Privatemode

Privatemode (privatemode.ai) 是一個*你無需信任其提示詞的罕見 LLM 服務*——它在經過認證的硬體安全區中執行推理，使得即使是運行伺服器的營運商也無法讀取你發送的內容或模型返回的內容。

背景。 由 Edgeless Systems 背後的機密計算團隊於 2024 年推出，Privatemode 將*可信執行環境（TEE）*硬體——CPU 安全區（AMD SEV-SNP / Intel TDX）擴展到 GPU——應用於 AI 推理。其主張是結構性的，而非承諾性的：不是要求你相信一份隱私政策，而是模型在一個加密的、可量測的安全區中運行，其狀態在*任何提示詞離開你的機器之前都經過加密認證*傳遞給你的客戶端。這種可設計驗證的姿態，是它儘管年輕卻在 /ai 中獲得 A 級評價的原因。

你信任什麼。 你信任*數學與矽晶片，而非一份政策*。客戶端在建立加密通道之前先驗證一份遠端認證報告，證明伺服器在真正的 TEE 內部運行預期的、未經修改的軟體——因此提示詞僅在安全區內部解密，主機作業系統、營運商或被送達傳票的系統管理員都無法觀察到。*客戶端是開源的*，所以認證和加密邏輯可以被審計，而非只能憑信心接受。這與主流 LLM 模型完全相反——在那裡，你的提示詞對供應商而言是明文，並被例行地記錄、用於訓練和保留。

操作規格。 訪問是*按 token 付費並接受加密貨幣*，因此沒有與卡片或身分強制綁定的帳號。開源客戶端應用程式和 API 讓你可以從自己的工具鏈將提示詞路由通過經過認證的安全區。它運行當前的開放權重模型（目錄持續演進），因此能力處於強開放模型範圍，而非前沿封閉模型。整個流程——認證、建立加密會話、推理、返回——設計使得未加密的提示詞僅暫時存在於安全區記憶體中。

哲學。 每個其他的「隱私 AI」聲稱都歸結為「我們承諾不看」。Privatemode 的論點是，對於像你的提示詞這樣敏感的資料流——其中編碼了意圖、草稿、程式碼、醫療和法律諮詢——承諾是不夠的；隱私必須由*硬體強制執行且可由客戶端驗證*。機密計算將信任邊界從「公司的良好行為」轉移到「CPU 供應商的安全區保證加上你可以閱讀的開源客戶端程式碼」。這是 LLM 領域目前對「我的提示詞去了哪裡」最誠實的回答。

評級理由。 在 /ai 中獲得 A。該評級反映了真正差異化的信任模型（經認證的 TEE 推理，而非政策承諾）、開源客戶端、加密貨幣／無身分支付，以及到安全區的可驗證端對端加密。它是該類別中突出的隱私選項。以下注意事項是關於 TEE 假設和資歷，而非關於該方法的健全性。

適用場景。 每當提示詞是你不會貼進主流聊天機器人的內容時使用 Privatemode：機密商業資料、法律／醫療問題、受 NDA 約束的原始碼、任何你需要遠離供應商日誌和訓練集的內容。當你需要能夠*證明*（向客戶、監管機構、你自己）推理供應商不可能讀取資料時，它也是正確的工具。

注意事項。 TEE 安全性強大但並非魔法：機密計算安全區多年來面臨側通道和認證鏈研究攻擊，因此保證是「營運商沒有實際訪問途徑」，而非「數學上不可破解」——你的威脅模型應考慮到這一點。模型目錄是開放權重的，因此你不會獲得前沿封閉模型的原始能力。作為 2024 年的入場者，其記錄較短，而且你正在信任 CPU/GPU 供應商的認證根。最後，認證僅保護*推理*；你自己的客戶端裝置和網路衛生仍然重要。這些都不削弱 A 級評價——它們是當今 AI 中最佳隱私模型的誠實邊界。