AI 数据留存两种标准 API 设计解析:ZDR 是端点属性而非厂商标签
Fireworks AI CEO Lin Qiao 提出 AI API 数据生命周期的两种标准设计:客户管理模式(上传、使用、删除)与瞬时处理模式(发送、计算、返回)。
MarkTechPost· Asif Razzaq·2026-11-18 04:49· 2 小时前AI 评分52
澄清 AI 数据保留的困惑:两种标准设计解析
AI 导读
文章基于 Fireworks AI CEO Lin Qiao 提出的框架,结合 OpenAI、Amazon Bedrock、Google、Anthropic 和 Fireworks 的公开文档,解析 AI API 的两种标准数据生命周期设计:上传后由客户删除的客户管理模式,以及发数据、算完即返、不落盘的瞬时处理模式。
正文 · 原文
数据保留已成为 AI 基础设施中最被误解的术语之一。在一波 AI 安全新闻头条之后,许多开发团队现在都会问一个简单的问题:我的 AI 提供商保留我的数据吗?诚实的答案取决于你如何发送数据。向推理 API 发送提示词,它会被处理并返回,不会被保留。这种设计称为零数据保留(ZDR)。上传数据集用于批处理任务,它会一直存储到你删除为止。两者都是标准设计,且都由客户掌控。变化的是谁管理数据生命周期,以及在哪里管理。
Fireworks AI 联合创始人兼 CEO Lin Qiao 提出了一种清晰的思考方式。在 2026 年 11 月 13 日发布于 X 的帖子中,她描述了两种标准 API 设计。每一种都决定了数据生命周期的控制权归属。同样的划分已经塑造数据处理系统数十年。在本文中,我们将结合公开 API 文档中的示例来梳理这一框架。
TL;DR
- 框架:两种标准 API 设计:上传、使用、删除,或发送、计算、返回。
- 它是什么:ZDR 是一种按端点承诺,在符合条件的请求之后不持久化所涵盖的提示词和输出。
- 适用范围:资格取决于端点、请求标志和账户设置,而非供应商名称。
- 存储型功能:批处理、文件和数据集功能会保留数据,直到被删除或过期。
- 结论:优先使用瞬时端点。如果你上传了数据,删除就是你的责任,因此永远不要假设会自动过期。
什么是 AI 数据保留策略?
AI 数据保留策略定义了平台会从你的请求中存储什么,以及存储多久。OpenAI 的数据控制描述了两个层面。应用状态是某项功能必须保留的数据,例如上传的文件。滥用监控日志是为安全审查而保留的副本。平台可能在一个层面为零,而在另一个层面不为零。
两种常见的 API 设计是什么?
AI 推理和训练 API 遵循两种生命周期设计。区别在于谁管理数据,以及在哪里管理。
模式 1:客户管理的保留(上传、使用、删除)
你创建文件或数据集,对其运行任务,然后将其删除。平台会存储数据并保持可用,直到你请求删除。除非你定义,否则它无法知道你何时完成。因此删除是你的责任,通过平台的 API 完成。
带上传数据集的批处理 API 是标准示例:
- OpenAI Batch:上传 JSONL 输入文件,然后创建批处理。
- Amazon Bedrock 批处理推理:输入 JSONL 文件存放在你选择的 S3 位置。
- Gemini Batch API:任务从你提供的输入文件运行。
- Fireworks AI Batch:创建数据集,然后对其提交任务。
一旦你删除数据,它就消失了。据 Fireworks CEO 称,它在删除请求后不保留任何内容。
OpenAI 的非批处理文件会一直保留,直到你将其删除。Fireworks AI 的托管训练数据集没有时间限制,由客户自行删除。Amazon Bedrock 和 Google 的批处理作业会读写你自己的云存储。
OpenAI 的批处理文件默认保留 30 天,Anthropic 的批处理数据保留 29 天。应将过期视为例外情况,并逐项功能确认。
模式 2:临时处理(发送、计算、返回)
你发送数据,平台进行计算,然后返回结果。不留下任何应用状态。你的应用拥有对话历史,因此无需平台清理步骤。这正是 ZDR 适用的模式。仅凭同步响应并不能确立 ZDR。
有文档记载的示例:
- OpenAI Chat Completions:store 默认为 false。
- Amazon Bedrock Converse:内容仅用于生成响应。
- Google Gemini 文本生成:当 store 为 false 时无状态。
- Fireworks AI Chat Completions:直接调用或通过 Nexus 调用。其 schema 中没有 store 字段。
- Fireworks AI Training SDK,包括 Serverless Training:forward_backward 每次调用发送分词后的批次。不上传数据集,训练数据不静态存储。
可以这样理解:把电子表格保存到云盘,与把其中的数字传给计算器。云盘会保留文件以备后用。计算器算出答案、返回结果,不保留任何内容。
在这两种设计中,客户都完全掌控其数据的处理方式。不同之处在于生命周期在哪里管理。在模式 1 中,是显式的数据集创建与删除。在模式 2 中,生命周期完全存在于你的应用中。
零数据保留是否覆盖所有端点?
