ಗಮನಿಸಿ: ಈ ಲೇಖನವು ಉನ್ನತ-ಮಟ್ಟದ ಅವಲೋಕನವನ್ನು ಒದಗಿಸುತ್ತದೆ. ತಾಂತ್ರಿಕ ಸೆಟಪ್ಗಾಗಿ ಮಾಹಿತಿಯನ್ನು gpt-oss ವೆಬ್ಸೈಟ್, GitHub, Hugging Face, ಮತ್ತು OpenAI Cookbooks ನಲ್ಲಿ ಕಾಣಬಹುದು.
ಅವಲೋಕನ
ಎರಡು ಓಪನ್-ವೆಯ್ಟ್ ರೀಜನಿಂಗ್ ಮಾಡೆಲ್ಗಳನ್ನು ಪರಿಚಯಿಸುತ್ತಿದ್ದೇವೆ: gpt‑oss‑120b ಮತ್ತು gpt‑oss‑20b. ಅವು ನೀವು ನಿಯಂತ್ರಿಸುವ ಮೂಲಸೌಕರ್ಯದಲ್ಲಿ ಅಥವಾ ಹೋಸ್ಟಿಂಗ್ ಪೂರೈಕೆದಾರರ ಮೂಲಕ ರನ್ ಆಗುತ್ತವೆ.
ಸೂಚನೆ: ಈ ಮಾಡೆಲ್ಗಳನ್ನು OpenAI API ಮೂಲಕ ಸರ್ವ್ ಮಾಡುವುದಿಲ್ಲ ಮತ್ತು ಅವು ChatGPT ನಲ್ಲಿ ಲಭ್ಯವಿಲ್ಲ.
ಓಪನ್-ವೆಯ್ಟ್ಗಳು ಏಕೆ
ಆಯ್ಕೆ ಮತ್ತು ನಿಯಂತ್ರಣ: ಮಾಡೆಲ್ಗಳನ್ನು ಆನ್-ಪ್ರೆಮೈಸಸ್ ಅಥವಾ ನಿಮ್ಮ ಖಾಸಗಿ ಕ್ಲೌಡ್ನಲ್ಲಿ ರನ್ ಮಾಡಿ, ಡೇಟಾ ರೆಸಿಡೆನ್ಸಿ ಉಳಿಸಿಕೊಳ್ಳಿ, ಮತ್ತು ನಿಮ್ಮ ಅಗತ್ಯಗಳಿಗೆ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಹೊಂದಿಸಿ.
ಕಸ್ಟಮೈಜೇಶನ್: ನಿಮಗೆ ಇಷ್ಟವಾದ ಓಪನ್ ಟೂಲಿಂಗ್ನೊಂದಿಗೆ ಮಾಡೆಲ್ಗಳನ್ನು ಫೈನ್-ಟ್ಯೂನ್ ಮಾಡಿ ಅಥವಾ ಹೊಂದಿಸಿ.
ಲಭ್ಯತೆ ಮತ್ತು ಪರವಾನಗಿ
ಪರವಾನಗಿ: Apache 2.0 ವಾಣಿಜ್ಯ ಬಳಕೆಯನ್ನು ಸೇರಿಸಿ ವ್ಯಾಪಕ ಬಳಕೆ, ಮಾರ್ಪಾಡು ಮತ್ತು ಮರುಹಂಚಿಕೆಗೆ ಅವಕಾಶ ನೀಡುತ್ತದೆ (ನಮ್ಮ gpt-oss ಬಳಕೆ ನೀತಿಗೆ ಒಳಪಟ್ಟಿದೆ).
ಸರ್ವಿಂಗ್: OpenAI API ಮೂಲಕ ಲಭ್ಯವಿಲ್ಲ, ಆದ್ದರಿಂದ API ಬೆಲೆ ಮತ್ತು ದರ ಮಿತಿಗಳು ಅನ್ವಯಿಸುವುದಿಲ್ಲ.
ಹೊಂದಾಣಿಕೆ: vLLM, Ollama, llama.cpp ನಂತಹ ಸಾಮಾನ್ಯ ಓಪನ್ ಇನ್ಫರೆನ್ಸ್ ಸ್ಟ್ಯಾಕ್ಗಳೊಂದಿಗೆ, ಮತ್ತು ಕ್ಲೌಡ್ ಅಥವಾ ಸ್ವಯಂ-ನಿರ್ವಹಿತ GPU ಪರಿಸರಗಳಲ್ಲಿ ರನ್ ಮಾಡಬಹುದು.
