OpenAI 最新公布了面向 frontier models 的 Zero Data Retention，以及正在测试的 Private Safety Processing。

简单说，符合条件的 API 客户可以要求请求处理完成后，不保留 prompts 和模型响应；客户数据默认不用于训练，OpenAI 人员也无法查看底层内容。

但这里一直存在一个现实矛盾： 模型开始执行更长、更复杂的 Agent 任务后，很多风险不是单次对话就能发现的。 系统需要跨多轮交互识别异常行为，可一旦平台为了安全而长期保存、查看客户内容，又会与企业的数据安全和合规要求冲突。

Private Safety Processing 想解决的正是这个矛盾。 它可以跨相关交互识别风险模式，但平台人员不接触原始 prompts 和 responses。 数据可以保留在客户自己的基础设施中；即使存储在 OpenAI，也可以由客户控制加密密钥。 平台最终获得的是有限的风险信号，而不是客户的原始业务数据。

这件事对企业 AI 的意义可能比又一次模型跑分提升更大。

过去企业选择大模型，主要比较效果、价格和速度。 以下几个点一直没有被很好的解决。 1. 数据是否真正不留存 2. 密钥和访问权掌握在谁手里 3. 安全审查是否需要暴露原始内容 4. 出现风险或误判时，企业能否独立审计 5. Agent 在长任务中越权后，系统能否及时发现并停止

尤其在医疗、金融这类高敏感行业，Zero Data Retention 会逐渐变成大模型进入核心业务的入场券。