文章
Grok 4.5的新欧盟披露为训练数据记录增添了什么
xAI发布了首份面向欧盟的训练内容摘要，涵盖Grok 4.5。文本、图像、音频和视频均落入最高的数据规模区间，并申报使用了欧盟委员会模板列出的全部六类训练数据来源。
这使Grok 4.5首次能够与我在人工智能训练数据透明度数据集中收录的摘要进行比较。它也检验了模板本身：来源问题确实显示出供应商之间的差异，而规模区间却常常把非常不同的模型归为一类。
结论：《欧盟人工智能法》第53(1)(d)条要求通用人工智能模型供应商使用人工智能办公室的标准模板，公布训练内容摘要。在本文比较的11条记录中，6个模型申报超过10万亿个文本token，5个申报10亿至10万亿个，没有模型使用最小区间。最高区间没有上限，因此Grok 4.5、GPT-5.5、Gemini 3 Pro和一个30亿参数的开放模型获得相同分类。文件说明xAI声称使用了哪些来源，却无法说明Grok语料库相对于同区间其他模型的规模。
宽泛的规模区间限制了比较
| 文本训练数据规模 | 模型数量 |
|---|---|
| 超过10万亿个token，无上限 | 6 |
| 10亿至10万亿个token | 5 |
| 少于10亿个token | 0 |
最高区间包括Gemini 3 Pro、GPT-5.5、Grok 4.5和Muse Spark，也包括Swiss AI的Apertus-70B及Hugging Face的SmolLM3-3B。中间区间同样跨越四个数量级，Microsoft Phi-4、SpeakLeash Bielik和Bria均在其中。Bria是本次快照中唯一补充精确数字的供应商，写明“最多192亿个token”和“4.79亿张图像”。Gemini、GPT、Grok和Muse在所有模态上都选择最高区间，摘要不足以按规模排序。
来源类别更能体现差异
| 供应商与模型 | 公开 | 许可 | 第三方私有 | 抓取 | 用户数据 | 合成 |
|---|---|---|---|---|---|---|
| Meta／Muse Spark | 是 | 是 | 是 | 是 | 是 | 是 |
| OpenAI／GPT-5.5 | 是 | 是 | 是 | 是 | 是 | 是 |
| xAI／Grok 4.5 | 是 | 是 | 是 | 是 | 是 | 是 |
| SpeakLeash／Bielik v3 11B | 是 | 是 | 否 | 是 | 否 | 是 |
| Hugging Face／SmolLM3-3B | 是 | 否 | 否 | 否 | 否 | 是 |
| Swiss AI／Apertus-70B | 是 | 否 | 否 | 否 | 否 | 否 |
| Bria／Bria 3.2 | 否 | 是 | 否 | 否 | 否 | 否 |
Meta、OpenAI和xAI对所有类别均回答“是”。Apertus仅申报公开数据集，并称没有运营自己的抓取工具；Bria则称Bria 3.2仅使用商业许可图像训练。Google只回答了六个来源问题中的三个，因此空白表示“未说明”，而非“否”。Microsoft还用文字回答部分二元字段，说明即使采用同一模板，填写方式也不完全一致。
xAI还表示没有签署《通用人工智能实践准则》，而是直接尊重退出信号。它是该数据集中首个未签署准则却公布标准模板的供应商。签署准则与发布训练摘要是不同义务，时间表也不同，不能互相替代。
第二轮搜索又发现六份摘要
加入Grok 4.5后，我逐一搜索供应商，发现六份尚未纳入上述11条记录的可信公开摘要：Adobe Firefly Image Model 5、Domyn Large、FastwebMIIA、Thinking Machines Inkling、Microsoft MAI-Image-2和Meta Muse Image。这些文件仍需验证和标准化，因此未混入上方统计。发现文件并不等于完成数据录入，尤其当复选框、模态定义和发布格式各不相同时。
我没有在Moonshot AI官网、API文档或官方模型页找到Kimi K2.5的第53条标准摘要。其技术报告称使用约15万亿个图文混合token，但这不是欧盟标准披露。义务是否适用还取决于Moonshot是否将模型投放欧盟市场，所以不能仅凭缺少摘要认定违规。
目前的反应
我没有发现欧盟委员会、人工智能办公室或具名独立专家专门针对Grok 4.5申报的公开反应。这既不应被解读为认可，也不应被解读为批评。
围绕整体框架的争论提供了背景。委员会称该模板是兼顾透明度与商业秘密的“共同最低基线”，而不是完整的技术清单。38家创作者和权利人组织则表示不满，认为信息不足以帮助权利人行使权利。欧洲议会也呼吁加强透明度、报酬及阻止受保护内容被使用的能力。这些立场针对整体框架，而非Grok 4.5本身。
注意事项：所有数字均由供应商自行申报，未经审计。11条记录只是快照，并非市场调查，其中3条是Microsoft Phi的不同版本。数据截止日期从2024年3月到2026年6月。在2025年8月2日前投放欧盟市场的模型可在2027年8月2日前发布摘要，因此没有摘要不一定意味着违规。
数据：Transparency Report API中的ai_training_metrics；初始快照含9家供应商的11个模型，申报发布于2025年6月至2026年7月。补充搜索完成于2026年7月23日。