OpenAI 发布了一项针对前沿模型的新安全能力预览：Private Safety Processing（私有安全处理）。它建立在现有的 Zero Data Retention（ZDR，零数据保留）承诺之上，目标是让安全监控能跨多次交互识别风险模式，同时不把客户内容暴露给 OpenAI 人员。

ZDR 是 OpenAI 面向符合条件的 API 客户的一项明确承诺：请求处理完成后，OpenAI 不保留客户的提示词和模型响应，客户内容也不会被 OpenAI 人员查看，企业数据默认不用于训练模型，除非客户明确选择加入。但随着模型承担更长、更复杂的任务，一些严重风险可能只在多次交互中才显现出来。现有的 ZDR 兼容安全系统只能单独评估每次交互，无法跨交互识别模式。Private Safety Processing 正是为了补上这个缺口。

它的工作机制是：在 ZDR 部署中，客户内容继续存放在客户控制的基础设施上；OpenAI 同时开发了另一种选项，内容存储在 OpenAI 的基础设施上，但使用客户控制的密钥加密。OpenAI 人员不持有这些密钥的副本，因此无法读取底层内容。自动化系统可以在不向 OpenAI 人员暴露提示词和响应的情况下，识别潜在滥用，并返回有限的安全信号。当风险被识别时，OpenAI 只收到一个窄范围的活动类型信号，类似现有安全系统，即使内容被标记，OpenAI 人员也不会获得访问权。客户可以在自己的系统里调查警报和执行决策；若需要申诉或支持调查，客户可自行选择是否向 OpenAI 分享相关信息。

OpenAI 解释为什么需要这样的系统：最严重的 AI 安全风险并不总在单次交互中可见。恶意意图往往需要结合多次交互才能判断，例如攻击者反复探测安全措施、跨账户协调，或把威胁伪装成常规研究。在智能体任务中，风险也可能逐步发展——比如系统偏离用户意图，在被告知停止后仍继续行动。随着 AI 系统处理更长、更复杂的任务，这种跨交互的上下文对区分合法活动与滥用至关重要。

近期一些前沿模型部署要求客户允许 AI 提供商保留敏感内容用于安全监控，这对许多组织来说与自身安全义务或对服务对象的承诺冲突。Private Safety Processing 的目标是让 OpenAI 在继续提供 ZDR 的同时提升安全能力。目前该功能正在与早期客户测试，OpenAI 计划在 9 月开始推出，并发布技术白皮书。客户反馈集中在需要可预测性：随着 AI 能力增强，他们需要知道自己的内容将如何被保护。