ಪ್ರಾರಂಭಿಸುವುದು
ಮಾಡೆಲ್ ತೂಕಗಳು ಮತ್ತು ಪೂರಕ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಪಡೆಯಲು, ನೀವು ಹೀಗೆ ಮಾಡಬಹುದು:
ಅವಲೋಕನ ಮತ್ತು ನೇರ ಲಿಂಕ್ಗಳಿಗಾಗಿ gpt-oss ಜಾಲತಾಣಕ್ಕೆ ಭೇಟಿ ನೀಡಿ.
Hugging Face ಸಂಗ್ರಹದಿಂದ ತೂಕಗಳನ್ನು ಡೌನ್ಲೋಡ್ ಮಾಡಿ. ಇದು ಎರಡೂ ಮಾಡೆಲ್ಗಳನ್ನು ಹುಡುಕಲು, ಬಳಕೆಯ ಉದಾಹರಣೆಗಳನ್ನು ನೋಡಲು ಮತ್ತು ಬೇಕಿದ್ದರೆ Hugging Face ಸೇವೆಗಳ ಮೂಲಕ ನೇರವಾಗಿ ನಿರ್ಣಯ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಚಲಾಯಿಸಲು ಸಾಧ್ಯವಾಗುವ ಸಮುದಾಯ ಕೇಂದ್ರವಾಗಿದೆ.
ಉಲ್ಲೇಖ ನಿರ್ಣಯ ಪ್ರಕ್ರಿಯೆಯ ಕೋಡ್ಗಾಗಿ ನಮ್ಮ GitHub ಕೋಡ್ ಭಂಡಾರವನ್ನು ಪ್ರವೇಶಿಸಿ.
Ollama, vLLM ಮತ್ತು Transformers ಮುಂತಾದ ಬೆಂಬಲಿತ ಕಾರ್ಯಾಚರಣಾ ಪರಿಸರಗಳೊಂದಿಗೆ ಸಂರಚಿಸಲು OpenAI ಮಾರ್ಗದರ್ಶಿಗಳಲ್ಲಿನ ಸೂಚನೆಗಳನ್ನು ಬಳಸಿ. ಸ್ಥಳೀಯವಾಗಿ ಚಲಾಯಿಸುವುದು, ಸಾಮಾನ್ಯ ಕಾರ್ಯಾಚರಣಾ ಪರಿಸರಗಳನ್ನು ಬಳಸುವುದು ಮತ್ತು ಬೆಂಬಲವಿರುವಲ್ಲಿ gpt-oss ಮಾಡೆಲ್ಗಳನ್ನು ಸೂಕ್ಷ್ಮವಾಗಿ ಹೊಂದಿಸುವುದಕ್ಕೆ ಹಂತ ಹಂತದ ಸೂಚನೆಗಳೂ ಈ ಮಾರ್ಗದರ್ಶಿಗಳಲ್ಲಿವೆ.
gpt‑oss‑safeguard (ಸಂಶೋಧನಾ ಪೂರ್ವಾವಲೋಕನ)
gpt‑oss‑safeguard ಎಂಬುದು gpt‑oss ಆಧರಿಸಿ ನಿರ್ಮಿಸಲಾದ ಮುಕ್ತ ತೂಕಗಳ ಎರಡು ಸುರಕ್ಷತಾ ರೀಜನಿಂಗ್ ಮಾಡೆಲ್ಗಳ ಜೋಡಿಯಾಗಿದೆ. ನೀವು ನಿಯಂತ್ರಿಸುವ ಮೂಲಸೌಕರ್ಯದಲ್ಲಿ ನಡೆಸುವ ನೀತಿ ಆಧಾರಿತ ಸುರಕ್ಷತಾ ವರ್ಗೀಕರಣ ಮತ್ತು ಸಂಬಂಧಿತ ವಿಶ್ವಾಸಾರ್ಹತೆ ಹಾಗೂ ಸುರಕ್ಷತಾ ಕಾರ್ಯಗಳಿಗಾಗಿ ಅವುಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ಇತರ gpt‑oss ಮಾಡೆಲ್ಗಳಂತೆಯೇ, ಈ ತೂಕಗಳನ್ನು OpenAI API ಅಥವಾ ChatGPT ಮೂಲಕ ಒದಗಿಸಲಾಗುವುದಿಲ್ಲ.
