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。

显存计算器

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。

进一步了解 Apache 2.0

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。

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