OpenAI 近期推出了一款名为 Privacy Filter 的开源模型，该模型专为文本脱敏设计，可帮助开发者高效识别并处理非结构化文本中的个人身份信息（PII）。基于混合专家（MoE）架构构建，模型参数规模达 1.5 亿，支持在 Hugging Face 和 GitHub 平台以 Apache 2.0 协议自由获取，允许开发者进行二次开发、定制化部署及商业应用。
与传统依赖规则匹配的隐私处理工具不同，Privacy Filter 通过深度语言理解能力分析上下文语义，能够精准区分公开信息与敏感数据。例如，在处理包含姓名、地址、身份证号等内容的文本时，模型可自动识别并遮盖特定个体的隐私信息，同时保留无关的公共数据。这一特性使其在数据训练、日志管理、内容审核等场景中具备显著优势，可帮助企业构建更完善的隐私保护流程。
技术层面，该模型支持长达 12.8 万个 Token 的上下文窗口，采用受限维特比算法生成连贯的脱敏结果。在 PII-Masking-300k 基准测试中，初始版本 F1 分数达 96%，经标注数据修正后进一步提升至 97.43%，展现出对复杂文本的高精度处理能力。研究人员指出，模型通过多专家模块协同工作，有效平衡了计算效率与识别准确率。
OpenAI 特别强调，Privacy Filter 属于隐私保护工具而非匿名化解决方案，其性能无法替代专业合规认证。在医疗、金融等高风险领域，开发者仍需结合人工审核与领域适配的微调策略。为保障数据安全，模型设计支持本地化部署，用户可在离线环境中运行，避免个人信息上传至云端服务器。