ಉಲ್ಲೇಖಕ್ಕಾಗಿ ಸ್ಟ್ರಕ್ಚರ್ಡ್ ಔಟ್ಪುಟ್ಸ್ ಸ್ಕೀಮಾಗಳನ್ನು ಹೊಂದಿರುವ ಪಠ್ಯ-ಮಾತ್ರದ ಮಾಡೆಲ್ಗಳು (ಉದಾ., ನೀತಿ ತೀರ್ಪು, ತಾರ್ಕಿಕ ವಿವರಣೆ).
ನಿಮ್ಮದೇ ನೀತಿಯನ್ನು ಬಳಸಿ: ಮಾಡೆಲ್ ನಿಮ್ಮ ಲಿಖಿತ ನೀತಿಯನ್ನು ಅರ್ಥೈಸುವುದರಿಂದ, ಕನಿಷ್ಠ ಎಂಜಿನಿಯರಿಂಗ್ನೊಂದಿಗೆ ವಿವಿಧ ಉತ್ಪನ್ನಗಳಿಗೆ ಅದನ್ನು ಅನ್ವಯಿಸಬಹುದು.
ತಾರ್ಕಿಕ ನಿರ್ಧಾರಗಳು: ದೋಷನಿವಾರಣೆ ಮತ್ತು ಲೆಕ್ಕಪರಿಶೋಧನೆಗೆ ನೆರವಾಗಲು ಐಚ್ಛಿಕ ರೀಜನಿಂಗ್ ಜಾಡುಗಳು (ಡೆವಲಪರ್ಗಳು ಮತ್ತು ಸುರಕ್ಷತಾ ತಜ್ಞರಿಗಾಗಿ; ಅಂತಿಮ ಬಳಕೆದಾರರಿಗೆ ಪ್ರದರ್ಶಿಸಲು ಅಲ್ಲ).
ಹೊಂದಿಸಬಹುದಾದ ರೀಜನಿಂಗ್ ಪ್ರಯತ್ನ: ವಿಳಂಬ ಮತ್ತು ವಿಶ್ಲೇಷಣೆಯ ಆಳದ ನಡುವೆ ಸಮತೋಲನ ಸಾಧಿಸಲು ಲೋ / ಮೀಡಿಯಂ / ಹೈ ಆಯ್ಕೆಮಾಡಿ.
ಪರವಾನಗಿ: Apache 2.0 (ಕೆಳಗಿನ ಲಭ್ಯತೆ ಮತ್ತು ಪರವಾನಗಿ ನೋಡಿ).
LLMಗಳ ಇನ್ಪುಟ್/ಔಟ್ಪುಟ್ ಫಿಲ್ಟರಿಂಗ್, ಆನ್ಲೈನ್ ವಿಷಯಕ್ಕೆ ಲೇಬಲ್ ಹಚ್ಚುವುದು ಹಾಗೂ ಆಫ್ಲೈನ್ ಬ್ಯಾಚ್ ಲೇಬಲಿಂಗ್ ಅಥವಾ ಪರಿಶೀಲನಾ ಕಾರ್ಯಪ್ರವಾಹಗಳಿಗೆ gpt‑oss‑safeguard ಸೂಕ್ತವಾಗಿದೆ. ಸಾಮಾನ್ಯ ಅಪ್ಲಿಕೇಶನ್ಗಳಿಗೆ (ಚಾಟ್, ಏಜೆಂಟ್ಗಳು ಇತ್ಯಾದಿ) ಪ್ರಮುಖ gpt‑oss ಮಾಡೆಲ್ಗಳನ್ನು ಬಳಸುವಂತೆ ನಾವು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ.
ನಿಮ್ಮ ಅಗತ್ಯಗಳಿಗೆ ತಕ್ಕಂತೆ ಸ್ಕೀಮಾವನ್ನು ಹೊಂದಿಸಬಹುದು. ಪ್ರಾಂಪ್ಟ್ ರಚನೆಯ ಮಾರ್ಗದರ್ಶಿಗಳು ಮತ್ತು ಉದಾಹರಣೆಗಳಿಗಾಗಿ OpenAI ಕುಕ್ಬುಕ್ ನೋಡಿ.
