/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,6 млрд
Размер весов
13,8 ГБ
Лицензия
Apache 2.0
Архитектура
gpt_oss · MoE
Базовая модель
gpt-oss-20b
Библиотека
transformers
Опубликована
18 сен 2025

gpt-oss-safeguard-20b

Генерация текстаТекст → текст3 профессии

gpt-oss-safeguard-20b — модель рассуждений о безопасности, разработанная OpenAI и дообученная на базе openai/gpt-oss-20b.

28 672скачиваний за 30 дней275лайковвеса обновлены14 янв 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Она предназначена для классификации текстового контента по заданным пользователем политикам безопасности и других задач Trust and Safety.

Модель подходит для фильтрации входов и выходов LLM, разметки онлайн-контента, а также пакетной офлайн-классификации. Она интерпретирует текстовое описание политики, что позволяет адаптировать её к различным продуктам и сценариям без значительной специализированной разработки. Модель предоставляет доступ к процессу рассуждений и поддерживает настраиваемый уровень усилий рассуждения — low, medium и high, позволяя выбирать баланс между качеством и задержкой.

Модель содержит около 21 млрд параметров, из которых активно используется 3,6 млрд, и рассчитана на работу на GPU с 16 ГБ видеопамяти. Она предназначена для генерации текста, обучена формату ответов harmony и должна использоваться только с этим форматом. README не указывает поддерживаемые языки, длину контекста и дополнительные модальности. Доступ к необработанной цепочке рассуждений предназначен для разработчиков и специалистов по безопасности, а не для показа обычным пользователям.

Модель распространяется по лицензии Apache 2.0, допускающей эксперименты, модификацию и коммерческое использование без требований copyleft. Она ориентирована именно на задачи безопасности; для других применений рекомендуется использовать базовые модели gpt-oss.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

gpt-oss-safeguard-120b and gpt-oss-safeguard-20b are safety reasoning models built-upon gpt-oss. With these models, you can classify text content based on safety policies that you provide and perform a suite of foundational safety tasks. These models are intended for safety use cases. For other applications, we recommend using gpt-oss models.

This model gpt-oss-safeguard-20b (21B parameters with 3.6B active parameters) fits into GPUs with 16GB of VRAM. Check out gpt-oss-safeguard-120b (117B parameters with 5.1B active parameters) for the larger model.

Both models were trained on our harmony response format and should only be used with the harmony format as it will not work correctly otherwise.

Highlights

  • Trained to reason about safety : Trained and tuned for safety reasoning to accommodate use cases like LLM input-output filtering, online content labeling and offline labeling for Trust and Safety use cases.
  • Bring your own policy: Interprets your written policy, so it generalizes across products and use cases with minimal engineering.
  • Reasoned decisions, not just scores: Gain complete access to the model’s reasoning process, facilitating easier debugging and increased trust in policy decisions. Keep in mind Raw CoT is meant for developers and safety practitioners. It’s not intended for exposure to general users or use cases outside of safety contexts.
  • Configurable reasoning effort: Easily adjust the reasoning effort (low, medium, high) based on your specific use case and latency needs.
  • Permissive Apache 2.0 license: Build freely without copyleft restrictions or patent risk—ideal for experimentation, customization, and commercial deployment.

Inference examples

You can use gpt-oss-safeguard-120b and gpt-oss-safeguard-20b similar to gpt-oss-120b and gpt-oss-20b as described in our respective cookbooks. We’ve also provided a detailed prompting guide that provides guidelines for how to craft your policy and use it with the models.

Download the model

To download the model weights from Hugging Face hub using similar instructions to gpt-oss-120b.

Join the ROOST Model Community

gpt-oss-safeguard is a model partner of the Robust Open Online Safety Tools (ROOST) Model Community. The ROOST Model Community (RMC) is a group of safety practitioners exploring open source AI models to protect online spaces. As an RMC model partner, OpenAI is committed to incorporating user feedback and jointly iterating on future releases in pursuit of open safety. Visit the RMC GitHub repo to learn more about this partnership and how to get involved.

Resources

Как запустить

На своей GPU в ailist или через готовый API. Цены — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

API через OpenRouter

openai/gpt-oss-safeguard-20b

Недоступна

$0.075 / $0.3

Запуск через API временно недоступен: у платформы закончился лимит OpenRouter.

Класс архитектуры
GptOssForCausalLM
Ревизия весов
8a11e17

0 моделей