最近有客户问我们：他点开 OpenAI 后台的 Data Controls 页面，看到两个开关 —— "Share evaluation and fine-tuning data with OpenAI" 和 "Share inputs and outputs with OpenAI"，每个都有 Disabled / Enabled for all projects / Enabled for selected projects 三档可选。第一个上面带绿色提示 "You're eligible for up to 7 free weekly evals"，第二个则写 "You're enrolled for complimentary daily tokens"，看上去都在送资源，但他不确定到底值不值得开，开了之后会有什么代价。
这两个开关的本质是 OpenAI 用"免费额度"换"训练 / 评估数据"的双向交易，开启的代价是真实的 —— 评估数据、API 输入输出会被 OpenAI 用来改进未来模型。在 API易 apiyi.com 的客户里，我们见过有人把它开了半年才发现是个隐私漏洞，也见过把它关了半年才发现自己每天浪费了百万级的免费 Token 额度。本文用英文官方资料把两个开关的真实作用、可获额度、隐私影响、推荐配置一次性讲透。
OpenAI Data Controls 两个设置项的核心定义
打开 Settings → Data Controls → Sharing 这个页面，你会看到两个独立但常被混淆的开关。它们共享内容不同、回报不同、隐私影响也完全不在同一量级，理解它们的边界是做正确决策的前提。
| 设置项 | Share evaluation and fine-tuning data | Share inputs and outputs |
|---|---|---|
| 共享内容 | 评估提示词 + 结果 + grading logic + 微调数据 | API 调用的全部输入和输出 |
| 免费回报 | 每周最多 7 次免费 eval 运行 | 每日补贴代币（按 tier 和模型组分配） |
| 数据用途 | 改进评估流水线 + 训练未来模型 | 直接用于训练 / 改进模型 |
| 默认状态 | Disabled | Disabled |
| 开关粒度 | Disabled / All / Selected 三档 | Disabled / All / Selected 三档 |
| 操作权限 | 仅 Org Owner | 仅 Org Owner |
| 生效范围 | 开启之后产生的数据才共享 | 开启之后产生的流量才共享 |
| 关闭难度 | 随时切换 | 随时切换 |
🎯 快速理解建议: 如果你只是想"安全地拿到免费额度"，可以把开关设置成 "Enabled for selected projects"，单独建一个测试项目用来跑 dev / 内部脚本，主项目和生产 API 流量经由 API易 apiyi.com 网关走，避免一次性把所有项目都暴露给数据训练管道。
Share evaluation and fine-tuning data 设置详解
这个开关的字面意思是"共享评估和微调数据"，但实际共享的范围比名字暗示的更广。开启之后，OpenAI 不仅会拿到你的 eval prompts 和 completions，还会拿到你定义的 grading logic（评判标准）以及 fine-tuning 数据集中的 prompts + completions。这意味着：你怎么给模型打分、你认为什么样的回答是好的、你训练数据里的领域知识，都会被 OpenAI 收集。
回报是每周最多 7 次免费 eval 运行。OpenAI 在帮助中心明确表示，"Evaluations you share with OpenAI are currently processed at no cost for up to 7 runs per week"。超过这个限额或使用不参与免费额度的模型，仍按标准 Token 价计费。这个数字看似不大，但对于经常做模型选型对比的团队，每周 7 次免费跑可以省下几十到几百美元的 eval 成本。
值得注意的是开关只对开启之后产生的数据生效，历史数据不会回溯共享，关闭之后也不会"撤回"已共享的数据。所以决策应该基于"未来 6-12 个月你打算共享多少 eval 数据"，而不是"我现在已经有什么数据"。
| 维度 | 开启的收益 | 开启的代价 |
|---|---|---|
| 直接收益 | 每周 7 次免费 eval | / |
| 间接收益 | 评估流水线被 OpenAI 优化 | / |
| 数据代价 | / | 评估 prompts、completions、grading 标准被收集 |
| 业务代价 | / | 微调数据集泄露领域 know-how |
| 可逆性 | 可随时关闭 | 已共享数据不可撤回 |
🎯 何时开启 Eval/FT 共享: 如果你的 eval 是基于公开 benchmark 或非敏感测试集，开起来基本无害；如果 eval prompts 包含客户真实数据、内部业务规则、专有 grading 逻辑，建议设成 Selected 模式只对沙盒项目开启。