ಮಾಡೆಲ್ ರೂಪಾಂತರಗಳು & ಗಾತ್ರ ನಿರ್ಧಾರ
| ಮಾಡೆಲ್ | ಉದ್ದೇಶಿತ ಬಳಕೆ | ಟಿಪ್ಪಣಿಗಳು |
|---|---|---|
| gpt‑oss‑safeguard‑120b | ಪ್ರೊಡಕ್ಷನ್, ಹೆಚ್ಚಿನ ಸಾಮರ್ಥ್ಯದ ಸುರಕ್ಷತಾ ರೀಜನಿಂಗ್ | 117B ಪ್ಯಾರಾಮೀಟರ್ಗಳು (≈5.1B ಸಕ್ರಿಯ). ಒಂದು ಒಂದೇ 80 GB GPU ನಲ್ಲಿ ಹೊಂದುವಂತೆ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ (ಉದಾ., NVIDIA H100; AMD MI300X ತರಹದ ಹೆಚ್ಚು ಮೆಮೊರಿ ಇರುವ GPUಗಳಲ್ಲಿಯೂ ರನ್ ಆಗುತ್ತದೆ). |
| gpt‑oss‑safeguard‑20b | ಕಡಿಮೆ ಲೇಟೆನ್ಸಿ / ಸೀಮಿತ ಪರಿಸರಗಳು | 21B ಪ್ಯಾರಾಮೀಟರ್ಗಳು (≈3.6B ಸಕ್ರಿಯ). |
ಎರಡೂ ಮಾಡೆಲ್ಗಳನ್ನು ಆರ್ಕಿಟೆಕ್ಚರ್ ಬದಲಾವಣೆ ಇಲ್ಲದೆ gpt‑oss ನಿಂದ ಫೈನ್-ಟ್ಯೂನ್ ಮಾಡಲಾಗಿದೆ. ಅವು gpt‑oss ನಂತೆಯೇ ಅದೇ ಚಾಟ್ ಟೆಂಪ್ಲೇಟ್ ಬಳಸುತ್ತವೆ; ನಿಮ್ಮ ಪ್ರಸ್ತುತ ಸೆಟಪ್ ಅನ್ನು ಉಳಿಸಿಕೊಳ್ಳಬಹುದು. ಶಿಫಾರಸು ಮಾಡಲಾದ ಪ್ರಾಂಪ್ಟಿಂಗ್ ಮಾದರಿಯೆಂದರೆ ನಿಮ್ಮ ಪಾಲಿಸಿಯನ್ನು ಡೆವಲಪರ್ ಸಂದೇಶದಲ್ಲಿ ಮತ್ತು ಮೌಲ್ಯಮಾಪನ ಮಾಡಬೇಕಾದ ಕಂಟೆಂಟ್ ಅನ್ನು ಬಳಕೆದಾರ ಸಂದೇಶದಲ್ಲಿ ಇಡುವುದು.
ಬೆಂಬಲ ಮತ್ತು ಸಮುದಾಯ
ಓಪನ್-ವೆಯ್ಟ್ ಡಿಪ್ಲಾಯ್ಮೆಂಟ್ಗಳು ಸ್ವಯಂ-ನಿರ್ವಹಿತ ಮತ್ತು ಸ್ವಯಂ-ಸೇವಿತವಾಗಿವೆ. ಬೆಂಬಲ ಪಡೆಯಬಹುದಾದ ಸ್ಥಳಗಳು ಇವು:
ಪ್ರಶ್ನೆಗಳು, ಚರ್ಚೆ, ಸಲಹೆಗಳು: ಸಮುದಾಯದೊಂದಿಗೆ ತೊಡಗಿಸಿಕೊಳ್ಳಲು Hugging Face ಮಾಡೆಲ್ ಪುಟಗಳನ್ನು ಬಳಸಿ.
OpenAI ನ ರೆಫರೆನ್ಸ್ ಇನ್ಫರೆನ್ಸ್ ಕೋಡ್ನಲ್ಲಿನ ಪುನರುತ್ಪಾದಿಸಬಹುದಾದ ಬಗ್ಗಳು: gpt-oss GitHub ರೆಪೊದಲ್ಲಿ ಇಶ್ಯೂ ತೆರೆಯಿರಿ.
ಥರ್ಡ್-ಪಾರ್ಟಿ ರನ್ಟೈಮ್ನ ಸಮಸ್ಯೆಗಳು (ಉದಾ., vLLM, Ollama, llama.cpp): ಸಂಬಂಧಿತ ಪ್ರಾಜೆಕ್ಟ್ನ ಇಶ್ಯೂ ಟ್ರ್ಯಾಕರ್, ಫೋರಮ್ಗಳು ಅಥವಾ ಬೆಂಬಲ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಬಳಸಿ.
