---
title: "Pengekalan data sifar API LLM: 10 soalan untuk ditanya"
description: "Maksud sebenar \"pengekalan data sifar\" bagi API LLM: prompt, output, log, latihan, subpemproses dan audit. Sepuluh soalan untuk ditanya sebelum menghantar data."
url: https://broadrouter.com/ms/blog/zero-data-retention-llm-api-checklist/
lang: ms
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/blog/zero-data-retention-llm-api-checklist/) (dikemas kini 2026-11-16).

# API LLM dengan pengekalan data sifar: senarai semak 10 soalan

Oleh pasukan BroadNet Inference · 5 minit bacaan · Diterbitkan 2026-11-14 · Dikemas kini 2026-11-16

API LLM dengan pengekalan data sifar memproses prompt dan output anda untuk permintaan itu dan tidak menyimpannya selepas itu, sama ada dalam log, cache atau set latihan. Tanya apa yang disimpan (biasanya rekod penggunaan tanpa kandungan), berapa lama, siapa yang mengendalikan GPU dan bagaimana pengekalan disemak. BroadNet Inference tidak menyimpan prompt, imej, audio atau jawapan dan menyemak setiap jam bahawa konfigurasi gateway-nya tidak menyimpan kandungan.

## Perkara utama

-   Pengekalan data sifar meliputi prompt, imej, audio, output dan badan permintaan, termasuk log.
-   Sesetengah rekod sentiasa disimpan untuk pengebilan dan keselamatan. Rekod itu sepatutnya tanpa kandungan.
-   "Tidak digunakan untuk latihan" tidak sama dengan "tidak disimpan". Tanya kedua-duanya.
-   ZDR selalunya terhad mengikut akaun, endpoint atau pengecualian keselamatan. Minta skop yang tepat.
-   Tanya siapa yang mengendalikan GPU. Kapasiti yang dijual semula menambah satu lagi pihak dalam laluan data.
-   BroadNet Inference: tiada kandungan disimpan, hanya rekod penggunaan tanpa kandungan, semakan konfigurasi setiap jam. Pernyataan privasinya meletakkan model yang dihoskan pada "BroadNet-owned or leased hardware in the United States" (Terjemahan: perkakasan milik BroadNet atau yang dipajak di Amerika Syarikat) dan model yang disediakan rakan kongsi dengan rakan kongsi inferens di AS.

**Dalam halaman ini**

1.  Apakah yang patut diliputi oleh pengekalan data sifar?
2.  Adakah latihan, pengekalan dan ZDR janji yang sama?
3.  Di manakah janji ZDR biasanya ada kelompangan?
4.  Apakah 10 soalan yang patut anda tanya kepada penyedia?
5.  Bagaimanakah BroadNet Inference menjawabnya?
6.  Adakah ZDR meliputi pertuturan dan audio bahasa Arab?
7.  Bagaimanakah anda menyemak jawapan penyedia?
8.  Apakah yang tidak diselesaikan oleh ZDR?
9.  Di manakah BroadNet Inference sesuai

_[image: A glass enclosure with an input entering and a response leaving, labelled "Private inference".]_

Ejen pengekodan menghantar keseluruhan repositori. Bot sokongan menghantar mesej pelanggan. Saluran transkripsi menghantar panggilan telefon. Sebelum semua itu dihantar ke API LLM, seseorang akan bertanya: **apa yang berlaku kepadanya selepas jawapan diterima?** “[Pengekalan data sifar](https://broadrouter.com/ms/glossary/zero-data-retention/)” (zero data retention, ZDR) ialah jawapan yang ingin didengar, tetapi frasa itu merangkumi amalan yang sangat berbeza.

## Apakah yang patut diliputi oleh pengekalan data sifar?

Kandungan yang **tidak** patut kekal selepas permintaan:

-   Prompt, prompt sistem dan hasil alat
-   Imej dan audio
-   Output model dan transkrip
-   Badan permintaan dan respons penuh, termasuk dalam log nyahpepijat
-   URL mentah, rentetan pertanyaan dan nilai pengesahan

Rekod yang biasanya **disimpan**, dan sepatutnya tanpa kandungan:

-   ID permintaan, masa, status HTTP, kiraan bait
-   ID akaun dan kunci, model, kiraan token, kos
-   Alamat IP klien, untuk keselamatan

Jika penyedia tidak dapat memberitahu anda senarai mana setiap item berada, anggap itu sebagai “tidak”.