Share inputs and outputs 设置详解
这是两个开关里"代价更大、回报也更可观"的一个。开启之后，凡是经过这个项目的 API 调用，输入 prompt 和输出 completion 都会被 OpenAI 收集并用于训练或改进模型。这一点和默认 API 行为有本质区别 —— 默认情况下，OpenAI 自 2023 年 3 月起明确不会用 API 数据训练模型，开启这个开关相当于主动撤销这条保护。
回报是每日补贴代币（complimentary daily tokens），按账户 tier 和模型组阶梯发放。这是 OpenAI 公开数据中最具体的免费额度方案，每天 00:00 UTC 自动重置。
| 模型组 | Tier 1-2 每日上限 | Tier 3-5 每日上限 | 重置时间 |
|---|---|---|---|
| 旗舰模型组 | 250,000 tokens | 1,000,000 tokens | 00:00 UTC |
| 小模型组 | 2,500,000 tokens | 10,000,000 tokens | 00:00 UTC |
旗舰模型组和小模型组并不是按性能粗略划分，而是 OpenAI 明确列出的清单 —— 调用清单外的模型不计入免费额度。
| 模型组 | 包含的具体模型 |
|---|---|
| 旗舰组 | gpt-5, gpt-5-codex, gpt-5-chat-latest, gpt-4.5-preview, gpt-4.1, gpt-4o, o1, o3, o1-preview |
| 小模型组 | gpt-5-mini, gpt-5-nano, gpt-4.1-mini, gpt-4.1-nano, gpt-4o-mini, o1-mini, o4-mini, codex-mini-latest |
🎯 代币额度的真实价值: 以 gpt-4o-mini 输入 $0.15/M、输出 $0.60/M 估算，Tier 1-2 每天 2.5M 小模型 token = 每天约 $1-2 的免费额度，全月可省 $30-60；Tier 3-5 升到每天 10M 小模型 token，全月可省 $120-240。如果只是为了拿这部分额度，开整个组织流量并不划算，建议起一个独立测试项目并设成 Selected 模式。
默认 API 隐私 vs 开启共享后的真实差异
很多团队对"默认 API 是不是会被训练"这个问题理解不清。OpenAI 的实际策略是：默认 API 不用于训练，但保留 30 天用于滥用监控（abuse monitoring）。Zero Data Retention（零数据保留）是另一回事，需要企业客户单独联系 OpenAI 销售团队申请，不是网页一键开关。
理解这条基线之后，再看两个开关的影响就很清晰：开启 Inputs/Outputs 是"主动放弃 2023 年起的训练保护"，开启 Eval/FT 是"在前者之外额外贡献评估方法论"。两个都不影响 30 天滥用监控保留，也无法叠加 ZDR。
| 维度 | 默认 API（两个都关） | 开 Inputs/Outputs | 开 Eval/FT Data |
|---|---|---|---|
| 是否用于训练 | ❌ 不训练 | ✅ 用于训练 | ✅ 用于训练 + 评估 |
| Abuse 监控保留 | 30 天 | 30 天 | 30 天 |
| 数据可否撤回 | / | ❌ 已共享不可撤回 | ❌ 已共享不可撤回 |
| ZDR 是否兼容 | ✅ 可申请 ZDR | ❌ 与开关互斥 | ❌ 与开关互斥 |
| 适合场景 | 生产 / 合规 / PII | dev / 测试 / 公开数据 | 公开 benchmark eval |
🎯 隐私决策建议: 如果你的业务对数据隐私有任何合规要求（GDPR、HIPAA、企业 NDA、客户 PII 等），两个开关都应该保持 Disabled，并且把高敏流量经由 API易 apiyi.com 网关或申请 ZDR；如果只是个人项目、内部工具、Hackathon 演示等公开场景，可以放心 Enabled for all projects。
OpenAI Data Controls 是否值得开启的 4 项决策框架
直接给"开 / 不开"的二元答案太粗暴。我们用 4 类典型业务场景做矩阵，每一类都有它合理的配置。决策的核心维度是两个：数据敏感性（你处理的内容是否涉及隐私 / 商业机密）和调用规模（你能从免费额度里拿回多少实际价值）。
| 业务类型 | 数据敏感性 | 推荐 Inputs/Outputs | 推荐 Eval/FT |
|---|---|---|---|
| 个人开发 / Hackathon | 低 | Enabled for all | Enabled for all |
| 内部 R&D / 模型选型 | 中 | Enabled for selected | Enabled for selected |
| To-C 应用（含 PII） | 高 | Disabled 或 Selected（dev 项目） | Disabled |
