USA Today Co., matriz de USA Today (antes Gannett), demandó a OpenAI el 8 de octubre ante el tribunal federal del Distrito Sur de Nueva York. Le acusa de usar sin autorización cientos de miles de artículos de noticias de sus 19 periódicos para entrenar los modelos de la serie GPT, y reclama una indemnización superior a 250 millones de dólares. Es otra pieza importante en la guerra de derechos de autor entre editores y empresas de IA.
Puntos clave
1. Pruebas detalladas, con la demanda apuntando directamente al corpus de entrenamiento: la demanda, de 79 páginas, sostiene que el corpus interno WebText de OpenAI contiene más de 160.000 entradas de artículos del grupo, 83.000 de ellas solo de usatoday.com, y que el contenido de los dominios de sus publicaciones en el conjunto de datos C4 supera los 122 millones de tokens. También cita comunicaciones internas de OpenAI: el cofundador Greg Brockman dijo que el modelo era "especialmente bueno prediciendo el texto de artículos de noticias", y un vicepresidente de investigación afirmó que "entrenar redes es hacer que memoricen datos".
2. Muestras de salida de GPT-5.6 como prueba: la demanda adjunta ejemplos de salida de GPT-5.6 que muestran que, al pedirle que busque artículos por titular, el modelo puede producir resúmenes largos de varias secciones que reproducen la estructura y la organización del original, con artículos de periódicos locales como The Indianapolis Star y el Detroit Free Press. La parte demandante sostiene que OpenAI entrenó deliberadamente el modelo para ser un "sustituto" de las noticias; como admitió el responsable de ChatGPT: "una vez que ChatGPT da la respuesta, no hay razón para hacer clic en el enlace original".
3. Acumulación al litigio consolidado de derechos de autor del Distrito Sur de Nueva York: ese mismo día se presentó una notificación de caso relacionado para pedir que se acumule al litigio multidistrito (MDL) por infracción de derechos de autor contra OpenAI ya consolidado en ese tribunal, cuyos demandantes incluyen a The New York Times, el Center for Investigative Reporting y otras organizaciones. El resultado podría redefinir los límites de las reglas del sector sobre el "raspado web más entrenamiento de modelos".
Enlace original: ver el original. Este texto es un resumen y se ofrece solo como referencia.
