OpenAI тихо выложили на Hugging Face специализированную модель для детекции и маскировки персональных данных в тексте. Очень полезная штука для работы с LLM в энтерпрайзе и с клиентскими данными. Раньше для этого PII библиотеку от Майкрософт использовали, всякие NLP библиотечки или маленькие локальные модели.

Что внутри

– Архитектура на базе gpt-oss
– 1.5B параметров всего, 50M активных
– Контекстное окно 128k
– Запускается в браузере или на ноутбуке

Детектит 8 категорий: имена, адреса, email, телефоны, URL, даты, номера счетов и секреты (API-ключи, токены и пр.). Маскирует и потом их разворачивает обратно.

Полезный и неожиданный релиз. У всех, кто строит AI-продукты с обработкой клиентских данных, болит одно и то же – перед отправкой в LLM-провайдера нужно вычищать PII, а регулярки и классический spaCy NER ловят далеко не всё. Локальная модель, которая может бегать на ноутбуке, закрывает реальную дыру – особенно для тех, кто работает в GDPR-периметре или хочет on-prem.
https://huggingface.co/openai/privacy-filter