## Adakah latihan, pengekalan dan ZDR janji yang sama?

| Janji | Maksudnya | Apa yang bukan maksudnya |
| --- | --- | --- |
| “Tidak digunakan untuk latihan” | Data anda tidak akan melatih model akan datang | Ia mungkin masih disimpan untuk seketika |
| “Disimpan selama N hari” | Kandungan disimpan, kemudian dipadam | Kakitangan atau sistem mungkin mengaksesnya sementara itu |
| “Pengekalan data sifar” | Kandungan tidak disimpan selepas permintaan | Metadata masih disimpan |

Penyedia besar menunjukkan mengapa perbezaan ini penting. Untuk perbandingan bersebelahan kata-kata rasmi beberapa penyedia, lihat [pengekalan data API LLM dibandingkan](https://broadrouter.com/ms/blog/llm-api-data-retention-compared/). [Halaman kawalan data](https://developers.openai.com/api/docs/guides/your-data) OpenAI menyatakan bahawa sejak 1 Mac 2023, data API tidak digunakan untuk melatih modelnya secara lalai. Halaman yang sama menyatakan log pemantauan penyalahgunaan “are retained for up to 30 days” (Terjemahan: disimpan sehingga 30 hari), bahawa kawalan ZDR “are subject to prior approval by OpenAI” (Terjemahan: tertakluk kepada kelulusan awal OpenAI), dan bahawa endpoint yang menyimpan keadaan, seperti files, assistants dan batches, tidak layak. Penyedia boleh jujur tentang ketiga-tiga perkara itu dan masih menyimpan kandungan anda selama sebulan secara lalai.

## Di manakah janji ZDR biasanya ada kelompangan?

-   **Kelayakan.** ZDR mungkin memerlukan kelulusan, pelan tertentu atau kontrak, dan dimatikan sehingga dihidupkan.
-   **Skop endpoint.** Chat mungkin layak manakala storan fail, batch atau penalaan halus tidak.
-   **Pengecualian keselamatan.** Soalan lazim OpenRouter, sebagai contoh, mentakrifkan ZDR sebagai “no routine storage of prompts or responses after processing, apart from a CSAM exception” (Terjemahan: tiada penyimpanan rutin prompt atau respons selepas pemprosesan, kecuali satu pengecualian CSAM).
-   **Lapisan di atas model.** Gerbang, penghala atau alat pemerhatian di tengah mungkin merekod prompt walaupun penyedia model tidak. Tanya setiap lapisan.
-   **Sistem anda sendiri.** Log aplikasi, penjejak ralat dan analitik anda selalunya menyimpan lebih banyak kandungan berbanding penyedia.

## Apakah 10 soalan yang patut anda tanya kepada penyedia?

1.  **Adakah prompt dan output disimpan selepas permintaan? Di mana-mana sahaja?** Termasuk log, cache, baris gilir dan sandaran.
2.  **Adakah sebarang kandungan digunakan untuk latihan atau penilaian?** Oleh anda atau oleh vendor model?
3.  **Apa yang anda simpan, medan demi medan?** Minta senarainya.
4.  **Berapa lama rekod penggunaan disimpan, dan mengapa?**
5.  **Siapa yang mengendalikan GPU?** Penyedia anda, sebuah awan, atau penjual semula kepada penjual semula?
6.  **Subpemproses mana yang boleh melihat kandungan permintaan?**
7.  **Bagaimanakah pengekalan disahkan?** Satu dasar, atau semakan automatik?
8.  **Bolehkah kunci dikunci pada alamat IP saya?** Kunci yang bocor juga satu laluan data.
9.  **Di manakah perkakasan itu, dan adakah penempatan serantau tersedia?**
10.  **Apa yang berlaku pada tiket sokongan?** Bolehkah kakitangan melihat kandungan apabila anda melaporkan pepijat?

Minta jawapan secara bertulis, dan catat dokumen mana yang menjadikannya mengikat: terma, pernyataan privasi atau perjanjian yang ditandatangani.