答案是否定的。ZDR 按端点划定范围,且默认值因平台而异。
OpenAI 默认将滥用监控日志保留最多 30 天。Amazon Bedrock 的 none 模式不会将任何请求或响应数据写入持久存储。
Fireworks AI 的文档说明开源模型默认启用 ZDR。其临时推理 API、Training SDK 和 Nexus 均带有 ZDR 保证。提示词和生成内容不会静态持久化。对于 Batch API,Fireworks 的文档指出删除后不保留任何数据。
单个参数也可能改变模式。在 Google 的 Interactions API 上,store 默认为 true。在 OpenAI,将 store 设为 false 并不等于 ZDR,后者需要审批。
| 平台 | 同步推理:默认 | 零保留选项 | 存储型功能(模式 1) |
|---|---|---|---|
| OpenAI API | 滥用监控日志保留最多 30 天,法律要求时更长。/v1/chat/completions 上无应用状态,但有例外。Chat Completions 的 store 默认为 false。 | 修改版滥用监控或 ZDR,均需事先审批。在 ZDR 下,store 始终被视为 false。 | 批量输入文件默认在 30 天后过期。批量输出和错误文件在创建 30 天后过期。其他文件会一直保留,直到被删除。/v1/files 和 /v1/batches 不符合 ZDR 资格。Responses API:当 store 为 true 时,至少保留 30 天。 |
| Amazon Bedrock | Converse 参考文档称,内容仅用于生成响应。实际生效的保留模式是项目、账户和模型默认值中第一个非 inherit 的值。新账户和新项目初始为 inherit。需要 aws_review 的模型最多保留 30 天。 | 将模式设为 none。请求或响应数据都不会写入持久存储。 | 批量推理会读写你指定的 S3 位置。在 none 模式下,对需要保留数据的模型的请求会被阻止。写入你自己的 S3 或 CloudWatch 的模型调用日志默认关闭,由客户启用。 |
| Google Gemini Enterprise Agent Platform | 对于受支持的 Gemini 模型,内存缓存和持久缓存默认开启。两者都会在写入后 24 小时内清除。滥用监控提示日志适用于在线 Cloud 条款下的客户。Master Agreement 客户默认豁免,但指定前沿模型除外。 | 可以关闭持久缓存,同时保持内存缓存开启。保持请求-响应日志和 Live API 会话恢复关闭。将 Interactions API 的 store 设为 false。 | 批量推理使用 Cloud Storage 或 BigQuery 作为输入和输出。Interactions API 的 store 默认为 true。在单独的 Gemini API 上,付费层级的存储交互保留 55 天,免费层级保留 1 天。 |
| Anthropic Claude API | 标准政策:API 输入和输出在 30 天内删除。因违反使用政策而被标记的内容最多可保留 2 年。涵盖模型:要求保留 30 天。 | ZDR 需与销售团队按组织另行安排。除非 Anthropic 明确授权,否则不向涵盖模型提供。 | Message Batches:保留 29 天。Files API:保留至删除或过期。两者均不符合 ZDR 资格。 |
| Fireworks AI | 开源模型默认启用 ZDR。未经选择加入,提示和生成内容不会被记录或存储。它们仅在请求期间保留在易失性内存中。提示缓存仅保存在内存中。令牌计数等请求元数据会被记录以运行服务。Nexus 在所有账户和套餐上使用 ZDR。路由到你自己的 Anthropic、OpenAI 或 Bedrock 账户的轮次遵循该提供商的政策。 | 在 Chat Completions、Training SDK 和 Nexus 上已是默认设置。企业管理员还可以强制执行账户范围的 ZDR 政策。 | Batch API:基于上传的数据集运行。客户可通过控制台或 API 删除数据集。删除后不保留任何数据。托管训练:上传的数据集保留至客户删除。 |
文档核查于 2026 年 11 月 15 日。政策会变化,请对照链接页面确认。 OpenAI 和 AWS 指出,即使启用零保留,被标记为 CSAM 的内容仍可保留。
为什么临时处理是更安全的默认选择?
每一份被保留的副本都必须受到保护、被追踪,并最终被删除。从未写入磁盘的数据,日后也无法从磁盘上被取走。
监管要求也指向同一方向,但有一点需要特别注意。根据 GDPR 第 5 条,临时处理有助于满足存储限制。数据最小化仍取决于你的应用发送了什么。
“只要工作流允许,临时处理就是更可取的做法。” Lin Qiao,Fireworks AI 联合创始人兼 CEO(X 上的帖子)
其理由在于人为失误。临时处理不会留下被遗忘的数据集,也不会漏掉删除调用。它还意味着需要保护和最终删除的保留副本更少。
存储型功能仍有其用武之地:基于数据集的微调需要静态数据。
开发者现在应该检查什么?