ಸ್ವಯಂ-ಹೋಸ್ಟ್ ಮಾಡಿದ ಅಥವಾ ಥರ್ಡ್-ಪಾರ್ಟಿ-ಹೋಸ್ಟ್ ಮಾಡಿದ ಯಾವುದೇ ಓಪನ್-ವೆಯ್ಟ್ ಸೆಟಪ್ಗಳು, ಕಾನ್ಫಿಗರೇಶನ್ಗಳು, ಪರಿಸರಗಳು ಅಥವಾ ಅಪ್ಲಿಕೇಶನ್ಗಳಿಗೆ OpenAI ಸಹಾಯ, ಪ್ರಾಯೋಗಿಕ ಅನುಷ್ಠಾನ ಅಥವಾ ಡೀಬಗಿಂಗ್ ಬೆಂಬಲವನ್ನು ಒದಗಿಸುವುದಿಲ್ಲ.
ROOST Model Community (RMC) ಮೂಲಕವೂ ಸೇರಿ, ಓಪನ್ ಸುರಕ್ಷತಾ ಟೂಲಿಂಗ್ ಅನ್ನು ಸುಧಾರಿಸಲು ನಾವು ಸಮುದಾಯದೊಂದಿಗೆ ನಿರಂತರವಾಗಿ ಪುನರಾವರ್ತಿಸುತ್ತೇವೆ. ಮೌಲ್ಯಮಾಪನ ಫಲಿತಾಂಶಗಳು ಮತ್ತು ಮಾಡೆಲ್ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಒಳಗೊಂಡಂತೆ, ಓಪನ್ ಸೋರ್ಸ್ AI ಮಾಡೆಲ್ಗಳನ್ನು ಸುರಕ್ಷತಾ ವರ್ಕ್ಫ್ಲೋಗಳಲ್ಲಿ ಅನುಷ್ಠಾನಗೊಳಿಸಲು ಉತ್ತಮ ಅಭ್ಯಾಸಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳಲು RMC ಸುರಕ್ಷತಾ ಪ್ರಾಕ್ಟಿಷನರ್ಗಳು ಮತ್ತು ಸಂಶೋಧಕರನ್ನು ಒಟ್ಟುಗೂಡಿಸುತ್ತದೆ. ಈ ಪಾಲುದಾರಿಕೆ ಮತ್ತು ಭಾಗವಹಿಸುವ ವಿಧಾನಗಳ ಬಗ್ಗೆ ಇನ್ನಷ್ಟು ತಿಳಿಯಲು RMC GitHub ರೆಪೊಗೆ ಭೇಟಿ ನೀಡಿ.
ಬೆಂಬಲ ಮತ್ತು ಸಮುದಾಯ
ಓಪನ್-ವೆಯ್ಟ್ ಡಿಪ್ಲಾಯ್ಮೆಂಟ್ಗಳು ಸ್ವಯಂ-ನಿರ್ವಹಿತ ಮತ್ತು ಸ್ವಯಂ-ಸೇವಿತವಾಗಿವೆ. ಬೆಂಬಲ ಪಡೆಯಬಹುದಾದ ಸ್ಥಳಗಳು ಇವು:
ಪ್ರಶ್ನೆಗಳು, ಚರ್ಚೆ, ಸಲಹೆಗಳು: ಸಮುದಾಯದೊಂದಿಗೆ ತೊಡಗಿಸಿಕೊಳ್ಳಲು Hugging Face ಮಾಡೆಲ್ ಪುಟಗಳನ್ನು ಬಳಸಿ.
OpenAI ನ ರೆಫರೆನ್ಸ್ ಇನ್ಫರೆನ್ಸ್ ಕೋಡ್ನಲ್ಲಿನ ಪುನರುತ್ಪಾದಿಸಬಹುದಾದ ಬಗ್ಗಳು: gpt-oss GitHub ರೆಪೊದಲ್ಲಿ ಇಶ್ಯೂ ತೆರೆಯಿರಿ.
ಥರ್ಡ್-ಪಾರ್ಟಿ ರನ್ಟೈಮ್ನ ಸಮಸ್ಯೆಗಳು (ಉದಾ., vLLM, Ollama, llama.cpp): ಸಂಬಂಧಿತ ಪ್ರಾಜೆಕ್ಟ್ನ ಇಶ್ಯೂ ಟ್ರ್ಯಾಕರ್, ಫೋರಮ್ಗಳು ಅಥವಾ ಬೆಂಬಲ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಬಳಸಿ.
