据OpenAI官网消息，2026年2月13日，OpenAI宣布在ChatGPT中引入Lockdown Mode和Elevated Risk标签，目标是帮助组织应对提示注入（prompt injection）以及由AI驱动的数据外泄风险。来源摘要显示，这两项能力面向企业和组织在使用ChatGPT时的安全防护场景，重点并非提升模型生成能力，而是围绕风险识别、风险提示和更严格的使用边界展开。
从本站关注的API与模型调用生态来看，这一更新释放出一个明确趋势：随着大模型被接入业务流程、知识库、办公系统和自动化工具，安全问题正在从“模型回答是否准确”扩展到“模型是否会被外部内容诱导执行不该执行的行为”。对开发者、集成商和企业采购方而言，模型能力、价格、并发和稳定性之外，安全控制也正在成为选型和上线评估中的重要维度。
两项新机制针对什么风险
提示注入通常指攻击者通过网页、文档、邮件、知识库内容或对话输入等方式，诱导模型忽略原有指令、泄露信息或执行越权操作。AI驱动的数据外泄则更进一步，涉及模型在连接内部资料、插件、工具或业务系统后，可能被引导输出敏感信息。
OpenAI此次提到的Lockdown Mode和Elevated Risk标签，可以理解为面向组织用户的安全增强设计：前者从名称上体现出更严格的防护状态，后者则用于标识更高风险的交互或场景。来源并未给出更多细节参数，因此不能简单等同于某种固定拦截规则或具体权限模型，但其方向很清楚：让ChatGPT在组织环境中更可控、更可审计、更能提示风险。
- 防提示注入：帮助组织降低模型被恶意指令影响的概率。
- 防数据外泄：关注AI在处理组织数据时可能产生的敏感信息暴露。
- 风险标识：通过Elevated Risk标签让高风险场景更容易被识别。
- 组织级治理：面向企业、团队和机构使用ChatGPT时的安全管理需求。
对开发者和API使用者的影响
虽然来源标题指向ChatGPT产品，而非直接宣布API接口变化，但其安全思路对API使用者同样有参考意义。很多企业在调用OpenAI、Claude、Gemini等模型时，会将模型嵌入客服、检索问答、代码助手、办公自动化、数据分析等流程。一旦模型可以读取上下文、调用工具或访问内部数据，提示注入就不再只是“聊天内容被带偏”，而可能演变为业务系统风险。
因此，对API接入方来说，不能只依赖模型本身的安全能力，还需要在中转层、应用层和数据层建立组合防护。例如，对输入来源做分级、对模型可访问的数据做最小权限控制、对高风险输出做二次审核、对工具调用增加确认机制等。OpenAI在ChatGPT中强调风险标签和锁定模式，也说明头部模型厂商正在把“安全状态管理”纳入产品体验。
中转与企业集成场景的解读
对于通过Token中转、统一网关或多模型API平台接入模型的团队，这类更新值得关注。企业往往同时使用多个模型供应商，需要统一处理额度、并发、日志、审计和降级策略。如果不同模型产品陆续强化风险标签、锁定模式或安全策略，第三方接入层也需要考虑如何把这些信号转化为可操作的治理能力。
例如，当应用识别到某次请求涉及敏感业务数据，系统可以选择更保守的提示模板、更严格的输出过滤，或将请求路由到具备更高安全配置的模型环境。对于成本敏感的团队，也可以把安全策略与调用策略结合：普通问答走标准路径，高风险任务走加强审查路径，避免所有请求都按最高安全级别处理而推高成本。
总体来看，OpenAI此次在ChatGPT中推出Lockdown Mode和Elevated Risk标签，代表大模型产品正在从“能力竞争”进入“可控使用竞争”。对组织用户而言，这有助于降低AI落地过程中的合规和数据风险；对开发者和API服务商而言，则意味着未来的模型接入方案需要同时回答三个问题：能不能调用、调用成本如何，以及在复杂业务场景下是否足够安全。