6月5日，科技媒体TheDecoder报道指出，微软最新发布的MAI系列AI模型在训练过程中部分使用了未获授权的开放网络数据，这与微软之前所声称的“仅采用企业级、干净且商业授权数据”相矛盾。微软在宣传MAI系列模型时强调，这些模型完全基于干净数据从零开始训练，并未使用来自第三方模型的蒸馏数据。然而，官方披露的技术论文显示，MAI模型实际上依赖于商业授权数据和包括CommonCrawl在内的开放网络数据的混合方案，覆盖了授权语料和互联网公开内容。

微软在网络数据获取方式上声称使用自有爬虫，并遵守RobotsExclusionProtocol（机器人排除协议，网页链接）以及相关元标签和HTML控制项。争议点在于，对于未屏蔽内容，默认视为可被抓取，内容保护责任实际上更多落到网站所有者身上，这种逻辑近似于“没有锁门就等于同意进入”。