Perplexityが「PII-Tracer」公開：0.6Bの軽量モデルで端末内プライバシー保護

PII-Tracerは、Perplexityが公開したパラメータ数0.6Bの軽量ローカル個人情報検出モデルです。あわせて多言語・長文対話向けの評価ベンチマーク「PII-TRACE」もオープンソースとして公開されました。Macなどの端末上で動作し、クラウドへ送信する前のプライバシーゲートとして機能します。

モデルの重みとベンチマークは、どちらもHugging Faceで入手可能です。

何ができるのか

端末側とクラウドを組み合わせたハイブリッド推論では、ローカルモデルが個人ファイルを扱い、クラウド側が高度な推論やWeb検索を担います。この境界線を成立させるには、端末からデータが出る前に個人情報（PII）を正確に検知できなければなりません。

AIアシスタントとの対話は長く続きがちで、同じ名前や連絡先が何度も登場します。従来の検知ツールは単発のテキスト処理を前提としており、対話の中で1度でも見落とせば情報漏洩につながる弱点がありました。

PII-Tracerは13言語・10種類の文字体系に対応し、9種類のPIIを文字単位で特定します。会話の中にコードや表組みが混ざっていても、複数ターンにまたがる情報を正確に捉え続けます。

仕組みと性能

PII-TracerはQwen3をベースに構築された双方向エンコーダーです。テキスト生成ではなくスパンの検出が目的であるため、通常の因果マスクを排除し、4096トークンの文脈窓全体を参照できる双方向アテンションを採用しました。

各トークンから1024次元の特徴量を抽出し、37クラスのBIOESタグ予測ヘッドで位置を判定します。さらに会話全体が医療や宗教などの機微情報を含むかを判定する補助ヘッドを併用することで、誤検知を大幅に抑えています。推論時はビタビアルゴリズムで妥当なタグ列を選択します。

12種類のシステムを比較したPII-TRACEベンチマークにおいて、PII-Tracerは最高となる文字F1スコア0.629を記録しました。巨大なクラウドモデルに近い検出精度を、わずか0.6Bのローカルサイズで実現しています。

特に同じ識別情報が6回から10回繰り返される過酷な条件下でも、PII-Tracerの検出スコアは0.691を維持しました。同条件でGPT-5.6-solは0.464にとどまり、GLiNER2-PIIは0.073、Claude Opus 4.8は0.045まで低下しています。

なぜ重要か

ローカルAIエージェントや端末内データ処理を開発しているエンジニアにとって、PII-Tracerはすぐに試す価値のある有力な選択肢です。0.6Bという小ささであれば一般的なマシンで軽快に動作し、これまで正規表現や外部APIに頼っていた前処理コストを大幅に削減できます。

ハイブリッドAIを実用化する上で、端末側の防壁をオープンソースで整えたPerplexityのアプローチは非常に合理的だと考えられます。ただし、F1スコア0.629が最高水準とはいえ見落としのリスクはゼロではないため、厳格なコンプライアンスが求められる場面では承認フローなどの二重の仕組みと組み合わせるのが現実的です。