D 级 · 机制支持
Duolingo：每天近 20 亿次练习进入预测与 A/B 测试
Duolingo 披露，每次作答被用于预测学习者答对特定练习的概率并调整难度，每季度运行数百项 A/B 测试。这里的优势不是“有很多数据”，而是行为、结果、实验与产品调整连成回路。效果归因仍属管理层表述，因此只列 D 级。
Evidence ledger · F-05
数据护城河有两条路，不只有反馈闭环
首次登记 2026-07-19 · 到期 2029-07-19 · 下次复查 2026-10-19
当前预测 · 64%
闭环数据，或独占且权威的数据
到 2029-07，能在基础模型升级后维持差异的数据优势，主要来自：合法复用且连接结果标签/实验的反馈闭环，或难复制的权利、权威性、持续维护与责任体系。仅有静态规模而缺少两者，多数不能形成持续溢价。
一手公开证据
B 级 · 强支持
OpenAI：客户数据默认不用于训练
企业隐私政策明确客户拥有并控制业务数据，默认不用于模型训练，并控制保留时间与连接源。能访问客户数据，不等于取得合法的跨客户复用权。
D 级 · 强边界反证
Thomson Reuters：静态内容也可能因权威与权利而值钱
CoCounsel Legal 明确依赖 authoritative Westlaw primary law、trusted Practical Law guidance 和引用。静态数据若具有难复制的权利、权威维护与责任承诺，并不需要高频反馈才有商业价值。
为什么从 78% 降到 64%
闭环机制与复用权约束都真实存在，但“静态数据没有护城河”被权威法律内容直接击穿。公开材料还没有在基础模型升级前后，把数据优势对应到盲测质量、留存与价格，因此不能维持 78%。
强制更新条件
上调至少 10%
五个以上产品在两次模型升级后，仍证明闭环或权威数据带来质量、留存或价格优势。
五个以上产品在两次模型升级后，仍证明闭环或权威数据带来质量、留存或价格优势。
下调至少 10%
通用模型持续抹平两类优势，或隔离与授权约束使闭环无法复用、权威内容无法维持溢价。
通用模型持续抹平两类优势，或隔离与授权约束使闭环无法复用、权威内容无法维持溢价。
判断变更记录
2026-07-19 · v1.5 · 78% → 64%
从单一路径改成双路径：反馈闭环，或独占/权威/持续维护/责任体系；把可复制且无标签、无授权的静态库存与高价值权威内容分开。