Cathetan: Artikel iki menehi ringkesan tingkat dhuwur. Informasi kanggo setup teknis bisa ditemokake ing situs web gpt-oss, GitHub, Hugging Face, lan OpenAI Cookbooks.
Ringkesan
Ngenalake rong model nalar bobot mbukak: gpt‑oss‑120b lan gpt‑oss‑20b. Model iki mlaku ing infrastruktur sing kok kontrol, utawa liwat panyedhiya hosting.
Cathetan: Model iki ora disajekake liwat OpenAI API lan ora kasedhiya ing ChatGPT.
Napa bobot mbukak
Pilihan lan kontrol: Mlakuake model on‑premises utawa ing cloud privatmu, njaga domisili data, lan nyesuaikake kinerja kanggo kabutuhanmu.
Kustomisasi: Fine-tune utawa adaptasi model nganggo alat mbukak pilihanmu.
Kasedhiyan lan lisensi
Lisensi: Apache 2.0 ngidini panggunaan, modifikasi, lan redistribusi kanthi jembar, kalebu panggunaan komersial (miturut kabijakan panggunaan gpt-oss kita).
Penyajian: Ora kasedhiya liwat API OpenAI, mula rega API lan watesan rate ora ditrapake.
Kompatibilitas: Bisa mlaku nganggo stack inferensi mbukak umum kayata vLLM, Ollama, llama.cpp, lan ing lingkungan GPU cloud utawa sing dikelola dhewe.
Miwiti
Kanggo entuk bobot model lan sumber daya pendukung, sampeyan bisa:
Bukak situs web gpt-oss kanggo ringkesan lan tautan langsung.
Undhuh bobot saka koleksi Hugging Face — hub komunitas ing ngendi sampeyan bisa nemokake loro model, ndeleng conto panggunaan, lan yen pengin mbukak inferensi langsung liwat layanan Hugging Face.
Akses repo GitHub kita kanggo kode inferensi referensi.
Gunakake pandhuan ing OpenAI Cookbook kanggo setup nganggo runtime sing didhukung kaya Ollama, vLLM, lan Transformers. Cookbook uga ngemot pandhuan langkah demi langkah kanggo mlakuake lokal, nggunakake runtime umum, lan—yen didhukung—fine-tuning model gpt‑oss.
gpt‑oss‑safeguard (pratinjau riset)
gpt‑oss‑safeguard yaiku pasangan model nalar keamanan bobot mbukak sing dibangun ing ndhuwur gpt‑oss. Model iki dirancang kanggo klasifikasi keamanan adhedhasar kabijakan lan tugas kapercayan & keamanan sing gegandhengan, sing kok lakokake ing infrastruktur sing kok kontrol. Kaya model gpt‑oss liyane, bobot iki ora dilayani liwat API OpenAI utawa ChatGPT.
Model mung teks nganggo skema keluaran terstruktur referensi (umpamane, putusan kabijakan, alasan).
Gawa kabijakanmu dhewe: model nerjemahake kabijakan tertulismu supaya bisa generalisasi ing macem-macem produk kanthi rekayasa minimal.
Keputusan bernalar: tilas nalar opsional kanggo mbantu debugging lan audit (ditujokake kanggo pangembang lan praktisi keamanan, ora kanggo ditampilake marang pangguna pungkasan).
Upaya nalar sing bisa dikonfigurasi: pilih rendah / sedheng / dhuwur kanggo nimbang latensi vs. kedalaman.
Lisensi: Apache 2.0 (delengen Kasedhiyan lan lisensi ing ngisor iki).
gpt‑oss‑safeguard cocog kanggo nyaring input/output kanggo LLM, label konten online, lan alur kerja label utawa peninjauan batch offline. Kanggo aplikasi umum (chat, agen, lsp.), disaranake nggunakake model inti gpt‑oss.
Sampeyan bisa nyesuaikake skema miturut kabutuhanmu. Mangga delengen OpenAI Cookbook kanggo pandhuan babagan prompting lan conto.
Varian model & ukuran
| Model | Panggunaan sing dikarepake | Cathetan |
|---|---|---|
| gpt‑oss‑safeguard‑120b | Produksi, nalar keamanan kapasitas dhuwur | 117B parameter (≈5.1B aktif). Dirancang supaya pas ing siji GPU 80 GB (contone, NVIDIA H100; uga mlaku ing GPU memori luwih gedhe kayata AMD MI300X). |
| gpt‑oss‑safeguard‑20b | Latensi luwih endhek / lingkungan winates | 21B parameter (≈3.6B aktif). |
Loro model iki di-fine-tune saka gpt‑oss tanpa owah-owahan arsitektur. Model-model iki nganggo template chat sing padha karo gpt‑oss; sampeyan bisa tetep nganggo setelan sing wis ana. Pola prompt sing disaranake yaiku nyelehake kabijakan sampeyan ing pesen developer lan konten sing arep dievaluasi ing pesen pangguna.
Dhukungan lan komunitas
Panyebaran bobot mbukak dikelola dhewe lan dilayani dhewe. Iki papan kanggo njaluk dhukungan:
Pitakonan, diskusi, tips: Gunakake kaca model Hugging Face kanggo melu karo komunitas.
Bug sing bisa direproduksi ing kode inferensi referensi OpenAI: Bukak issue ing repo GitHub gpt-oss.
