GitHub近日宣布将从2026年4月24日起更新其代码库政策,计划利用用户交互数据训练其AI模型。 此次数据采集范围涵盖Copilot Free、Pro及Pro+用户,具体包含模型输入输出、代码片段、上下文信息、仓库结构及聊天交互记录。
GitHub首席产品官Mario Rodriguez表示,引入交互数据旨在提升模型的代码建议准确率与安全性,并称微软内部数据的预先测试已显著提高了建议接受率。值得注意的是,该政策采取“预设加入”机制,受影响用户需手动进入隐私设置关闭相关选项方可退出,这引发了开发者社区关于私有仓库定义及数据确权的广泛讨论。
目前,受合同条款约束的Copilot Business、Enterprise用户以及教育版用户暂不受此变更影响。GitHub在说明中强调,此举符合Anthropic、JetBrains及微软等大厂通行的行业惯例。然而,将私有仓库代码纳入训练集实质上挑战了传统“私有”概念的边界,即便GitHub声称其目的是优化开发工作流。
从行业视角看,随着高质量公域代码数据趋于枯竭,头部AI厂商正加速转向挖掘私有交互数据等“深层数据”以寻求模型性能红利。这一政策转变不仅标志着GitHub从开源托管平台向闭环AI训练生态的进一步倾斜,也预示着AI开发者工具领域正进入数据合规与模型演进博弈的新阶段。
