五大出版商起訴 Meta：指控用盜版網站資料訓練 Llama 侵權

給 AI 發兩句大學微積分教材裡的開頭，它就能一字不差地把整節內容接著背出來。

這可不是什麼超強理解力，在出版巨頭眼裡，這就是赤裸裸的剽竊。近日，Macmillan、McGraw Hill、Elsevier、Hachette、Cengage 五大知名出版商聯手作家 Scott Turow，正式對 Meta 發起集體訴訟，稱其製造了「人類歷史上最大規模的版權侵權之一」。

盜版網站成了訓練大模型的免費書庫

出版巨頭們在訴狀裡把話挑得很明：Meta 並不是偶然抓取到了版權內容，而是明知故犯。

訴狀指控，Meta 直接從 LibGen、Anna’s Archive、Sci-Hub、Sci-Mag 等臭名昭著的盜版資源站批次下載受版權保護的學術期刊和圖書，一口氣餵給了旗下的 Llama 基礎模型。

除了這些盜版網站，訴狀稱 Meta 用來訓練的 Common Crawl 資料集裡，也到處都是未經授權的圖書副本。

這導致的直接結果就是，Llama 能夠近乎完整地吐出原文。訴狀裡特意舉了個例子：只要給 Llama 輸入知名微積分教材《微積分：早期超越》第九版裡的兩小句話，模型就會立刻開始一字不差地逐字複誦後文。

藏不住的訓練清單與十五億美元的前車之鑑

這已經不是 Meta 第一次因為資料來源被作者按在被告席上了。

在此前幾位作家提起的訴訟中，Meta 內部的郵件溝通就被迫公之於眾。內部記錄顯示，他們當時甚至專門討論過，一旦媒體曝光他們使用「明知是盜版的資料集」時該如何公關。

雖然去年一位聯邦法官在某起訴訟中支援了 Meta，但那位法官當時就特意補了一句：這絕不代表 Meta 使用受版權保護的材料訓練大模型是合法的。

更讓 Meta 頭疼的是不久前的行業先例。此前作家群體也因類似理由起訴了 Anthropic，法官裁定，用合法買來的書籍訓練可以算合理使用，但盜版搞來的上百萬本書不行。最後 Anthropic 在去年不得不掏出 15 億美元鉅款達成和解。

這次出版商的訴求除了經濟賠償和禁止侵權行為外，最狠的一刀是要求 Meta 公開訓練 Llama 所使用的全部書籍和期刊清單。

Meta 發言人 Dave Arnold 則發表宣告反駁，稱法庭已經認定版權材料訓練可以屬於合理使用，AI 正在為各行各業帶來變革性創新，Meta 將積極應訴。

為什麼重要

這起訴訟很可能會成為 AI 訓練資料合法性的一道真正分水嶺。

過去大模型廠商最喜歡拿「合理使用」當擋箭牌，邏輯是輸入資料只是為了學習規律，生成的是全新內容。但只要模型能一字不差地背誦教材，這種「轉換性使用」的說辭在法官面前就很難站得住腳，普通使用者或許覺得多了一個免費圖書庫，但對出版行業來說這是在直接砸飯碗。

更關鍵的區別在於獲取渠道。合規購買資料拿去訓練，法律層面尚有很大抗辯空間；可一旦坐實了是從 LibGen、Sci-Hub 這種公認的盜版源拉取資料，任何合理使用的抗辯都會變得極其脆弱，Anthropic 妥協掏出的 15 億美元就是最好的證明。

我們認為，Meta 這次最被動的不是賠錢，而是出版商要求的「公開訓練清單」。如果法庭支援這一項，Meta 過去幾代 Llama 的底牌將被迫全盤掀開，行業裡那種「先把網上的資料吸乾再裝傻」的粗暴訓練方式，恐怕再也混不下去了。