OpenAI Privacy Filter
OpenAI 的 Apache 2.0 词元分类模型,能找出并遮盖文本中的个人信息:15 亿参数,激活 5000 万,上下文 128K。
一句话概括. OpenAI Privacy Filter 是一个小模型,它读取文本并标出个人信息,比如姓名、邮箱、电话号码和密码,这样你可以在文本流向别处之前先把它们遮盖掉。它不生成文本。它能在笔记本甚至网页浏览器里运行,采用 Apache 2.0 许可证。
概述
OpenAI 于 2026 年 4 月 22 日发布 Privacy Filter,这是一个用于检测和遮盖文本中个人身份信息(PII)的开放权重模型。它不是聊天模型。它从一个与 gpt-oss 架构相似但更小的自回归检查点出发,被转换成双向的词元分类器:8 层结构,残差宽度 640,在 257 个词元的带状窗口上做分组查询注意力,并使用稀疏混合专家层,共 128 个专家,每个词元用 4 个。Hugging Face 上的文件约含 14 亿参数,OpenAI 给出的数字是总计 15 亿、激活 5000 万。模型一次前向推理给每个词元打上标签,再用带约束的 Viterbi 步骤解码出完整的片段。上下文窗口为 128K 个词元,所以长文档不需要切块。
它能检测八类信息:账号、私人地址、邮箱、人名、电话号码、网址、日期,以及密码和密钥这类机密。运行时的设置可以让你在精确率和召回率之间取舍,也能调整检测出的片段长度。OpenAI 报告在 PII-Masking-300k 测试集上词元级 F1 为 0.960,在 OpenAI 修正了标注问题的版本上为 0.974。在 CredData 机密检测基准上,词元级 F1 为 0.844,但片段级 F1 只有 0.624,原因是精确的片段边界不一致。OpenAI 还报告,用少量数据微调就能把某个领域基准上的 F1 从 54% 提高到 96%。这些数字都来自 OpenAI 自己,OpenAI 还说它在自己的隐私工作流中使用该模型的微调版本。
BF16 文件为 2.8 GB,仓库里还有 ONNX 文件,最小的 4 位版本约 0.9 GB,可以通过 Transformers.js 和 WebGPU 在浏览器里运行。模型卡强调,它是遮盖和数据最小化的辅助工具,不是匿名化或合规的保证。标签集是固定的,要换一套策略就得微调,模型卡也警告它可能漏掉不常见的名字、非拉丁文字或新的凭据格式,并可能过度遮盖公共人名或无害的高熵字符串。在截至 2026 年 11 月 11 日的 30 天里,Hugging Face 统计到约 10.3 万次下载。
适合做什么
- 在分享、建索引或用于训练之前,遮盖日志、工单和文档里的姓名、邮箱、电话号码和机密
- 在本地或浏览器里做遮盖,让原始文本不离开机器
- 按组织自己的隐私政策微调一个小型分类器
- 在敏感工作流里作为人工审核之前的快速初筛
需要注意
- OpenAI 称它是数据最小化的辅助工具,不是匿名化或合规的保证,并要求在医疗、法律、金融和人力资源场景里保留人工审核
- 标签集固定为八类,换一套策略需要微调
- 在非英语文本、非拉丁文字和少见的命名习惯上准确率可能下降,片段边界也可能偏移,最明显的是代码里的机密
- 所有分数都来自 OpenAI 自己,“修正后”的基准用的是 OpenAI 自己修订的数据集标签
- 它只负责给文本打标签,不能改写,也不能回答问题
性能数据来自开发方,未经独立验证。
需要多少内存?
以下为 Privacy Filter (BF16) 版本的估算。混合专家模型虽然每个 token 只用到部分专家,但所有专家都必须装进内存:总参数量决定所需内存,激活参数量决定速度。
| 版本 | 参数量 | BF16 | FP8 / INT8 | 4-bit (Q4) | 可运行于 |
|---|---|---|---|---|---|
| Privacy Filter (BF16) BF16 | 1.4B 激活 50M | 3.22 GB | 1.61 GB | 0.966 GB | 笔记本或手机 |
| ONNX q4 (Transformers.js with WebGPU) INT4 | 1.4B 激活 50M | 3.22 GB | 1.61 GB | 0.99 GB | 笔记本或手机 |
估算方法:权重大小加约 15% 的运行开销。实际占用会随上下文长度增长,也取决于所用的软件。
许可证,用大白话说
最常见的宽松型许可证之一。你可以使用、修改模型并基于它销售产品,只需遵守少量条件。
常见问题
- OpenAI Privacy Filter 是什么?
- OpenAI Privacy Filter 是一个小模型,它读取文本并标出个人信息,比如姓名、邮箱、电话号码和密码,这样你可以在文本流向别处之前先把它们遮盖掉。它不生成文本。它能在笔记本甚至网页浏览器里运行,采用 Apache 2.0 许可证。
- OpenAI Privacy Filter 可以商用吗?
- 可以。OpenAI Privacy Filter 采用 Apache 2.0 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
- OpenAI Privacy Filter 是开源的吗?
- OpenAI Privacy Filter 采用 Apache 2.0 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
- 我能在自己的电脑上运行 OpenAI Privacy Filter 吗?
- 可以。最小版本 Privacy Filter (BF16) 在 4 位精度下约需 0.966 GB 内存,现代笔记本或中端显卡即可胜任。
- OpenAI Privacy Filter 是什么时候发布的?
- OpenAI Privacy Filter 由 OpenAI 于 2026年4月22日 发布。
- OpenAI Privacy Filter 的上下文窗口有多长?
- OpenAI Privacy Filter 支持最长 128K token 的上下文窗口。
官方链接
来源
规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。
- Introducing OpenAI Privacy Filter (OpenAI, 22 April 2026) openai.com
- Model card for OpenAI Privacy Filter (OpenAI, PDF) cdn.openai.com
- openai/privacy-filter model card (Hugging Face) huggingface.co
- openai/privacy-filter repository (GitHub) github.com
发布时间等信息最近核实于 2026年11月11日。
相关模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| gpt-oss OpenAI | 21B – 117B 激活 5.1B | 128K | Apache 2.0 (宽松) | 15 GB 笔记本或手机 | |
| Clef Cloudflare | 9.41B – 27.4B | 64K | Apache 2.0 (宽松) | 6.49 GB 笔记本或手机 | |
| Liquid d1 Liquid AI | 587M – 3.12B | 128K | LFM Open 1.0 (附条件) | 0.405 GB 笔记本或手机 | |
| Needle 3 Cactus Compute | 121M | 8K | Apache 2.0 (宽松) | 0.0835 GB 笔记本或手机 |