## Bagaimanakah BroadNet Inference menjawabnya?

| Soalan | BroadNet Inference |
| --- | --- |
| Prompt, imej, audio, jawapan disimpan | Tidak; diproses untuk permintaan dan tidak disimpan |
| Latihan menggunakan data anda | Tidak; pernyataan privasi menolak latihan, penalaan halus dan penilaian menggunakan data inferens |
| Apa yang disimpan | Rekod trafik, penggunaan dan akaun tanpa kandungan ([senarai penuh](https://broadrouter.com/ms/privacy/)) |
| Berapa lama rekod disimpan | Selama yang diperlukan oleh kewajipan pengebilan, cukai, keselamatan dan undang-undang |
| Pengesahan | Semakan konfigurasi gateway setiap jam untuk operasi tanpa kandungan |
| Perkakasan | Pernyataan privasi menyatakan model yang dihoskan berjalan pada “BroadNet-owned or leased hardware in the United States, with partner capacity as backup” (Terjemahan: perkakasan milik BroadNet atau yang dipajak di Amerika Syarikat, dengan kapasiti rakan kongsi sebagai sandaran); model yang disediakan rakan kongsi berjalan di bawah terma ZDR dengan rakan kongsi inferens di AS |
| Residensi data | Bersetuju tentang lokasi pemprosesan dengan BroadNet sebelum menghantar data yang tertakluk kepada keperluan residensi ([senarai semak GDPR](https://broadrouter.com/ms/blog/gdpr-llm-api-checklist/)) |
| Perlindungan kunci | [Senarai IP dibenarkan](https://broadrouter.com/ms/guides/api-keys-ip-allow-lists/), sehingga 32 entri; perubahan dan pembatalan terpakai pada permintaan baharu dalam masa lima saat |
| Kunci yang disimpan | Hash SHA-256 sahaja; kunci mentah ditunjukkan sekali |

Dokumentasi BroadNet menerangkan pengekalan data sifar sebagai “built into how we serve requests, not only stated in policy” (Terjemahan: terbina dalam cara kami menyediakan permintaan, bukan sekadar dinyatakan dalam dasar). Ia terpakai pada setiap permintaan, tanpa tetapan yang perlu dihidupkan. Butirannya ada dalam [pernyataan privasi](https://www.broadnet.ai/inference-privacy).

## Adakah ZDR meliputi pertuturan dan audio bahasa Arab?

Suara ialah input paling sensitif yang dikendalikan oleh kebanyakan produk: nota suara boleh mengandungi nama, nombor telefon dan butiran kesihatan dalam masa sepuluh saat. Jika anda mentranskripsi panggilan atau nota suara WhatsApp, tanya sepuluh soalan yang sama tentang audio dan transkrip. Lihat [panduan pembeli speech-to-text bahasa Arab](https://broadrouter.com/ms/blog/arabic-speech-to-text-api-buyers-guide/).

## Bagaimanakah anda menyemak jawapan penyedia?

1.  **Baca pernyataan privasi dan rujukan API**, bukan hanya halaman pemasaran. Cari senarai medan demi medan.
2.  **Semak skop.** Model, endpoint dan pelan mana yang diliputi oleh janji itu?
3.  **Lihat apa yang dipulangkan oleh API.** Jika papan pemuka menunjukkan prompt lama anda, ia disimpan di suatu tempat.
4.  **Tanya tentang proses sokongan.** Siapa boleh melihat apa apabila anda membuka tiket?
5.  **Tulis jawapan dalam rekod vendor anda**, dengan pautan dan tarikh anda menyemak.

## Apakah yang tidak diselesaikan oleh ZDR?

Pengekalan data sifar melindungi apa yang berlaku **selepas** permintaan anda sampai kepada penyedia. Anda masih perlu:

-   Menyimpan [kunci API](https://broadrouter.com/ms/glossary/api-key/) di pelayan, jangan sekali-kali dalam pelayar atau aplikasi mudah alih
-   Mengunci kunci pada IP keluar anda dengan [senarai IP dibenarkan](https://broadrouter.com/ms/glossary/ip-allow-list/)
-   Menyunting keluar apa yang tidak diperlukan oleh model, seperti nombor kad ([cara menyunting sebelum menghantar](https://broadrouter.com/ms/blog/llm-api-sensitive-data/))
-   Merekod ID permintaan di pihak anda, supaya anda boleh menyahpepijat tanpa penyedia menyimpan kandungan; [panduan ralat](https://broadrouter.com/ms/guides/errors-and-retries/) menunjukkan apa yang perlu dihantar kepada sokongan

Apabila anda memindahkan aplikasi dari satu penyedia ke penyedia lain, tambah semakan ini ke dalam [senarai semak migrasi](https://broadrouter.com/ms/blog/openai-compatible-api-migration-checklist/). Jika anda menghala melalui gerbang, tanya soalan yang sama kepadanya; [perbandingan OpenRouter](https://broadrouter.com/ms/blog/openrouter-alternative-flat-rate/) menunjukkan bagaimana satu penghala mengendalikan ZDR.

