توجه: این مقاله نمایی کلی در سطح بالا ارائه میدهد. اطلاعات مربوط به راهاندازی فنی را میتوانید در وبسایت gpt-oss، GitHub، Hugging Face و OpenAI Cookbooks بیابید.
نمای کلی
معرفی دو مدل استدلال با وزنهای باز: gpt‑oss‑120b و gpt‑oss‑20b. آنها روی زیرساختی که شما کنترل میکنید، یا از طریق ارائهدهندگان میزبانی اجرا میشوند.
توجه: این مدلها از طریق OpenAI API ارائه نمیشوند و در ChatGPT در دسترس نیستند.
چرا وزنهای باز
انتخاب و کنترل: مدلها را در محل یا در ابر خصوصی خود اجرا کنید، محل اقامت داده را حفظ کنید، و عملکرد را بر اساس نیازهایتان تنظیم کنید.
سفارشیسازی: مدلها را با ابزارهای باز دلخواهتان تنظیم دقیق یا سازگار کنید.
دسترسپذیری و صدور مجوز
مجوز: Apache 2.0 استفاده گسترده، تغییر و بازتوزیع، از جمله استفاده تجاری، را مجاز میکند (مشروط به سیاست استفاده gpt-oss ما).
ارائه سرویس: از طریق OpenAI API در دسترس نیست، بنابراین قیمتگذاری API و محدودیت تعداد درخواست اعمال نمیشود.
سازگاری: میتواند با پشتههای رایج استنتاج باز مانند vLLM، Ollama، llama.cpp، و در محیطهای GPU ابری یا خودمدیریتشده اجرا شود.
شروع کار
برای دریافت وزنهای مدل و منابع پشتیبان میتوانید:
برای مشاهده نمای کلی و پیوندهای مستقیم، به وبسایت gpt-oss مراجعه کنید.
وزنها را از مجموعه Hugging Face دانلود کنید؛ مرکزی اجتماعی که در آن میتوانید هر دو مدل را بیابید، نمونههای استفاده را ببینید و در صورت تمایل، استنتاج را مستقیماً از طریق سرویسهای Hugging Face اجرا کنید.
برای دسترسی به کد مرجع استنتاج، به مخزن GitHub ما مراجعه کنید.
برای راهاندازی با محیطهای اجرای پشتیبانیشده مانند Ollama، vLLM و Transformers، از راهنماهای دستورالعملهای OpenAI استفاده کنید. این دستورالعملها همچنین شامل راهنمای گامبهگام برای اجرای محلی، استفاده از محیطهای اجرای رایج و—در موارد پشتیبانیشده—تنظیم دقیق مدلهای gpt-oss هستند.
gpt‑oss‑safeguard (پیشنمایش پژوهشی)
gpt‑oss‑safeguard مجموعهای شامل دو مدل استدلال ایمنی با وزنهای باز است که بر پایه gpt‑oss ساخته شدهاند. این مدلها برای طبقهبندی ایمنی مبتنی بر خطمشی و وظایف مرتبط با اعتماد & ایمنی طراحی شدهاند که روی زیرساخت تحت کنترل خود اجرا میکنید. مانند دیگر مدلهای gpt‑oss، این وزنها از طریق API OpenAI یا ChatGPT ارائه نمیشوند.
مدلهای صرفاً متنی همراه با الگوهای مرجع برای خروجیهای دارای ساختار (برای مثال، حکم خطمشی و منطق تصمیم).
خطمشی خودتان را بیاورید: مدل خطمشی مکتوب شما را تفسیر میکند تا با حداقل کار مهندسی، قابلیت تعمیم به محصولات مختلف را داشته باشد.
تصمیمهای مبتنی بر استدلال: ردپاهای اختیاری استدلال برای کمک به اشکالزدایی و ممیزی (ویژه توسعهدهندگان و متخصصان ایمنی است و برای نمایش به کاربر نهایی در نظر گرفته نشده است).
میزان استدلال قابل تنظیم: برای ایجاد توازن میان تأخیر و عمق، یکی از گزینههای پایین / متوسط / بالا را انتخاب کنید.
