Nota: este artículo ofrece una visión general de alto nivel. La información para la configuración técnica se encuentra en el sitio web de gpt-oss, GitHub, Hugging Face y OpenAI Cookbooks.
Resumen
Presentamos dos modelos de razonamiento de pesos abiertos: gpt‑oss‑120b y gpt‑oss‑20b. Se ejecutan en infraestructura que controlas o a través de proveedores de alojamiento.
Nota: Estos modelos no se sirven a través de la API de OpenAI y no están disponibles en ChatGPT.
Por qué pesos abiertos
Elección y control: ejecuta modelos en local o en tu nube privada, mantén la residencia de datos y adapta el rendimiento a tus necesidades.
Personalización: ajusta o adapta los modelos con tus herramientas abiertas preferidas.
Disponibilidad y licencias
Licencia: Apache 2.0 permite un uso, modificación y redistribución amplios, incluido el uso comercial (sujeto a nuestra política de uso de gpt-oss).
Servicio: no está disponible a través de la API de OpenAI, por lo que no se aplican los precios ni los límites de solicitudes de la API.
Compatibilidad: puede ejecutarse con stacks de inferencia abiertos habituales, como vLLM, Ollama y llama.cpp, y en entornos de GPU en la nube o autogestionados.
Primeros pasos
Para obtener los pesos de los modelos y los recursos complementarios, puedes:
Visitar el sitio web de gpt-oss para consultar una descripción general y enlaces directos.
Descargar los pesos desde la colección de Hugging Face, un espacio comunitario donde puedes encontrar ambos modelos, consultar ejemplos de uso y, si lo deseas, ejecutar inferencias directamente mediante los servicios de Hugging Face.
Acceder a nuestro repositorio de GitHub para consultar código de referencia para inferencias.
Utilizar las guías de OpenAI Recipes para configurar entornos de ejecución compatibles, como Ollama, vLLM y Transformers. OpenAI Recipes también incluye instrucciones paso a paso para ejecutar los modelos en local, utilizar entornos de ejecución habituales y, cuando sea compatible, realizar el ajuste fino de los modelos gpt-oss.
gpt‑oss‑safeguard (versión preliminar de investigación)
gpt‑oss‑safeguard es un par de modelos de razonamiento de seguridad con pesos abiertos basados en gpt‑oss. Están diseñados para la clasificación de seguridad basada en políticas y otras tareas relacionadas con la confianza y la seguridad que se ejecutan en una infraestructura bajo tu control. Al igual que otros modelos gpt‑oss, estos pesos no están disponibles mediante la API de OpenAI ni ChatGPT.
Modelos exclusivamente de texto con esquemas de referencia para resultados estructurados (p. ej., veredicto sobre políticas y justificación).
Usa tu propia política: el modelo interpreta la política que has redactado para poder generalizar entre distintos productos con un trabajo de ingeniería mínimo.
Decisiones razonadas: trazas opcionales de razonamiento para facilitar la depuración y las auditorías (destinadas a desarrolladores y profesionales de la seguridad, no a mostrarse a los usuarios finales).
Esfuerzo de razonamiento configurable: elige Baja / Media / Alta para encontrar el equilibrio entre latencia y profundidad.
Licencia: Apache 2.0 (consulta Disponibilidad y licencias más adelante).
gpt‑oss‑safeguard resulta idóneo para filtrar las entradas y salidas de los LLM, etiquetar contenido en línea y ejecutar flujos de trabajo de etiquetado por lotes o revisión sin conexión. Para aplicaciones de uso general (chat, agentes, etc.), recomendamos los modelos principales de gpt‑oss.
Puedes adaptar el esquema a tus necesidades. Consulta el Recetario de OpenAI para ver guías sobre el diseño de prompts y ejemplos.
Variantes y tamaños de los modelos
| Modelo | Uso previsto | Notas |
|---|---|---|
| gpt‑oss‑safeguard‑120b | Producción, razonamiento de seguridad de alta capacidad | 117 B de parámetros (≈5,1 B activos). Diseñado para caber en una sola GPU de 80 GB (p. ej., NVIDIA H100; también se ejecuta en GPU con más memoria, como AMD MI300X). |
| gpt‑oss‑safeguard‑20b | Menor latencia / entornos restringidos | 21 B de parámetros (≈3,6 B activos). |
Ambos modelos están ajustados a partir de gpt‑oss sin cambios en la arquitectura. Usan la misma plantilla de chat que gpt‑oss; puedes mantener tu configuración actual. Un patrón de prompts recomendado es colocar tu política en un mensaje de desarrollador y el contenido que se va a evaluar en un mensaje de usuario.
Soporte y comunidad
Los despliegues de pesos abiertos son autogestionados y autoservicio. Aquí puedes obtener soporte:
Preguntas, debate, consejos: usa las páginas de modelos de Hugging Face para interactuar con la comunidad.
