只把个人信息
涂黑。
Noir 是一款脱敏专用的小型LLM：接收文档和“想遮盖什么”的指定，以列表形式返回符合的位置。文档外发之前，只用公司内部的 CPU 就能处理。滚动页面，一道光线会扫过文档。
JA担当の山田太郎です。お電話は03-0000-1234までお願いします。
ENPlease call Emily Carter at (555) 010-4477 before March 3.
DEFrau Anna Becker wohnt in der Lindenstraße 12, 10115 Berlin.
HRIvan Horvat (42 godine) javio je da je na bolovanju.
※ 例文及姓名、号码均为虚构。上方动画是演示的重放。
指定时，
用平常的话就行。
“个人信息”“联系方式”“但年龄除外”。用平时的说法来指定，同一份文档里被遮盖的位置也会随之改变。请点击按钮，或者直接看下去。
主题：【样本贸易】合同内容确认
样本贸易 行政部 张三 先生
您好，一直承蒙关照。我是猫猫数据有限公司的李小红。
想在11月20日（周五）与您商量合同续签事宜。月费仍为4,800元。
听说负责人王五先生（42岁）因腰痛今天休息。
请联系 010-0000-1234 或 [email protected]。
寄送地址：北京市示例区样本路1号 样本大厦5层
※ 此处是动作演示，重放的是固定的结果（并没有运行真实模型）。例文均为虚构。
比120B
更不会多遮。
我们用日语、英语文档各100份，给 gpt-oss-120b（1,170亿参数）下达相同的指令做了比较。上面的纸张是各类错误的示例。下面的柱条是该类错误发生的比例，越短越好。
※ 自建测试的实测结果（2026年11月，Q4_K_M，并用针对邮箱、电话、URL、日期的通用规则）。详细条件见页面末尾。
指定越模糊，
差距越明显。
用天平比较漏遮的多少，漏得多的一边会下沉。把类型明确列出来的指定下，双方不相上下；而像“个人信息”这样模糊的指定，或带有“但……除外”时，差距就拉开了。
Noir0%
gpt-oss-120b0%
※ 日语、英语合计。漏遮率（%，1格 = 1%）。指定的构成为：列出类型的指定 69份，模糊的指定 104份，带排除项 27份。
4种语言，
各自的成绩。
我们为每种语言准备了专用的 Noir（日语、英语共用）。黄色表示优于 gpt-oss-120b 的数字。
- 克罗地亚语、德语的漏遮率与 gpt-oss-120b 基本持平。漏掉的大多是“02.11.2026”“14:12 Uhr”这类欧洲写法的日期和时间。
- 再加2条识别这类日期、时间的规则，按测算，漏遮率可降至克罗地亚语 31→23%、德语 25→15%，低于 gpt-oss-120b（24%、19%）。计划集成到产品中。 计划中
返回的是
JSON。
找到的位置按同一对象归并后，以列表形式返回。字符串与文档中的写法完全一致，可以直接在正文中查找并替换。
- id：同一个人、同一事物会归并为1条（“欧阳明”和“欧阳”）。
- type：48种标签的名称，以提示词的语言返回（中文则为“人名”）。
- mentions：与文档中写法完全一致的字符串。没有符合的内容时为
[]。
请从下面的文档中，找出所有
符合对象的内容。…（略）
输出只包含 JSON 数组: [{"id": "E1",
"type": "...", "mentions": ["..."]}]
对象:
个人信息。但年龄除外
方式: 遮盖（不填 replacements）
文档:
（此处放文档）1份文档，
约20秒。
用笔记本电脑的 CPU（无GPU）读完约900字的文档并返回需要遮盖的位置，这一过程在此重放。重放为5倍速，计时器显示的是实际秒数。
0.0秒5倍速重放
读文档写出遮盖位置
已遮盖 0 / 0
- 指定
- 人名、电话号码、邮箱地址、地址
- 读取
- 约140 token/秒
- 生成
- 约24 token/秒
- 设备
- Core i7-11800H，8线程
- 按这个速度依次处理，1台机器每小时约17万字。
- 用 GPU 同时处理16条时，100份文档约需20秒（gpt-oss-120b 约90秒）。 内部测量
※ 文档和遮盖位置均为示例（本页面中并没有运行模型）。时间是根据内部测得的读取和生成速度计算的。指代同一个人的不同说法会归并为1条，一次遮盖。
每1,000字
切开再交给它。
长文档先切成1,000字左右的小块，再一块一块交给模型。与训练时见过的长度保持一致，遗漏就会减少。结果在最后汇总，并与识别邮箱、电话、URL、日期等固定格式的规则合并。
启动（llama.cpp）
llama-server -m noir-ja-en-Q4_K_M.gguf \ -c 16384 -t 8 -np 1 --jinja --port 8191
已公开下载权重 →
- 使用时关闭思考模式（
enable_thinking: false），并设为temperature 0。 - 按语言选择模型：日语、英语用 ja-en，德语用 de-en，克罗地亚语用 hr-en。
- 在 CPU（Core i7-11800H，8线程）上，1,000字的小块约需20秒。 内部测量
同一份文档，
换条指令就换种涂法。
您可以在示例文档上选择指令来试用。换一条指令，同一份文档里被遮盖的位置也会改变。发给模型的提示词和返回的 JSON，也都可以原样查看。
1选择文档
2选择指令选中后立即运行
或者，自己选择类型
发给模型的提示词
返回的 JSON
[]
测试方法，
以及咨询。
- 文档：日语、英语、德语、克罗地亚语各100份。包括邮件、会议纪要、人事备忘、发票、诊疗信息等，均为测试而编写的虚构文档，并在应遮盖的位置标注了正确答案。
- 指定：每份文档采用“列出类型”“模糊的说法”“带排除项”三者之一。同样的提示词也交给了 gpt-oss-120b（reasoning effort medium）。
- 指标：漏遮＝正确答案中未被遮盖的比例；多遮＝已遮盖位置中不必要的比例；违反指定＝遮盖了指定之外类型的比例。
- 实施时间：2026年11月，Q4_K_M。正式发布前会再次核对。