## Di manakah BroadNet Inference sesuai

BroadNet Inference sesuai untuk pasukan yang mahukan ZDR pada setiap permintaan tanpa perlu memohon, termasuk pada model yang dihoskan rakan kongsi, yang menurut pernyataan privasinya berjalan di bawah terma pengekalan data sifar dengan rakan kongsi inferens di AS. Ia menyimpan rekod tanpa kandungan untuk pengebilan dan keselamatan, seperti setiap penyedia. Jika anda memerlukan data anda diproses di rantau tertentu, bersetuju tentang lokasi pemprosesan dengan BroadNet sebelum menghantar data; lalai bagi model miliknya dan yang dihoskannya ialah AS.

Alat percuma untuk topik ini (Bahasa Inggeris)

-   [OpenAI-compatible API request builder](https://broadrouter.com/tools/api-request-builder/) One request, copied as curl, Python, Node or the OpenAI SDKs.
-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.

[Alatan percuma (Bahasa Inggeris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Zero data retention (ZDR, tiada pengekalan data)](https://broadrouter.com/ms/glossary/zero-data-retention/)

Zero data retention (ZDR) ialah dasar pengendalian data di mana penyedia AI memproses prompt dan output hanya untuk melayan permintaan dan tidak menyimpan kandungan itu selepasnya, sama ada dalam log, cache atau data latihan. Rekod tanpa kandungan seperti bilangan token dan masa biasanya masih disimpan.

[Fine-tuning (penalaan halus)](https://broadrouter.com/ms/glossary/fine-tuning/)

Fine-tuning ialah proses meneruskan latihan model bahasa yang telah dilatih dengan set data yang lebih kecil dan khusus tugas, seperti contoh perbualan, supaya pemberatnya berubah dan ia melaksanakan tugas atau gaya itu dengan lebih konsisten tanpa memerlukan arahan atau contoh panjang dalam setiap prompt.

[Baris Arab (tashkeel, Arabic diacritics)](https://broadrouter.com/ms/glossary/arabic-diacritics/)

Baris Arab, atau tashkeel, ialah tanda kecil yang ditulis di atas atau di bawah huruf untuk menunjukkan vokal pendek, konsonan berganda dan ketiadaan vokal. Ia pilihan: kebanyakan teks Arab, termasuk berita, meninggalkannya, jadi pembaca dan perisian meneka vokal daripada konteks.

[Ejen pengekodan AI (AI coding agent)](https://broadrouter.com/ms/glossary/coding-agent/)

Ejen pengekodan AI ialah alat perisian di mana model bahasa bekerja pada codebase dalam satu gelung: ia membaca fail, menyuntingnya, menjalankan arahan seperti ujian, membaca output dan menentukan langkah seterusnya sehingga tugas selesai atau had dicapai.

[GDPR](https://broadrouter.com/ms/glossary/gdpr/)

GDPR (General Data Protection Regulation, Regulation (EU) 2016/679) ialah undang-undang EU tentang pemprosesan data peribadi. Ia terpakai sejak 25 Mei 2018 dan meliputi organisasi yang bertapak di EU serta sesetengah organisasi di luar EU. Bagi API LLM, ia mengawal kontrak pemproses, pemindahan antarabangsa dan peminimuman data.

[Kunci API (API key)](https://broadrouter.com/ms/glossary/api-key/)

Kunci API ialah rentetan rahsia yang mengenal pasti dan membenarkan klien yang memanggil sesuatu API. API LLM biasanya menjangkakannya dalam pengepala Authorization: Bearer, dan sesiapa yang memegang kunci itu boleh membuat permintaan yang dibilkan kepada akaun pemiliknya.

[Speech-to-text (pertuturan kepada teks)](https://broadrouter.com/ms/glossary/speech-to-text/)

Speech-to-text, juga dipanggil pengecaman pertuturan automatik (ASR), ialah teknologi yang menukar audio pertuturan kepada teks bertulis. API speech-to-text menerima fail atau strim audio dan memulangkan transkrip, biasanya berharga setiap minit audio. Ketepatan diukur dengan kadar ralat perkataan dan berbeza mengikut loghat, dialek dan kualiti rakaman.

[Token](https://broadrouter.com/ms/glossary/token/)

Token ialah unit teks yang dibaca dan ditulis oleh model bahasa: satu perkataan, sebahagian perkataan, tanda baca atau jujukan bait yang dihasilkan oleh tokenizer model itu. API LLM mengira, mengehadkan dan biasanya mengebil penggunaan dalam token.

