；它沒有證明草稿已被用於訓練。

紐約大學數學家 Tristan Buckmaster 與 Levent Alpöge 合作研究流體方程，並使用 Claude、Codex 等大型語言模型協助推進與整理工作。Buckmaster 在個人聲明中寫道，兩人使用了多種模型，並提及 Codex；相關報導指出，他們在研究期間把草稿放進 Codex。OpenAI 隨後公開相關數學成果，引發外界對研究進度、資料存取與模型訓練的疑問。

紐約大學 Courant 研究所公告，Buckmaster 與 Alpöge 公布三項結果，分別涉及不可壓縮多孔介質方程、Boussinesq 方程與三維不可壓縮 Euler 方程，並以 Lean 形式化驗證。這些成果不表示資料遭到外洩；它們呈現研究者把模型帶入未公開工作後，供應商資料規則如何影響信任判斷。

事件中的關鍵區分是「資料是否被直接查看」與「去識別化使用資料是否可能影響模型改善」並非同一件事。OpenAI 在回應報導中表示，研究人員與代理在論文公開前沒有看到兩人的研究資料，且沒有為解題存取特定使用者資料；公司同時表示，雖然可能性低，仍無法排除產品使用所衍生的去識別資料曾協助改善模型。兩種說法應一併呈現，不能簡化成「草稿已被訓練」或「資料絕不可能影響模型」。

「我們在整個過程中使用了幾種大型語言模型，包括 Anthropic 的 Claude、OpenAI 的 Codex。」（譯自 Tristan Buckmaster 個人聲明）

研究事件不等於 Daybreak Blue 政策的直接證據，卻具體呈現敏感資料治理的根因：工作者可能把草稿、漏洞線索、客戶環境資訊或尚未公開的分析輸入工具，組織卻未先確認個人帳戶與機構帳戶的控制差異、資料保留和存取責任。對處理客戶委託、未公開漏洞、事件應變資料、商業機密、個人資料或憑證的資安研究者與團隊，這些工作內容應先依敏感程度分類，再決定是否能輸入服務。

若組織的工作方式橫跨本機工具、雲端代理與 API，也要把權限與網路邊界一併盤點。可參考AI 代理部署前的資料與網路邊界檢查，把使用者身分、資料來源、外部連線和日誌留存納入同一張流程圖，而非只檢查模型供應商的訓練政策。

四、團隊要先分清哪些角色與資料責任？

先指定資料負責人、服務管理者、核准者與實際使用者，再明定哪些資料可輸入、誰能開啟工作階段、誰檢查供應商條款，以及誰負責通知規則變更。

資料負責人區分公開資訊、程式碼、客戶與個人資料、憑證及未公開漏洞。服務管理者確認核准帳戶、工作區、API 專案及 Daybreak 功能，並列出禁止使用個人帳戶的情境。資安或法務／隱私負責人審查資料條款、保留期間、退出機制與使用者告知。

權責不清時，容易把「已關閉模型改善」當成整個資料生命周期的保證，或把企業方案預設套用到個人帳戶的特定工作階段。若內部指引只有設定截圖，沒有產品、帳戶類型、工作階段、檢查日期與負責人，政策更新後舊指引仍可能誤導員工。

為降低誤用，團隊可將核准流程分成兩層：先判定資料是否允許進入外部 AI 服務，再判定核准服務的哪個產品介面與帳戶類型可以處理它。若規則沒有明確涵蓋某類資料或工作階段，就先遮蔽識別資訊、改用合成資料，或走既有的內部工具與人工流程，待條款確認後再調整。這樣做不能保證資料不被處理，但能把輸入內容限制在團隊可接受的範圍。

五、導入或續用前的 5 項檢查

逐項確認官方通知、帳戶與工作階段、退出控制、敏感資料範圍及內部責任紀錄，並為每項結果指定覆核者與日期。

  1. 核對通知版本： 由服務管理者查看 OpenAI 最新 Help Center 說明、帳戶收到的通知與服務條款，記錄頁面日期、適用方案及已知變更。若媒體報導提到新安排，而官方頁面尚未說明細節，先標為待確認，不把報導當成已落實的產品控制。
  2. 確認資料路徑： 列出使用者登入的是個人帳戶、受管理工作區還是 API 專案；再標示是否為 Daybreak 工作階段、Codex 任務或一般聊天。不要用一個帳戶設定推論所有介面。
  3. 逐個檢查退出與保留： 分別檢查模型改善選項、Codex 環境資料控制、資料保留期限，以及安全審查或濫用監控用途。記錄哪些控制已確認，哪些需向 OpenAI 或合約窗口詢問。
  4. 設定輸入資料分級： 明確禁止輸入密碼、存取權杖、可識別客戶資料和未公開漏洞細節，除非組織完成核准並有適用的資料處理依據。建立遮蔽、去識別化或替代測試資料的做法。
  5. 告知使用者並定期複核： 在內部指引寫清楚允許用途、禁止資料、核准帳戶、退出步驟、資料保存規則與回報管道；指定負責人，在產品說明或帳戶設定更新時重新檢查。

記錄產品介面、帳戶／工作區、資料類型、改善設定、保留與安全用途、核准人及檢查日期。資安、法務／隱私與服務管理者確認後，再開放使用；無法辨認帳戶或工作階段時，先不要輸入敏感資料。

  • 個人帳戶的 Daybreak 工作階段，OpenAI 現行說明稱內容可能用於模型改善，即使一般改善設定關閉。
  • 受管理工作區、API 與 Codex 環境設定各有不同控制，模型改善、資料保留及安全審查也應分開檢查。
  • 導入前先核對帳戶、工作階段、資料類別、退出選項與責任人，並保留政策版本與檢查日期。
由核對通知、辨認帳戶與工作階段、檢查控制、資料分級到定期覆核的五步流程
依序核對通知、資料路徑與控制，再設定輸入界線並安排覆核，團隊才有清楚的治理流程。

常見問題

Q1：關閉「為所有人改善模型」後，Daybreak Blue 對話還可能用於模型改善嗎？

依 OpenAI 現行說明，個人帳戶的 Daybreak 工作階段內容仍可能用於模型改善；一般設定適用於其他非 Trusted Access 活動。後續若收到專屬通知或退出選項，以最新設定及官方說明為準。

Q2：OpenAI 會用所有企業工作區與 API 對話訓練模型嗎？

OpenAI 說明，受管理工作區與 API 資料預設不供模型訓練；仍須核對合約、管理設定及特定工作階段規則。

Q3：Buckmaster 與 Alpöge 的研究草稿已被用於訓練嗎？

沒有證據顯示草稿已被用於訓練。OpenAI 表示未在論文公開前查看兩人的特定資料，但無法排除去識別化使用資料曾協助模型改善。