对话不上传，准不准还没公布

10 月 14 日，Google DeepMind 与新加坡政府科技局（GovTech）发布了一个端侧反诈骗模型：把 Gemma 微调之后放到手机上，直接在本机分析即时通讯里的对话1。宣布场合是 Singapore International Cyber Week 2026，由数码发展及新闻部长杨莉明做出2。博文的 JSON-LD 给出的发布时间是 2026-10-14 02:00 UTC。

它给了一条完整的两级流水线。第一级是一个轻量分类器，筛查入站消息，官方说它「功耗降到最低」，负责抓住可能的威胁；第二级才用微调后的 Gemma，看更大的一段对话快照，确认威胁或排除误报。检测到操纵性对话模式时，提醒直接弹在用户的设备上1。

它还给了三条治理约定：微调在 GovTech 自己管理的 GCP 环境里做；训练严格排除私人与可识别信息，用的是从诈骗举报与情报源得来的匿名数据集；模型用合成对话与本地语料做过压力测试1。

以及一句最关键的边界：As the model runs entirely on-device, neither the Singapore Government nor Google, will be able to access users' conversations through its deployment.1

把这次发布与通常的模型发布对照着读，缺的那一列很清楚：型号与参数量、准确率、误报率、延迟、模型体积、功耗，一栏都没有公布；也没有权重、模型卡或代码仓库。发布状态同样是空的——海峡时报写「发布日期未公布」，也不清楚它会不会成为 Android 系统的默认功能3；官方也没有把模型与任何应用绑定。报道它的媒体把这几项列成了一份「尚未公布」清单，并给出一个克制的判断：在准确率与误报率公开之前，这是一条有前景的设计，不是一条被验证的防线4。

还有一个缺口更技术性。官方对端到端加密只有一句立场：这是给平台「在保护用户与端到端加密之间取平衡」的一个样板1。检测器在加密应用里具体读到什么、读不到什么，官方没有解释；iOS 上如何实现也没有说明。CNA 给的那段解释是媒体转述，不是官方机制说明2。

新加坡的反诈体系里，「在设备上分析」不是新东西。ScamShield 自 2020 年起就用设备端算法分析收到的短信，不放到服务器上；但 2021 年团队接受采访时说，想把它扩展到 WhatsApp 与 Telegram 一直很难，因为「平台是加密的」5。

这正好是这次的落点：加密的即时通讯是既有反诈手段进不去的角落。而那一角的代价是真实的。2025 年，新加坡的诈骗案件数从 2024 年的 51,501 起降到 37,308 起（−27.6%），损失从约 11.124 亿新元降到约 9.131 亿新元（−17.9%）；但每案损失的中位数反而从 1,389 新元升到 1,644 新元6。2026 上半年，案件数同比下降 14.4% 到 16,821 起，损失约 4.106 亿新元，同比下降 17.9%7。

到发稿，没有找到针对这个项目的第三方审计、隐私组织的专门评价，也没有反例。它目前只有一条可以核对的价值主张——「谁读得到」；而证明它有效的那些数字，还欠着。