مجوز: Apache 2.0 (بخش دسترسی و مجوزدهی را در ادامه ببینید).
gpt‑oss‑safeguard برای فیلترکردن ورودی و خروجی LLMها، برچسبگذاری محتوای آنلاین و گردشکارهای آفلاینِ برچسبگذاری یا بازبینی دستهای مناسب است. برای کاربردهای عمومی (گفتوگو، عاملها و غیره)، مدلهای اصلی gpt‑oss را توصیه میکنیم.
میتوانید الگو را متناسب با نیازهای خود تغییر دهید. برای راهنماهای پرامپتنویسی و نمونهها، به کتاب آشپزی OpenAI مراجعه کنید.
گونهها و اندازهگذاری مدل
| مدل | کاربرد موردنظر | یادداشتها |
|---|---|---|
| gpt‑oss‑safeguard‑120b | استدلال ایمنی با ظرفیت بالا برای محیط تولید | 117B پارامتر (≈5.1B فعال). طراحی شده تا روی یک GPU 80 GB جا شود (مثلاً NVIDIA H100؛ همچنین روی GPUهای با حافظهٔ بزرگتر مانند AMD MI300X اجرا میشود). |
| gpt‑oss‑safeguard‑20b | محیطهای با تأخیر کمتر / محدود | 21B پارامتر (≈3.6B فعال). |
هر دو مدل از gpt‑oss بدون تغییر در معماری، ریزتنظیم شدهاند. آنها از همان قالب چت gpt‑oss استفاده میکنند؛ میتوانید تنظیمات فعلی خود را حفظ کنید. الگوی پیشنهادی برای اعلان این است که خطمشی خود را در یک پیام توسعهدهنده و محتوای مورد ارزیابی را در یک پیام کاربر قرار دهید.
پشتیبانی و جامعه
استقرارهای با وزنهای باز، خودمدیریتشونده و خودپشتیبانیشونده هستند. برای دریافت پشتیبانی به اینجاها مراجعه کنید:
پرسشها، گفتگو، نکتهها: برای تعامل با جامعه از صفحههای مدل در Hugging Face استفاده کنید.
باگهای قابل بازتولید در کد استنتاج مرجع OpenAI: در مخزن GitHub مربوط به gpt-oss یک issue باز کنید.
مشکلات مربوط به یک محیط اجرای شخص ثالث (مانند vLLM، Ollama، llama.cpp): از ردیاب issue، انجمنها یا فرایند پشتیبانی همان پروژه استفاده کنید.
OpenAI برای هیچیک از راهاندازیها، پیکربندیها، محیطها یا برنامههای با وزنهای باز که خودمیزبان یا میزبانیشده توسط شخص ثالث هستند، کمک، پیادهسازی عملی یا پشتیبانی رفع اشکال ارائه نمیکند.
ما همراه با جامعه به تکرار و بهبود ابزارهای ایمنی باز ادامه خواهیم داد، از جمله از طریق ROOST Model Community (RMC). RMC متخصصان و پژوهشگران ایمنی را گرد هم میآورد تا بهترین شیوهها را برای پیادهسازی مدلهای هوش مصنوعی متنباز در گردشکارهای ایمنی، از جمله نتایج ارزیابی و بازخورد مدل، به اشتراک بگذارند. برای آشنایی بیشتر با این همکاری و نحوه مشارکت، به مخزن GitHub مربوط به RMC سر بزنید.
پشتیبانی و جامعه
استقرارهای با وزنهای باز، خودمدیریتشونده و خودپشتیبانیشونده هستند. برای دریافت پشتیبانی به اینجاها مراجعه کنید:
پرسشها، گفتگو، نکتهها: برای تعامل با جامعه از صفحههای مدل در Hugging Face استفاده کنید.
باگهای قابل بازتولید در کد استنتاج مرجع OpenAI: در مخزن GitHub مربوط به gpt-oss یک issue باز کنید.
مشکلات مربوط به یک محیط اجرای شخص ثالث (مانند vLLM، Ollama، llama.cpp): از ردیاب issue، انجمنها یا فرایند پشتیبانی همان پروژه استفاده کنید.
OpenAI برای هیچیک از راهاندازیها، پیکربندیها، محیطها یا برنامههای با وزنهای باز که خودمیزبان یا میزبانیشده توسط شخص ثالث هستند، کمک، پیادهسازی عملی یا پشتیبانی رفع اشکال ارائه نمیکند.