- 把你调用的每个端点映射到模式 1 或模式 2。
- 当你只需要结果时,默认使用临时端点。
- 对每次上传,都要规划好删除调用。记录任何有文档说明的过期时间。OpenAI 支持 expires_after。
- 审查会持久化数据的标志,例如 store。
- 让密钥远离提示词和数据集。任何混入的密钥都要轮换。
- 在合同中按处理路径定义 ZDR。然后在你的账户中核实该设置。
关键要点
- ZDR 是端点属性,不是供应商标签。
- 存储型功能会保留数据,直到数据被删除或过期。
- 当你只需要结果时,优先使用临时处理。
- 如果你上传了数据,删除就是你的责任。永远不要假定存在过期时间。
延伸阅读:Lin Qiao 帖子、OpenAI 数据控制、Amazon Bedrock 数据保留、Google 零数据保留、Anthropic API 数据保留 和 Fireworks AI 零数据保留。
来源:
OpenAI
- OpenAI 平台中的数据控制:https://developers.openai.com/api/docs/guides/your-data
- Chat Completions 参考(create,store 默认值):https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create
- Batch API 指南:https://developers.openai.com/api/docs/guides/batch
- Batch API 指南,上传你的批处理输入文件:https://developers.openai.com/api/docs/guides/batch#2-upload-your-batch-input-file
- Files API 参考(create,expires_after):https://developers.openai.com/api/reference/typescript/resources/files/methods/create
Amazon Bedrock
- 数据保留:https://docs.aws.amazon.com/bedrock/latest/userguide/data-retention.html
- Converse API 参考:https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_Converse.html
- AWS 安全博客,在 Amazon Bedrock 上强制执行零数据保留(2026 年 7 月 7 日,2026 年 8 月 13 日更新):https://aws.amazon.com/blogs/security/enforce-zero-data-retention-on-amazon-bedrock-with-bedrock-projects-and-service-control-policies/
- 创建批处理推理作业:https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-create.html
- 格式化并上传批处理推理数据:https://docs.aws.amazon.com/bedrock/latest/userguide/batch-inference-data.html
- 模型调用日志记录:https://docs.aws.amazon.com/bedrock/latest/userguide/model-invocation-logging.html
- Gemini Enterprise Agent Platform 与零数据保留(2026年11月12日更新):https://docs.cloud.google.com/gemini-enterprise-agent-platform/resources/zero-data-retention
- 滥用监控:https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/abuse-monitoring
- 从 Cloud Storage 进行批量推理:https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/capabilities/batch-prediction-from-cloud-storage
- Gemini API,文本生成:https://aistudio.google.com/docs/text-generation?codelanguage=rest
- Gemini API,Batch API 输入文件:https://aistudio.google.com/docs/batch-api#input-file
- Gemini API,Interactions API 概览(数据存储与保留):https://ai.google.dev/gemini-api/docs/interactions-overview
Anthropic
- API 与数据保留:https://platform.claude.com/docs/en/manage-claude/api-and-data-retention
- 你们会存储我组织的数据多长时间:https://privacy.claude.com/en/articles/7996866-how-long-do-you-store-my-organization-s-data
- Covered Models 的数据保留实践:https://privacy.claude.com/en/articles/15425996-data-retention-practices-for-covered-models
Fireworks AI
- 零数据保留(数据处理):https://docs.fireworks.ai/guides/security_compliance/data_handling
- 零数据保留政策(企业账户设置):https://docs.fireworks.ai/accounts/zero-data-retention
- 安全训练:https://docs.fireworks.ai/guides/security_compliance/secure_training
- Chat Completions 参考:https://docs.fireworks.ai/api-reference/post-chatcompletions
- Training SDK 参考,forward_backward:https://docs.fireworks.ai/fine-tuning/training-api/reference/service-client#forward_backward-datums-loss_type-loss_fn_config=none
- Batch API:https://docs.fireworks.ai/guides/batch-inference#getting-started
- Delete Dataset 参考:https://docs.fireworks.ai/api-reference/delete-dataset
- Serverless Training:https://docs.fireworks.ai/fine-tuning/training-api/serverless
- 提示缓存:https://docs.fireworks.ai/guides/prompt-caching
- Nexus,数据安全与隐私:https://docs.fireworks.ai/nexus/data-security
- Nexus,API 与 SDK:https://docs.fireworks.ai/nexus/apis-and-sdks
- 安全公告,2026年10月安全事件更新(Training SDK:训练数据不静态存储):https://fireworks.ai/security/bulletins/october-2026-security-incident-update
- Fireworks 关于数据保留的声明,“数据保留:控制与标准”(2026年11月13日):https://x.com/lqiao/article/2121434466082242896
其他
- 法规 (EU) 2016/679(GDPR):https://eur-lex.europa.eu/eli/reg/2016/679/oj
感谢 Fireworks 团队为本文提供的思想领导力/资源。本文为赞助内容。
文章 厘清 AI 数据保留的困惑:两种标准设计解析 首次发表于 MarkTechPost。
来源:MarkTechPost · marktechpost.com
来源:RadarAI · aihot.news