Errores reproducibles en el código de inferencia de referencia de OpenAI: abre una incidencia en el repositorio de GitHub de gpt-oss.
Problemas con un runtime de terceros (p. ej., vLLM, Ollama, llama.cpp): usa el sistema de incidencias, los foros o el proceso de soporte del proyecto correspondiente.
OpenAI no proporciona asistencia, implementación práctica ni soporte de depuración para ninguna configuración, entorno o aplicación de pesos abiertos autoalojada o alojada por terceros.
Seguiremos iterando con la comunidad para mejorar las herramientas de seguridad abiertas, incluso a través de la ROOST Model Community (RMC). La RMC reúne a profesionales e investigadores de seguridad para compartir mejores prácticas para implementar modelos de IA de código abierto en flujos de trabajo de seguridad, incluidos resultados de evaluación y comentarios sobre modelos. Visita el repositorio de GitHub de RMC para obtener más información sobre esta colaboración y cómo participar.
Soporte y comunidad
Los despliegues de pesos abiertos son autogestionados y autoservicio. Aquí puedes obtener soporte:
Preguntas, debate, consejos: usa las páginas de modelos de Hugging Face para interactuar con la comunidad.
Errores reproducibles en el código de inferencia de referencia de OpenAI: abre una incidencia en el repositorio de GitHub de gpt-oss.
Problemas con un runtime de terceros (p. ej., vLLM, Ollama, llama.cpp): usa el sistema de incidencias, los foros o el proceso de soporte del proyecto correspondiente.
OpenAI no proporciona asistencia, implementación práctica ni soporte de depuración para ninguna configuración, entorno o aplicación de pesos abiertos autoalojada o alojada por terceros.
Privacidad y seguridad
Privacidad y datos
Estos modelos están diseñados para ejecutarse en infraestructura que controlas (en local, en tu nube o con tu socio de alojamiento). OpenAI no recibe ni procesa los datos que envías a estos modelos autoalojados salvo que los compartas explícitamente con OpenAI o uses uno de nuestros socios de alojamiento gestionado.
Seguridad
Estos modelos se sometieron a una amplia formación y pruebas de seguridad. Para obtener más información, consulta nuestra tarjeta del modelo y el informe técnico.
Informar de infracciones de contenido
Si crees que el contenido generado con modelos gpt‑oss infringe nuestras políticas, puedes informarlo mediante nuestro formulario Report Content. Proporciona tantos detalles como sea posible para ayudar a nuestro equipo a revisar tu envío.
Preguntas frecuentes
¿Estos modelos son gratuitos?
Los pesos de los modelos gpt-oss se pueden descargar y usar gratis bajo la licencia Apache 2.0 y la política de uso de gpt-oss. Sin embargo, eres responsable de cualquier coste asociado a ejecutarlos, como computación, almacenamiento o tarifas de alojamiento de terceros. El precio de esos servicios dependerá de la infraestructura o el proveedor que elijas.
¿Son estos modelos de «código abierto»?
Usamos el término modelos abiertos o de pesos abiertos para indicar que los pesos entrenados están disponibles públicamente bajo la licencia permisiva Apache 2.0 y la política de uso de gpt-oss. Esto significa que puedes descargar los modelos, ejecutarlos en tu propia infraestructura o con marcos de alojamiento compatibles, y personalizarlos o ajustarlos.
Los modelos abiertos ofrecen a desarrolladores y organizaciones mayor control y flexibilidad. Puedes elegir dónde alojarlos, adaptar los modelos para casos de uso específicos y beneficiarte de una licencia que permite un uso, modificación y redistribución amplios. Aunque los pesos entrenados son abiertos, parte de la infraestructura o las herramientas relacionadas pueden seguir siendo propietarias de sus proveedores.
¿Puedo acceder a estos modelos a través de la API de OpenAI o de ChatGPT?
No. Estos modelos no se sirven en la API de OpenAI y no aparecen en ChatGPT.
¿Puedo ajustar los modelos?
Sí. Puedes ajustarlos con herramientas de código abierto y tu infraestructura preferida. No ofrecemos ajuste a través de las API de OpenAI para estos modelos.
¿Son los modelos de pesos abiertos más baratos que usar la API?
Los costes varían según la infraestructura, la carga de trabajo y el enfoque operativo. El autoalojamiento puede ser más barato en algunos casos, mientras que nuestra plataforma API puede ser más eficiente al tener en cuenta el alojamiento, el mantenimiento y las actualizaciones.
¿Qué funciones admiten estos modelos?
Actualmente, estos modelos son modelos de razonamiento solo de texto. Los runtimes habituales admiten streaming, llamada a funciones y resultados estructurados. Consulta la documentación de tu runtime para conocer las capacidades exactas.
¿En qué se diferencia de ModAPI?
Es un modelo de razonamiento muy capaz que te permite aportar tu propia política. Puede funcionar junto con ModAPI, pero probablemente no sea un sustituto para casos de uso de baja latencia.