ಸ್ವಯಂ-ಹೋಸ್ಟ್ ಮಾಡಿದ ಅಥವಾ ಥರ್ಡ್-ಪಾರ್ಟಿ-ಹೋಸ್ಟ್ ಮಾಡಿದ ಯಾವುದೇ ಓಪನ್-ವೆಯ್ಟ್ ಸೆಟಪ್ಗಳು, ಕಾನ್ಫಿಗರೇಶನ್ಗಳು, ಪರಿಸರಗಳು ಅಥವಾ ಅಪ್ಲಿಕೇಶನ್ಗಳಿಗೆ OpenAI ಸಹಾಯ, ಪ್ರಾಯೋಗಿಕ ಅನುಷ್ಠಾನ ಅಥವಾ ಡೀಬಗಿಂಗ್ ಬೆಂಬಲವನ್ನು ಒದಗಿಸುವುದಿಲ್ಲ.
ಗೌಪ್ಯತೆ ಮತ್ತು ಸುರಕ್ಷತೆ
ಗೌಪ್ಯತೆ ಮತ್ತು ಡೇಟಾ
ಈ ಮಾಡೆಲ್ಗಳು ನೀವು ನಿಯಂತ್ರಿಸುವ ಮೂಲಸೌಕರ್ಯದಲ್ಲಿ (ಆನ್-ಪ್ರೆಮೈಸಸ್ ಅಥವಾ ನಿಮ್ಮ ಕ್ಲೌಡ್ ಅಥವಾ ಹೋಸ್ಟಿಂಗ್ ಪಾಲುದಾರರ ಬಳಿ) ರನ್ ಆಗುವಂತೆ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ನೀವು ಸ್ಪಷ್ಟವಾಗಿ OpenAI ಜೊತೆ ಹಂಚಿಕೊಳ್ಳದಿದ್ದರೆ ಅಥವಾ ನಮ್ಮ ನಿರ್ವಹಿತ ಹೋಸ್ಟಿಂಗ್ ಪಾಲುದಾರರಲ್ಲಿ ಒಬ್ಬರನ್ನು ಬಳಸದೇ ಇದ್ದರೆ, ಈ ಸ್ವಯಂ-ಹೋಸ್ಟ್ ಮಾಡಿದ ಮಾಡೆಲ್ಗಳಿಗೆ ನೀವು ಕಳುಹಿಸುವ ಡೇಟಾವನ್ನು OpenAI ಸ್ವೀಕರಿಸುವುದಿಲ್ಲ ಅಥವಾ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವುದಿಲ್ಲ.
ಸುರಕ್ಷತೆ
ಈ ಮಾಡೆಲ್ಗಳು ವ್ಯಾಪಕ ಸುರಕ್ಷತಾ ತರಬೇತಿ ಮತ್ತು ಪರೀಕ್ಷೆಗೆ ಒಳಪಟ್ಟಿವೆ. ಹೆಚ್ಚಿನ ವಿವರಗಳಿಗಾಗಿ, ನಮ್ಮ ಮಾಡೆಲ್ ಕಾರ್ಡ್ ಮತ್ತು ತಾಂತ್ರಿಕ ವರದಿ ನೋಡಿ.
ವಿಷಯ ಉಲ್ಲಂಘನೆಗಳನ್ನು ವರದಿ ಮಾಡುವುದು
gpt‑oss ಮಾಡೆಲ್ಗಳಿಂದ ರಚಿಸಲಾದ ವಿಷಯವು ನಮ್ಮ ನೀತಿಗಳನ್ನು ಉಲ್ಲಂಘಿಸುತ್ತದೆ ಎಂದು ನೀವು ನಂಬಿದರೆ, ಅದನ್ನು ನಮ್ಮ ವಿಷಯ ವರದಿ ಫಾರ್ಮ್ ಮೂಲಕ ವರದಿ ಮಾಡಬಹುದು. ನಿಮ್ಮ ಸಲ್ಲಿಕೆಯನ್ನು ಪರಿಶೀಲಿಸಲು ನಮ್ಮ ತಂಡಕ್ಕೆ ಸಹಾಯವಾಗುವಂತೆ ಸಾಧ್ಯವಾದಷ್ಟು ವಿವರಗಳನ್ನು ಒದಗಿಸಿ.
