GPTs 接入国产模型只能走 Actions 外调,需要配齐哪些合规项才能对外提供服务?
GPTs 无法更换底层模型,接入国产模型的唯一合规路径是通过 Actions 调用已备案的国产模型 API,并配齐模型备案核验、数据出境阻断、双向内容审核、生成内容标识、日志留存与密钥托管六项配置。如果目标是替换 GPT 的底层模型,这条路并不存在。
GPTs 不能更换底层模型,接入国产模型的唯一合规路径是通过 Actions 调用已完成备案的国产模型 API,并配齐备案核验、数据出境阻断、双向内容审核、生成内容标识、日志留存、密钥托管六项配置;如果目标是替换 GPT 的底层模型,这条路径并不存在,也不适用于必须处理原始个人信息或重要数据的业务。
GPTs 的模型、上下文窗口与知识库由平台锁定,Actions 只是按 OpenAPI schema 描述的外部 HTTP 接口。这意味着国产模型在链路中是工具,并非底座:用户输入先进入境外平台完成编排,再以接口请求的形式打到国产模型,模型返回后仍由平台组织成最终回答。合规责任也因此被切成两段,境外平台那一段不受境内主体控制,能被设计的只有中间那一跳。
调用国产模型前必须完成资质核验,这是整条链路的前置条件。需要向服务方索取生成式人工智能服务备案信息与算法备案编号,核对拟调用的模型名称、版本是否落在备案范围内,并把备案号、服务协议、版本号写进内部台账,模型升级时同步更新。自建或微调模型的情形不适用这条,需由使用方自行完成备案,上游的备案号不能覆盖下游。
数据出境是这套配置里最严格的约束,用户输入抵达境外平台的那一刻就已经构成出境。可行做法是在入口处做字段白名单,剥离身份证号、手机号、住址、病历等个人信息,不输入重要数据,只让中间层接收脱敏后的任务描述;确需处理个人信息的场景,要单独告知数据流向并取得同意。必须处理原始个人信息的业务不适合用 GPTs 做前端。
内容审核必须做在自有中间层,不能依赖国产模型侧自带的输入输出过滤。原因是 GPTs 的提示词编排会在调用前后改写内容,模型侧看到的是被加工过的文本,平台侧看到的又是模型返回的原始文本,两端的审核结论都不等于最终呈现给用户的那段话。做法是在 Actions 服务端串一道关键词加语义过滤,命中即返回固定话术,并把拦截原因写入日志。
生成内容标识要在 Actions 的返回体里携带,最终渲染在境外平台的回答无法依赖国产模型侧加水印。显式标识可以做成返回结构的固定字段,由 GPT 在展示时保留“本回答由人工智能生成”的提示;隐式标识则要在自有中间层写入元数据,覆盖文本、图片等不同载体。缺少这一层,输出在境内传播时就处于无标识状态。
日志留存要覆盖到每一次外调,网络日志留存不少于六个月是基本要求。记录项至少包括调用时间、模型名称与版本、脱敏后的请求摘要、审核结论、响应状态与耗时,密钥标识单独记录但不记录密钥明文。这套日志既用于监管核查,也用于回答“某条内容由哪个模型、在什么条件下生成”的追溯问题。
API Key 不能写进 instructions、OpenAPI schema 或示例请求,schema 是明文描述,平台侧与使用者都可能看到。正确做法是把密钥保存在自有服务端,GPTs 侧只持有时效很短的访问令牌,并对单一会话设置频次与额度上限,防止被当作免费调用通道。这条既是安全要求,也是合规要求的一部分。
用户告知要写清双向数据流向,隐私政策里需同时披露境外平台与国产模型服务方。面向公众提供服务时,还应在显著位置公示所使用模型的备案信息与投诉渠道;企业内部自用可以简化披露层级,但不能完全省略同意环节。告知缺失在实际检查中比技术缺陷更容易被认定为主体责任不清。
落地顺序建议按边界、资质、中间层、审核与标识、日志、灰度的次序推进。先确认业务是否涉及个人信息与重要数据,再固定可调用的模型版本清单,然后搭起中间层完成鉴权与转发,接着接入审核与标识,最后补齐日志并做小流量灰度。成本主要集中在中间层服务与审核调用两部分,均按调用量计费,与模型侧费用分开核算。
以下四种做法在合规上不成立:把密钥直接写进 schema、把国产模型侧的审核当作全部审核、省略生成内容标识、用个人账号承载生产流量。它们的共同问题都是把责任留在了不可控的境外平台一侧,一旦出现内容问题或数据问题,境内主体拿不出控制证据。
真正需要投入的地方不是模型选型,而是把境外编排层与境内生成层之间那一跳做成可控中间层。中间层承担了鉴权、脱敏、审核、标识、日志五项职责,也就把不可控的链路压缩到最小;模型可以替换,中间层的这些配置不能省。判断一套方案是否达标,只需看这五项能否在不改动 GPTs 配置的前提下独立验证。