حریم خصوصی و ایمنی
حریم خصوصی و داده
این مدلها برای اجرا روی زیرساختی طراحی شدهاند که شما کنترل میکنید (در محل، یا در ابر شما یا شریک میزبانیتان). OpenAI دادههایی را که به این مدلهای خودمیزبان میفرستید دریافت یا پردازش نمیکند، مگر اینکه صراحتاً آنها را با OpenAI به اشتراک بگذارید یا از یکی از شرکای میزبانی مدیریتشده ما استفاده کنید.
ایمنی
این مدلها آموزش و آزمونهای گستردهای در زمینه ایمنی را پشت سر گذاشتهاند. برای جزئیات بیشتر، کارت مدل و گزارش فنی ما را ببینید.
گزارش نقضهای محتوایی
اگر فکر میکنید محتوای تولیدشده با مدلهای gpt‑oss سیاستهای ما را نقض میکند، میتوانید آن را از طریق فرم گزارش محتوا ما گزارش دهید. لطفاً تا حد امکان جزئیات ارائه دهید تا به تیم ما در بازبینی گزارش شما کمک شود.
پرسشهای متداول
آیا این مدلها رایگان هستند؟
وزنهای مدل gpt-oss تحت مجوز Apache 2.0 و سیاست استفاده gpt-oss، برای دانلود و استفاده رایگان هستند. با این حال، شما مسئول هرگونه هزینهٔ مرتبط با اجرای آنها هستید — مانند هزینههای رایانش، ذخیرهسازی یا میزبانی شخص ثالث. قیمتگذاری آنها به زیرساخت یا ارائهدهندهای که انتخاب میکنید بستگی دارد.
آیا این مدلها «متنباز» هستند؟
ما از اصطلاح الگوهای باز یا وزنباز استفاده میکنیم تا نشان دهیم وزنهای آموزشدیده تحت مجوز آزاد Apache 2.0 و سیاست استفاده gpt-oss بهصورت عمومی در دسترساند. این یعنی میتوانید مدلها را دانلود کنید، آنها را روی زیرساخت خودتان یا با چارچوبهای میزبانی پشتیبانیشده اجرا کنید، و آنها را سفارشیسازی یا تنظیم دقیق کنید.
الگوهای باز کنترل و انعطافپذیری بیشتری به توسعهدهندگان و سازمانها میدهند. میتوانید محل میزبانی را انتخاب کنید، مدلها را برای موارد استفاده مشخص سازگار کنید، و از مجوزی بهرهمند شوید که استفاده گسترده، تغییر و بازتوزیع را مجاز میکند. اگرچه وزنهای آموزشدیده باز هستند، برخی زیرساختها یا ابزارهای پیرامونی ممکن است همچنان اختصاصیِ ارائهدهندگانشان باقی بمانند.
آیا میتوانم از طریق OpenAI API یا ChatGPT به این مدلها دسترسی داشته باشم؟
خیر. این مدلها در OpenAI API ارائه نمیشوند و در ChatGPT ظاهر نمیشوند.
آیا میتوانم مدلها را تنظیم دقیق کنم؟
بله. میتوانید با استفاده از ابزارهای متنباز و زیرساخت دلخواهتان تنظیم دقیق انجام دهید. ما برای این مدلها تنظیم دقیق از طریق APIهای OpenAI ارائه نمیکنیم.
آیا مدلهای با وزنهای باز ارزانتر از استفاده از API هستند؟
هزینهها بسته به زیرساخت، حجم کار و رویکرد عملیاتی متفاوت است. خودمیزبانی ممکن است در برخی موارد ارزانتر باشد، در حالی که پلتفرم API ما با در نظر گرفتن میزبانی، نگهداری و ارتقاها ممکن است کارآمدتر باشد.
این مدلها از چه قابلیتهایی پشتیبانی میکنند؟
این مدلها در حال حاضر مدلهای استدلال فقط متنی هستند. محیطهای اجرای رایج از استریم، درخواست عملکرد، و خروجی های دارای ساختار پشتیبانی میکنند. برای قابلیتهای دقیق، مستندات محیط اجرای خود را بررسی کنید.
این چه تفاوتی با ModAPI دارد؟
این یک مدل استدلال بسیار توانمند است که به شما امکان میدهد سیاست خودتان را بیاورید. میتواند همراه با ModAPI کار کند، اما احتمالاً جایگزینی برای موارد استفاده با تأخیر کم نیست.