ಪದೇ ಪದೇ ಕೇಳಲಾಗುವ ಪ್ರಶ್ನೆಗಳು
ಈ ಮಾಡೆಲ್ಗಳು ಉಚಿತವೇ?
gpt-oss ಮಾಡೆಲ್ ವೇಟ್ಗಳನ್ನು Apache 2.0 ಲೈಸೆನ್ಸ್ ಮತ್ತು gpt-oss ಬಳಕೆ ಪಾಲಿಸಿ ಅಡಿಯಲ್ಲಿ ಉಚಿತವಾಗಿ ಡೌನ್ಲೋಡ್ ಮಾಡಿ ಬಳಸಬಹುದು. ಆದರೆ, ಅವನ್ನು ರನ್ ಮಾಡುವುದಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಯಾವುದೇ ವೆಚ್ಚಗಳಿಗೆ ನೀವು ಜವಾಬ್ದಾರರು — ಉದಾಹರಣೆಗೆ ಕಂಪ್ಯೂಟ್, ಸ್ಟೋರೇಜ್ ಅಥವಾ ತೃತೀಯ-ಪಕ್ಷ ಹೋಸ್ಟಿಂಗ್ ಶುಲ್ಕಗಳು. ಅವುಗಳ ಬೆಲೆ ನಿಮ್ಮ ಆಯ್ಕೆ ಮಾಡಿದ ಇನ್ಫ್ರಾಸ್ಟ್ರಕ್ಚರ್ ಅಥವಾ ಪ್ರೊವೈಡರ್ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿರುತ್ತದೆ.
ಈ ಮಾಡೆಲ್ಗಳು “ಓಪನ್ ಸೋರ್ಸ್” ಆಗಿವೆಯೇ?
ತರಬೇತಿಗೊಂಡ ವೆಯ್ಟ್ಗಳು ಅನುಮತಿಪರ Apache 2.0 ಪರವಾನಗಿ ಮತ್ತು gpt-oss ಬಳಕೆ ನೀತಿಯ ಅಡಿಯಲ್ಲಿ ಸಾರ್ವಜನಿಕವಾಗಿ ಲಭ್ಯವಿವೆ ಎಂದು ಸೂಚಿಸಲು ನಾವು ಓಪನ್ ಮಾಡೆಲ್ಗಳು ಅಥವಾ ಓಪನ್-ವೆಯ್ಟ್ ಎಂಬ ಪದಗಳನ್ನು ಬಳಸುತ್ತೇವೆ. ಇದರಿಂದ ನೀವು ಮಾಡೆಲ್ಗಳನ್ನು ಡೌನ್ಲೋಡ್ ಮಾಡಬಹುದು, ನಿಮ್ಮ ಸ್ವಂತ ಮೂಲಸೌಕರ್ಯದಲ್ಲಿ ಅಥವಾ ಬೆಂಬಲಿತ ಹೋಸ್ಟಿಂಗ್ ಫ್ರೇಮ್ವರ್ಕ್ಗಳೊಂದಿಗೆ ಅವುಗಳನ್ನು ರನ್ ಮಾಡಬಹುದು, ಮತ್ತು ಅವುಗಳನ್ನು ಕಸ್ಟಮೈಸ್ ಅಥವಾ ಫೈನ್-ಟ್ಯೂನ್ ಮಾಡಬಹುದು.
ಓಪನ್ ಮಾಡೆಲ್ಗಳು ಡೆವಲಪರ್ಗಳು ಮತ್ತು ಸಂಸ್ಥೆಗಳಿಗೆ ಹೆಚ್ಚಿನ ನಿಯಂತ್ರಣ ಮತ್ತು ಲವಚಿಕತೆಯನ್ನು ನೀಡುತ್ತವೆ. ಎಲ್ಲಿ ಹೋಸ್ಟ್ ಮಾಡಬೇಕು ಎಂಬುದನ್ನು ನೀವು ಆಯ್ಕೆ ಮಾಡಬಹುದು, ನಿರ್ದಿಷ್ಟ ಬಳಕೆಯ ಸಂದರ್ಭಗಳಿಗೆ ಮಾಡೆಲ್ಗಳನ್ನು ಹೊಂದಿಸಬಹುದು, ಮತ್ತು ವ್ಯಾಪಕ ಬಳಕೆ, ಮಾರ್ಪಾಡು ಹಾಗೂ ಮರುಹಂಚಿಕೆಗೆ ಅವಕಾಶ ನೀಡುವ ಪರವಾನಗಿಯಿಂದ ಪ್ರಯೋಜನ ಪಡೆಯಬಹುದು. ತರಬೇತಿಗೊಂಡ ವೆಯ್ಟ್ಗಳು ಓಪನ್ ಆಗಿದ್ದರೂ, ಕೆಲವು ಸುತ್ತಮುತ್ತಲಿನ ಮೂಲಸೌಕರ್ಯ ಅಥವಾ ಟೂಲಿಂಗ್ ಅವುಗಳ ಪೂರೈಕೆದಾರರ ಸ್ವಾಮ್ಯದದ್ದಾಗಿರಬಹುದು.
