智谱发放上亿Token补偿，能否重建开发者信任？

「核心要点」
智谱为ZCode事件承担责任，推出补偿与整改措施。

作者 | 张经纬 改写 | 徽声在线编辑

编辑 | 邢昀 审核 | 徽声在线内容组

“信任重建，非一日之功。”

9月28日，智谱旗下的AI编程助手ZCode在公布新一轮用户补偿方案时，留下了这样一句引人深思的话。

根据ZCode的官方公告，所有付费用户以及在一个月内重新回归的付费用户，将获得4张周额度重置卡和4张5小时额度重置卡；同时，在9月28日至10月7日期间，ZCode将面向全体用户每日发放限量Token额度，以表诚意。

然而，相比补偿措施，用户更关心的是ZCode的整改进展。智谱方面表示，ZCode已经移除了仓库快照上传链路，删除了所有涉事的云端数据，并经过第三方机构的核查确认。公司郑重承诺，除非用户主动发起相关操作，否则用户内容将不会上传至云端。

这一系列的补偿与整改措施，旨在回应十天前开发者们提出的质疑与担忧。

时间回溯到9月18日，有用户意外发现ZCode在未充分告知的情况下，擅自打包其本地代码工作区，并尝试上传至服务器，这一行为在开发圈内引发了广泛的讨论与关注。

面对质疑，智谱迅速作出反应，在数小时内发布致歉声明，将问题归因于“代码库索引”功能的默认开启，并强调涉事数据已经删除，且从未用于模型训练。为了进一步消除用户疑虑，智谱在9月21日宣布开源ZCode代码库，引入中国信通院与绿盟科技的第三方安全审计，并上线了“零数据留存”机制。

然而，尽管智谱采取了积极的危机公关措施，但截至9月29日，智谱（02513.HK）的股价仍在6个交易日里连续下滑，显示出资本市场对此事的持续担忧。

资本市场用脚投票，不仅表达了对智谱此次技术故障的担忧，更反映出在AI应用日益普及的当下，数据合规问题已经成为影响用户对整个AI工具信任基础的关键因素。

1、信息泄露风波始末

这场风波的起因，源于一位开发者的偶然发现。

9月18日，开发者ferstar在清理电脑磁盘时，意外发现了一个由ZCode生成的313MB加密压缩包，其中竟然包含了他约10GB商业项目的核心资产，涉及数据库口令、云服务凭证等敏感信息。更令人震惊的是，这个压缩包的上传已经失败并重试了564次。

虽然这份商业项目快照最终并未成功上传至云端，但压缩包中包含的完整.git历史、Git LFS大文件缓存、reflog和全局应用配置等信息，意味着哪怕一个文件从未在对话中被提及，甚至早已被删除，只要它还留在Git历史里，都会被ZCode原样打包。

此外，上传过程虽然经过加密，但密钥由服务端动态下发，私钥仅保存在云端。这意味着用户本地无法对代码索引和代码wiki进行解密，这一设计在ZCode的用户反馈群中引发了极大的不满与质疑。

更令人感到无奈的是，这样的行为在ZCode的用户协议中竟然找不到明确的禁止条款。因为，ZCode用户协议中明确写着：注册、登录并使用该产品，即视为用户明确授权ZCode访问并操作本地设备环境，包括调用相关应用程序、网络状态及各类登录凭证等，以执行相应的AI辅助操作服务指令。

而协议中的另一处提醒则更加耐人寻味：鉴于ZCode“具备较高的本地系统操作权限，智谱建议您在虚拟机、沙箱或其他相对隔离的环境中使用本产品，并尽可能避免将重要数据文件、核心磁盘目录或生产环境与本产品相关联”。

这不禁让人产生疑问：ZCode一边要求用户授权整台设备的访问权，一边又建议用户别在这台设备上放任何重要的东西，这究竟是一种怎样的产品设计逻辑？

“只要用了ZCode，代码库就可能会被上传。”创业者明明在9月18日当天购买了智谱的服务后，就在客户群中亲眼见证了事件的发酵过程，她对此表示了深深的忧虑。

就在ferstar发现问题后不久，太原承明科技也致函智谱，披露其工作区有文件和明文字符被ZCode打包处理，要求智谱提供删除证明、访问审计日志与私钥保管机制，并限期书面答复。不过，此后承明科技又发布澄清说明，撤回了函件及所列主张。