Masalah karo runtime pihak katelu (umpamane, vLLM, Ollama, llama.cpp): Gunakake pelacak issue, forum, utawa proses dhukungan proyek kasebut.
OpenAI ora nyedhiyakake pitulungan, implementasi langsung, utawa dhukungan debugging kanggo setup, konfigurasi, lingkungan, utawa aplikasi bobot mbukak apa wae sing di-host dhewe utawa di-host pihak katelu.
Kita bakal terus iterasi bebarengan karo komunitas kanggo ningkatake piranti keamanan mbukak, kalebu liwat ROOST Model Community (RMC). RMC nglumpukake praktisi lan peneliti keamanan kanggo nuduhake praktik paling apik kanggo ngetrapake model AI open source menyang alur kerja keamanan, kalebu asil evaluasi lan umpan balik model. Bukak repo GitHub RMC kanggo sinau luwih akeh babagan kemitraan iki lan carane melu.
Dhukungan lan komunitas
Panyebaran bobot mbukak dikelola dhewe lan dilayani dhewe. Iki papan kanggo njaluk dhukungan:
Pitakonan, diskusi, tips: Gunakake kaca model Hugging Face kanggo melu karo komunitas.
Bug sing bisa direproduksi ing kode inferensi referensi OpenAI: Bukak issue ing repo GitHub gpt-oss.
Masalah karo runtime pihak katelu (umpamane, vLLM, Ollama, llama.cpp): Gunakake pelacak issue, forum, utawa proses dhukungan proyek kasebut.
OpenAI ora nyedhiyakake pitulungan, implementasi langsung, utawa dhukungan debugging kanggo setup, konfigurasi, lingkungan, utawa aplikasi bobot mbukak apa wae sing di-host dhewe utawa di-host pihak katelu.
Privasi lan keamanan
Privasi lan data
Model iki dirancang kanggo mlaku ing infrastruktur sing kok kontrol (on-premises utawa ing cloud utawa mitra hostingmu). OpenAI ora nampa utawa ngolah data sing kok kirim menyang model sing di-host dhewe iki kajaba sampeyan kanthi eksplisit nuduhake menyang OpenAI, utawa nggunakake salah siji mitra hosting terkelola kita.
Keamanan
Model-model iki wis ngalami latihan lan pengujian keamanan sing jembar. Kanggo rincian liyane, delengen kertu model lan laporan teknis kita.
Nglaporake pelanggaran konten
Yen sampeyan yakin konten sing digawe nganggo model gpt‑oss nglanggar kabijakan kita, sampeyan bisa nglaporake liwat formulir Lapor Konten kita. Mangga wenehana rincian sabisa-bisane kanggo mbantu tim kita mriksa kirimanmu.
FAQ
Apa model-model iki gratis?
Bobot model gpt-oss gratis diundhuh lan digunakake miturut lisensi Apache 2.0 lan kabijakan panggunaan gpt-oss. Nanging, sampeyan tanggung jawab kanggo biaya apa wae sing ana gandhengane karo nglakokake model-model iki — kayata biaya komputasi, panyimpenan, utawa hosting pihak katelu. Regane bakal gumantung marang infrastruktur utawa panyedhiya sing sampeyan pilih.
Apa model iki “open source”?
Kita nggunakake istilah model mbukak utawa bobot mbukak kanggo nuduhake manawa bobot sing wis dilatih kasedhiya kanggo umum miturut lisensi permisif Apache 2.0 lan kabijakan panggunaan gpt-oss. Iki tegese sampeyan bisa ngundhuh model, mlakuake ing infrastrukturmu dhewe utawa nganggo framework hosting sing didhukung, lan ngatur utawa fine-tune model kasebut.
Model mbukak menehi pangembang lan organisasi kontrol lan keluwesan sing luwih gedhe. Sampeyan bisa milih papan hosting, nyesuaikake model kanggo kasus panggunaan tartamtu, lan entuk manfaat saka lisensi sing ngidini panggunaan, modifikasi, lan redistribusi kanthi jembar. Sanajan bobot sing wis dilatih iku mbukak, sawetara infrastruktur utawa alat ing sakupenge bisa tetep proprietari kanggo panyedhiyane.
Apa aku bisa ngakses model iki liwat API OpenAI utawa ChatGPT?
Ora. Model iki ora dilayani ing API OpenAI lan ora katon ing ChatGPT.
Apa aku bisa fine-tune model iki?
Ya. Sampeyan bisa fine-tune nganggo alat open-source lan infrastruktur pilihanmu. Kita ora nawakake fine-tuning liwat API OpenAI kanggo model-model iki.
Apa model bobot mbukak luwih murah tinimbang nggunakake API?
Biaya beda-beda adhedhasar infrastruktur, beban kerja, lan pendekatan operasional. Hosting dhewe bisa luwih murah ing sawetara kasus, dene Platform API kita bisa luwih efisien yen ngetung hosting, pangopènan, lan upgrade.
Fitur apa sing didhukung model iki?
Model iki saiki minangka model nalar mung teks. Runtime umum ndhukung streaming, nelpon fungsi, lan keluaran terstruktur. Priksa dokumentasi runtime-mu kanggo kapabilitas sing pas.
Apa bedane iki karo ModAPI?
Iki model nalar sing kapabel banget lan ngidini sampeyan nggawa kabijakanmu dhewe. Iki bisa kerja bareng karo ModAPI nanging bisa uga dudu pengganti kanggo kasus panggunaan latensi rendah.
