OpenAI开源PII脱敏模型Privacy Filter，采用混合专家架构

2026年4月，OpenAI推出面向个人身份信息（PII）脱敏的开源大模型Privacy Filter。该模型参数规模1.5亿，采用混合专家（MoE）架构，支持最高12.8万Token上下文窗口，以Apache 2.0协议上架Hugging Face与GitHub，允许开发者免费商用与二次定制。模型依托深度语义理解识别非结构化文本敏感信息，性能超越传统规则类脱敏工具。

当下大模型商业化落地过程中，数据隐私合规已经成为全行业共同面对的核心问题。无论是训练大模型所用的公开爬取语料，还是产品上线后产生的用户交互日志、业务存档数据，都暗藏大量需要脱敏处理的个人身份信息。传统脱敏方案高度依赖预设规则匹配，只能识别固定格式的敏感信息，面对嵌入长上下文的非结构化PII，漏识别率始终居高不下，行业迫切需要更智能的脱敏工具。

此次OpenAI推出的Privacy Filter，参数规模仅1.5亿，属于轻量化专用模型，采用混合专家（MoE）架构设计，适配多数开发者的本地部署需求。

与传统规则类脱敏工具不同，Privacy Filter主打基于大模型的深度上下文理解能力，能够结合语境判断文本内容是否属于敏感PII，既不会过度遮盖可公开使用的文本信息，也能精准识别隐藏在非结构化内容中的个人数据。该模型支持最高12.8万Token的超长上下文窗口，可以一次性完成整份长文档、全量交互日志的脱敏处理，还通过受限维特比算法保证脱敏后文本的语义连贯性。