面对事件的持续发酵与扩散，智谱迅速作出反应，进行道歉与整改。9月18日傍晚，智谱在ZCode官方社群发布致歉声明；9月19日，ZCode v3.14.0版本修复了“仓库百科异常上传”的问题；9月20日晚，智谱宣布MaaS平台将上线“数据内容不留存”功能；9月21日，智谱正式宣布开源ZCode代码库，并由中国信通院与绿盟科技进行安全审计。公司还承诺设立漏洞奖励计划，并每月发布安全审计报告。

9月28日，智谱再次公布整改进度，并推出了详细的补偿方案，试图挽回用户的信任。

这背后反映出的是来自企业端以及开发者对智谱业务的至关重要影响。

据公开资料显示，2026年上半年，智谱总收入达到了9.54亿元，同比增长了惊人的399.7%，其中MaaS开放平台及API服务收入占据了8.25亿元，占比高达86.5%。

对于智谱而言，开发者和企业对平台服务的持续使用是其商业化的重要基础。而ZCode作为一款需要接触用户代码的编程工具，数据边界争议不仅关乎产品故障，更可能影响用户对产品的安全信任。

“我是完全不能接受自己的代码库被上传的，哪怕大模型公司不用它训练，万一泄漏了风险也很大。我理解越是从事创造性的活动，越是难以接受类似的事情发生；企业端应该更难接受，因为潜在的经济损失更大。”科研从业者小丁在接受《徽声在线》采访时这样表示。

智谱的亡羊补牢之举并非没有代价，明明很快就选择了退款。资深开发者老郭平时主要使用Codex，当被问及如果同样的事情发生在Codex身上他会怎么做时，老郭毫不犹豫地回答：“我会弃用。”

2、智谱为何会陷入这样的困境？

按照智谱的解释，争议源于ZCode上线初期默认开启的“代码库索引”功能。该功能涉及本地仓库索引、会话检查点恢复、历史版本回退和Repo Wiki等功能；初衷是为了提升用户体验。

然而，在云端生成Repo Wiki页面时，可能触发仓库数据的上传。智谱将其解释为产品功能设计中的管理问题，并在开发者质疑后迅速致歉，并移除了相关上传链路。

对于AI编程工具而言，理解项目上下文确实有助于处理复杂任务。但“需要读取代码”与“默认打包包括Git历史在内的工作区快照并尝试上传”并不是同一回事。尤其当用户并未主动发起Repo Wiki任务时，工具究竟需要哪些数据、哪些处理可以在本地完成，就成为了这场争议的关键所在。

这一问题恰好发生在ZCode快速扩大用户规模的阶段。

ZCode于2025年12月发布，智谱在2026年8月就宣称其用户数已经达到了百万级别。AI编程也是公司着力拓展的重要应用场景。在用户规模与商业化双重冲刺期的产品，“多拿一点数据”似乎很难被视为禁区，更可能被视为一种默认无害的选项。

然而，这并不是智谱第一次面对数据安全的质疑。早在2025年5月，国家网络与信息安全信息通报中心就曾点名通报智谱清言“实际收集的个人信息超出用户授权范围”，同期被通报的还有Kimi等其他公司。

在政策边缘试探的背后，反映出的是智谱所处的严峻市场环境。在国内市场，DeepSeek以开源生态和持续降价策略重塑了市场定价体系，阿里、字节等巨头则挟算力与渠道优势挤压市场份额；在海外市场，国产模型与国际顶尖水平的差距虽然在收窄，但确实还未完全消失。

在资本市场上，智谱与MiniMax的收入体量相近，但市值一度是MiniMax的7倍。这意味着智谱需要展示更快的收入增速和技术推进速度，才能对得起资本市场的期望与厚爱。