OpenAI API ಅಥವಾ ChatGPT ಮೂಲಕ ನಾನು ಈ ಮಾಡೆಲ್ಗಳನ್ನು ಪ್ರವೇಶಿಸಬಹುದೇ?
ಇಲ್ಲ. ಈ ಮಾಡೆಲ್ಗಳನ್ನು OpenAI API ಯಲ್ಲಿ ಸರ್ವ್ ಮಾಡಲಾಗುವುದಿಲ್ಲ ಮತ್ತು ChatGPT ನಲ್ಲಿ ಕಾಣಿಸುವುದಿಲ್ಲ.
ನಾನು ಮಾಡೆಲ್ಗಳನ್ನು ಫೈನ್-ಟ್ಯೂನ್ ಮಾಡಬಹುದೇ?
ಹೌದು. ಓಪನ್-ಸೋರ್ಸ್ ಟೂಲ್ಗಳು ಮತ್ತು ನಿಮಗೆ ಇಷ್ಟವಾದ ಮೂಲಸೌಕರ್ಯವನ್ನು ಬಳಸಿ ನೀವು ಫೈನ್-ಟ್ಯೂನ್ ಮಾಡಬಹುದು. ಈ ಮಾಡೆಲ್ಗಳಿಗೆ OpenAI API ಗಳ ಮೂಲಕ ನಾವು ಫೈನ್-ಟ್ಯೂನಿಂಗ್ ಒದಗಿಸುವುದಿಲ್ಲ.
API ಬಳಸುವುದಕ್ಕಿಂತ ಓಪನ್-ವೆಯ್ಟ್ ಮಾಡೆಲ್ಗಳು ಅಗ್ಗವೇ?
ಮೂಲಸೌಕರ್ಯ, ಕೆಲಸದ ಭಾರ ಮತ್ತು ಕಾರ್ಯಾಚರಣೆಯ ವಿಧಾನವನ್ನು ಅವಲಂಬಿಸಿ ವೆಚ್ಚಗಳು ಬದಲಾಗುತ್ತವೆ. ಕೆಲವು ಸಂದರ್ಭಗಳಲ್ಲಿ ಸ್ವಯಂ-ಹೋಸ್ಟಿಂಗ್ ಅಗ್ಗವಾಗಿರಬಹುದು; ಆದರೆ ಹೋಸ್ಟಿಂಗ್, ನಿರ್ವಹಣೆ ಮತ್ತು ಅಪ್ಗ್ರೇಡ್ಗಳನ್ನು ಪರಿಗಣಿಸಿದಾಗ ನಮ್ಮ API Platform ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿರಬಹುದು.
ಈ ಮಾಡೆಲ್ಗಳು ಯಾವ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತವೆ?
ಈ ಮಾಡೆಲ್ಗಳು ಪ್ರಸ್ತುತ ಪಠ್ಯ-ಮಾತ್ರ ರೀಜನಿಂಗ್ ಮಾಡೆಲ್ಗಳಾಗಿವೆ. ಸಾಮಾನ್ಯ ರನ್ಟೈಮ್ಗಳು ಸ್ಟ್ರೀಮಿಂಗ್, ಫಂಕ್ಷನ್ ಕಾಲಿಂಗ್ ಮತ್ತು ಸ್ಟ್ರಕ್ಚರ್ಡ್ ಔಟ್ಪುಟ್ಸ್ ಅನ್ನು ಬೆಂಬಲಿಸುತ್ತವೆ. ನಿಖರ ಸಾಮರ್ಥ್ಯಗಳಿಗಾಗಿ ನಿಮ್ಮ ರನ್ಟೈಮ್ನ ಡಾಕ್ಯುಮೆಂಟೇಶನ್ ನೋಡಿ.
ಇದು ModAPI ಯಿಂದ ಹೇಗೆ ಭಿನ್ನವಾಗಿದೆ?
ಇದು ನಿಮ್ಮದೇ ನೀತಿಯನ್ನು ತರಲು ಅವಕಾಶ ನೀಡುವ ಅತ್ಯಂತ ಸಾಮರ್ಥ್ಯವಿರುವ ರೀಜನಿಂಗ್ ಮಾಡೆಲ್ ಆಗಿದೆ. ಇದು ModAPI ಜೊತೆಗೆ ಕೆಲಸ ಮಾಡಬಹುದು, ಆದರೆ ಕಡಿಮೆ ವಿಳಂಬದ ಬಳಕೆಯ ಸಂದರ್ಭಗಳಿಗೆ ಬಹುಶಃ ಬದಲಿಯಾಗುವುದಿಲ್ಲ.