## Soalan lazim

### Apakah maksud pengekalan data sifar bagi API LLM?

Penyedia memproses prompt, fail dan output anda untuk menjawab permintaan dan tidak menyimpan kandungan itu selepas itu, termasuk dalam log, cache, sandaran atau set latihan. Rekod tanpa kandungan seperti masa dan kiraan token biasanya masih disimpan.

### Adakah pengekalan data sifar bermaksud tiada log langsung?

Tidak. Penyedia menyimpan rekod operasi seperti masa, kiraan token, kos, kod status dan alamat IP. Pengekalan data sifar bermaksud rekod itu tidak mengandungi kandungan prompt atau output.

### Adakah "kami tidak melatih model dengan data anda" sama dengan pengekalan data sifar?

Tidak. Penyedia boleh berjanji untuk tidak melatih model dengan data API tetapi masih menyimpannya untuk suatu tempoh, contohnya untuk pemantauan penyalahgunaan. Dokumentasi OpenAI menyatakan data API tidak digunakan untuk latihan secara lalai, dan log pemantauan penyalahgunaan disimpan sehingga 30 hari.

### Adakah prompt saya digunakan untuk melatih model di BroadNet Inference?

Tidak. Pernyataan privasi BroadNet menyatakan ia tidak menggunakan data inferens "to train, fine-tune or evaluate models" (Terjemahan: untuk melatih, menala halus atau menilai model), dan prompt, imej, audio, jawapan dan transkrip tidak disimpan selepas permintaan.

### Adakah pengekalan data sifar mencukupi untuk GDPR?

Ia membantu tetapi tidak menyelesaikannya dengan sendiri. Anda masih memerlukan asas yang sah, rekod pemprosesan dan perjanjian dengan setiap pemproses. Tanya ketua perlindungan data anda; ZDR mengurangkan apa yang dipegang oleh penyedia, bukan kewajipan anda sendiri.

### Di manakah BroadNet menjalankan modelnya?

Pernyataan privasi BroadNet menyatakan model open-weight miliknya dan yang dihoskannya berjalan pada perkakasan milik BroadNet atau yang dipajak di Amerika Syarikat, dengan kapasiti rakan kongsi sebagai sandaran. Model yang disediakan rakan kongsi berjalan di bawah terma pengekalan data sifar dengan rakan kongsi inferens di AS. Hubungi BroadNet untuk bersetuju tentang lokasi pemprosesan sebelum menghantar data yang tertakluk kepada keperluan residensi.

## Teruskan membaca

-   [PDPL Arab Saudi dan UAE serta API LLM: senarai semak rentas sempadan](https://broadrouter.com/ms/blog/saudi-uae-pdpl-llm-api-checklist/)
-   [API speech-to-text bahasa Arab: cara memilih pada 2026](https://broadrouter.com/ms/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Beralih ke API serasi OpenAI: senarai semak migrasi](https://broadrouter.com/ms/blog/openai-compatible-api-migration-checklist/)
-   [OpenRouter vs pelan kadar tetap untuk ejen AI: mana lebih murah?](https://broadrouter.com/ms/blog/openrouter-alternative-flat-rate/)
-   [Undang-undang perlindungan data Mesir (Law 151 of 2020) dan API LLM](https://broadrouter.com/ms/blog/egypt-data-protection-law-llm-api/)
-   [The Safety Map: bagaimana 39 LLM mengendalikan data sensitif](https://broadrouter.com/ms/blog/llm-safety-map-39-models/)
-   [Panduan: Kunci API kepada pelayan anda dengan senarai IP dibenarkan](https://broadrouter.com/ms/guides/api-keys-ip-allow-lists/)
-   [Panduan: Kod ralat BroadNet Inference dan bila perlu cuba semula](https://broadrouter.com/ms/guides/errors-and-retries/)

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

[Mulakan](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-zero-data-retention-llm-api-checklist&utm_content=page-cta) ·

**Sumber**

-   [Pernyataan privasi BroadNet Inference (disemak 2026-11-15) (Bahasa Inggeris)](https://www.broadnet.ai/inference-privacy)
-   [Rujukan API BroadNet Inference, ke mana data anda pergi (disemak 2026-11-15) (Bahasa Inggeris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-blog-zero-data-retention-llm-api-checklist&utm_content=sources#data)
-   [BroadNet, cara ia mengendalikan data (disemak 2026-11-15) (Bahasa Inggeris)](https://www.broadnet.ai/)
-   [OpenAI API, kawalan data (disemak 2026-11-14)](https://developers.openai.com/api/docs/guides/your-data)
-   [Soalan lazim OpenRouter, takrif ZDR (disemak 2026-11-14)](https://openrouter.ai/docs/faq)