一家在资本与技术竞争双重挤压下的公司，以月更的速度推模型、以百倍的增速做收入，功能上线的优先级自然会持续压倒流程与合规的优先级。ZCode事件暴露的，正是这种快节奏之下的管理缝隙与隐患。

另一方面，智谱也不得不面对潜在的“偷代码”质疑。

毫无疑问，Coding过程中备份的数据具有很大的价值，真实商业项目的私有代码更是稀缺资源。大模型训练对高质量代码数据的需求是公开的常识，尽管智谱明确表示相关数据“从未用于模型训练”，但在外界视角中，“数据会不会被用”与“厂商说不会用”之间，隔着用户与企业之间的信任鸿沟，以及企业可操作的技术空间。

开源可以缩减这个技术空间，这也是智谱后续把“开源”作为整改措施的重要原因。有一些开发者在很早之前使用过ZCode，但后面选择了其他早就开源的AI Coding Agent。对于开发者而言，开源意味着代码全公开，“平台能够做什么”更加透明，因此也更加安全可靠。

3、AI工具的安全边界究竟在哪？

AI工具因为安全边界问题遭遇质疑的，智谱并不是第一个，也很难是最后一个。

2026年7月，XAI的编程工具Grok Build就陷入了代码上传争议。安全研究人员通过抓包发现，该工具会将用户整个代码仓库上传至谷歌云存储，即使关闭“改进模型”选项，上传行为仍可能继续。事件最终以马斯克承诺删除此前上传到XAI的所有用户数据、开源84万行代码收场。

同样在7月，Anthropic的Claude Code被曝通过替换系统提示词中撇号的Unicode编码来编码检测结果，用于识别用户所在地域。后工信部下属平台发布风险提示，包括阿里在内的多家企业内部禁用了Claude Code。

其实早在2025年，DeepSeek就曾因GDPR合规问题遭到意大利监管机构的质疑；OpenAI在2023年也出现了开源库漏洞导致用户聊天记录泄露的情况。

这些事件不能简单归为同一种“违规”：有的是产品数据传输范围受到质疑，有的是隐蔽的信息回传机制，有的是监管对数据处理方式提出疑问，也有的是技术漏洞导致的安全问题。

但背后有一点很清楚：违规都发生在用户看不见的地方，全部是绕过显性授权的工程设计；厂商们最初的解释往往绕不开产品功能或技术需要，而最终的刹车，没有一次来自厂商自律，几乎全部来自外部力量——开发者的逆向分析、监管的介入或司法审查等。

用户也在变得更加谨慎与敏感。在社交平台上，“迁移”“卸载”“审查出站流量”成为开发者社区的高频词。有用户在技术论坛整理了“AI编程工具出站流量自查指南”，将代理抓包、沙箱运行、密钥隔离等措施列入日常使用清单。信任的成本，正在从厂商一侧转嫁到用户一侧。

监管也正持续加强对AI应用所涉及的个人信息和数据安全问题的治理力度。

2026年1月1日起，新修改的《网络安全法》正式施行，不仅增设了人工智能安全条款，明确国家支持AI发展的同时加强风险监测评估和安全监管，还强调“通过行业企业自律、社会监督与政府监管的协同配合，厘清人工智能发展的安全红线”。

早在2023年通过的《生成式人工智能服务管理暂行办法》也明确规定，服务提供者应依法保护用户输入信息和使用记录，不得收集非必要个人信息，也不得非法留存或向他人提供相关信息。执法层面同样在加码，中央网信办自4月起在全国部署了“清朗·整治AI应用乱象”专项行动。

事实上，用户隐私问题贯穿了互联网时代以来技术发展的始终。在PC时代，服务器日志和浏览器历史已经能够记录用户行为；Cookie的出现让跨会话、跨页面的持续追踪变得标准化和低成本。而AI时代的区别在于，风险对象不再只是浏览记录、通讯录和位置信息，而是开发者的完整代码仓库、企业的私有项目、内部文档和密钥凭证等核心资产。

AI的发展，某种程度上意味着人们要始终和这样的风险共处。如何进行平衡与取舍，是全行业和监管部门都需要深入思考的问题。