据OpenAI官网消息，2026年2月13日，OpenAI发布了面向ChatGPT组织使用场景的两项安全能力：Lockdown Mode与Elevated Risk labels。来源摘要显示，这两项功能的核心目标，是帮助组织防御提示注入攻击以及由AI驱动的数据外泄风险。对于正在把ChatGPT接入内部知识库、办公流、代码与数据分析流程的企业来说，这意味着平台侧正在把“模型可用性”之外的安全治理能力前置到产品层。
两项能力分别解决什么问题
从来源信息看，Lockdown Mode更偏向于一种强化防护状态，用于在高风险场景下限制潜在危险行为；Elevated Risk labels则更像是风险识别与提示机制，用来标记可能处于较高风险的交互、内容或上下文。OpenAI在发布中将二者与“prompt injection”和“AI-driven data exfiltration”直接关联，说明其关注点并不只是传统账号安全，而是围绕大模型应用本身的攻击面展开。
提示注入通常发生在模型读取外部文本、网页、文档或用户输入时，恶意内容可能诱导模型忽略原有指令、泄露上下文或执行不应执行的操作。AI驱动的数据外泄则更强调在模型协助处理数据、检索信息或调用工具时，敏感内容被不当输出或转移的风险。对组织用户而言，这类风险往往出现在“模型+企业数据+自动化工具”的组合中。
- Lockdown Mode：用于在组织认为风险升高时采取更严格的防护策略。
- Elevated Risk labels：用于帮助识别或提示更高风险的交互与使用场景。
- 防护重点：提示注入、数据外泄，以及AI应用在读取外部内容时的安全边界。
- 适用对象：使用ChatGPT处理业务数据、内部资料、工作流和工具调用的组织。
对开发者和API使用者的影响
虽然本次来源标题指向ChatGPT产品能力，而非单独的API价格或接口变更，但对开发者仍有明显参考价值。越来越多团队不只是调用模型生成文本，而是在模型前后接入检索、数据库、工单系统、浏览器内容、文档解析与自动化执行组件。此时，安全问题不再只是“提示词写得好不好”，而是需要在架构层设计权限、隔离、审计和风险降级机制。
对于通过API构建企业AI应用的团队，OpenAI此次强调的方向值得纳入接入规范：不要默认信任模型读取到的外部内容；不要把系统提示、密钥、内部策略或敏感数据暴露在可被模型随意输出的上下文中；在工具调用、文件读取和数据返回前设置明确的权限边界。即便当前使用的是中转、额度池或多模型路由，也应在网关层增加日志、脱敏、风险识别和访问控制。
对模型中转与企业接入生态的启示
从本站关注的API中转和模型调用场景看，这类安全能力释放出一个信号：未来企业选择模型服务时，关注点会从单纯的价格、并发、稳定性，扩展到调用链安全与数据治理。模型供应商在产品侧提供防护标签和锁定模式，中转与接入层则需要承担更多配套能力，例如请求隔离、敏感字段过滤、异常输出监控、按项目划分额度和权限等。
对需要同时接入OpenAI、Claude、Gemini等模型的团队来说，不同模型与平台的安全策略并不完全一致。因此，在统一API网关或中转系统中建立一套跨模型的安全策略，会比依赖单一模型端能力更稳妥。尤其是在企业知识库问答、客服自动化、代码助手和数据分析助手中，应把提示注入测试、敏感数据外泄测试作为上线前的基础检查。
总体来看，OpenAI此次在ChatGPT中引入Lockdown Mode和Elevated Risk labels，反映出大模型应用正在进入更重视组织级风控的阶段。对开发者而言，模型能力提升固然重要，但在真实业务中，安全边界、权限设计和异常处置同样会影响API接入的可持续性与合规性。