| 企业 / 合规场景 | 极高 | Disabled + 走 ZDR | Disabled |
第一类是个人开发或 Hackathon 项目。这种场景下 Token 消耗本来就主要是公开 prompt（如比赛题、Demo 代码），开启共享既能拿到每日补贴又不会暴露任何敏感信息，性价比最高。第二类是内部 R&D，建议用 Selected 模式 —— 单独建一个 "data-share-test" 项目专门跑可共享的实验，主开发项目保持 Disabled。
第三类是 To-C 应用，往往涉及用户输入、对话历史、个人信息。这种情况两个开关都建议关掉，免费额度对单用户量级的应用收益不大，而一旦用户 PII 被收集进训练管道很难追溯。第四类是企业或合规场景，比如医疗、金融、政府客户，应该直接走 ZDR 或者 API易 apiyi.com 这类合规网关，连 30 天 abuse monitoring 都规避掉。
🎯 三档选项怎么选: 如果决定开启某个开关，优先选 "Enabled for selected projects" 而不是 "Enabled for all projects"。这样可以专门划一个 "training-eligible" 项目用作 dev / 测试，生产项目继续保持隔离，未来调整也只影响那一个项目，迁移成本极低。
OpenAI Data Controls 常见 FAQ
Q1：开启 Inputs/Outputs 之后，OpenAI 会立刻拿走我所有历史数据吗？
不会。两个开关都明确写了"Only traffic sent after turning this setting on will be shared" / "Only evaluation and fine-tuning data created after turning this setting on will be shared"。开关只对开启之后产生的数据生效，历史数据不会被回溯共享。
Q2：免费 Token 是不是和 Credit Grants 同一回事？
不是同一回事但有关联。Inputs/Outputs 共享获得的是"每日代币池"，到 00:00 UTC 自动重置；OpenAI 后台 Credit Grants 一栏看到的"零碎美分"小额 grants 是这个池子按使用量折算成美元价值的事后记账，可以理解成同一个项目的两种展示。
Q3：我开了 Selected 模式只对一个项目共享，主项目流量就完全安全吗？
完全安全。OpenAI 在 settings 界面可以精确选哪些项目参与共享，未选中的项目流量按默认 API 行为处理 —— 不训练、保留 30 天 abuse monitoring。如果对此还有担忧，可以把主项目流量进一步切到 API易 apiyi.com 这类网关，从架构上彻底隔离。
Q4：Eval/FT 共享的"7 free weekly evals"具体是怎么计数的？
按"运行次数"计数，不是按 Token 计数。每运行一次 eval（不管处理多少样本）算一次，每周最多 7 次免费。超出后按 eval 用到的模型走标准 Token 价计费，部分模型不在免费名单内，运行也会按价计费。
Q5：把 Inputs/Outputs 关掉之后，已经被收集的数据能要回来吗？
不能。OpenAI 政策明确规定已共享数据不可撤回，关闭开关只能阻止未来的数据进入训练管道。这就是为什么我们一直建议生产流量用 API易 apiyi.com 这种网关做"硬隔离" —— 默认就不进 OpenAI 训练管道，比"事后关掉"更可靠。
OpenAI Data Controls 的 3 条总结
第一，这两个开关是真正的"双向交易"：用真实可量化的数据（eval 方法论、API 输入输出）换可量化的免费额度（每周 7 次 eval、每日数百万到数千万 Token）。理解这是交易而非纯赠送，决策才不会跑偏。
第二，默认 API 不训练但 30 天 abuse 监控仍在。如果业务对隐私有任何合规要求，两个开关都应该 Disabled，并通过 ZDR 申请或 API易 apiyi.com 这类合规网关进一步收紧。开关只决定"是否额外授权训练"，不决定"是否被监控"。
第三，优先用 Selected 模式做"分项目隔离"。新建一个独立项目专门承接可共享的 dev / 测试流量，把生产项目和敏感数据完全隔离开。这样既拿到了免费额度，又不让任何一条用户数据流进训练管道，是性价比最高的姿势。
如果你正在权衡这两个开关，最稳妥的姿势是先按"个人 / 内部 / To-C / 企业"四类对号入座决定档位，再用 Selected 模式起一个独立测试项目薅免费额度，主生产流量经由 API易 apiyi.com 网关做架构隔离，这样既能享受 OpenAI 的免费政策，也保住了用户数据和业务 know-how 的隐私边界。
📌 作者：APIYI 技术团队 — 持续追踪 OpenAI Data Controls、ZDR、计费策略等关键政策变更，为开发者提供统一计费、隐私可控的多模型 API 网关体验，了解更多请访问 API易 apiyi.com。
