注意：本文提供高層級概覽。技術設定資訊可在 gpt-oss 網站、GitHub、Hugging Face，以及 OpenAI Cookbook 中找到。
概覽
推出兩款開放權重推理模型：gpt‑oss‑120b 與 gpt‑oss‑20b。它們可在你掌控的基礎架構上執行，或透過託管服務供應商使用。
注意：這些模型不透過 OpenAI API 提供，也不會在 ChatGPT 中提供。
為什麼選擇開放權重
選擇與掌控：可在本地端（on‑premises）或私有雲上執行模型，維持資料駐留，並依需求調校效能。
客製化：可使用你偏好的開源工具對模型進行微調或調適。
可用性與授權
授權：Apache 2.0 允許廣泛使用、修改與再散布（包含商業用途；受我們的 gpt-oss 使用政策約束）。
提供方式：不透過 OpenAI API 提供，因此不適用 API 定價與速率限制。
相容性：可搭配常見的開源推理堆疊（如 vLLM、Ollama、llama.cpp）執行，也可在雲端或自管 GPU 環境中運行。
開始使用
要取得模型權重與相關資源，你可以：
造訪 gpt-oss 網站，查看概覽與直接連結。
從 Hugging Face 合集下載權重——這是社群樞紐，你可以在此找到兩個模型、查看使用範例，並可選擇透過 Hugging Face 的服務直接執行推理。
前往我們的 GitHub repo 取得參考推理程式碼。
使用 OpenAI Cookbook 中的指南，在 Ollama、vLLM 與 Transformers 等支援的執行環境完成設定。Cookbook 也包含逐步教學：如何在本機執行、使用常見 runtime，以及在支援的情況下，如何微調 gpt‑oss 模型。
gpt‑oss‑safeguard（研究預覽）
gpt‑oss‑safeguard 是一對建立在 gpt‑oss 之上的 開放權重安全推理模型。它們專為基於政策的安全分類與相關的信任與安全（trust & safety）工作而設計，供你在自有基礎架構上執行。與其他 gpt‑oss 模型相同，這些權重不透過 OpenAI API 或 ChatGPT 提供。
純文字模型，並提供參考用的結構化輸出 schema（例如：政策判定、理由）。
自帶政策：模型會解讀你撰寫的政策，讓它能以最少的工程投入，跨產品進行泛化。
有理有據的決策：可選擇輸出推理軌跡以協助除錯與稽核（供開發者與安全從業者使用，不用於終端使用者呈現）。
可調整的推理強度：可選 low / medium / high，在延遲與深度之間取捨。
授權：Apache 2.0（請見下方可用性與授權）。
gpt‑oss‑safeguard 很適合用於 LLM 的輸入/輸出過濾、線上內容標註，以及離線批次標註或審查流程。若是一般應用（聊天、代理等），我們建議使用核心的 gpt‑oss 模型。
你可以依需求調整 schema。關於提示詞與範例，請參考 OpenAI Cookbook 的指南。
模型版本與規模
| 模型 | 預期用途 | 備註 |
| gpt‑oss‑safeguard‑120b | 正式環境、高容量安全推理 | 117B 參數（≈5.1B 活躍）。設計可在一張 單張 80 GB GPU 上運行（例如 NVIDIA H100；也可在記憶體更大的 GPU 上執行，如 AMD MI300X）。 |
| gpt‑oss‑safeguard‑20b | 較低延遲／受限環境 | 21B 參數（≈3.6B 活躍）。 |
兩個模型皆由 gpt‑oss 微調而來，架構不變。它們使用與 gpt‑oss 相同的聊天模板，你可以保留既有設定。建議的提示詞模式是：將你的政策放在 developer 訊息中，將待評估的內容放在 user 訊息中。
支援與社群
開放權重部署需自行管理與自行維運。你可以在以下管道取得支援：
提問、討論、技巧：透過 Hugging Face 模型頁面與社群互動。
OpenAI 參考推理程式碼中可重現的 bug：在 gpt-oss GitHub repo 開 issue。
第三方 runtime 的問題（例如 vLLM、Ollama、llama.cpp）：使用各專案的 issue tracker、論壇或支援流程。
OpenAI 不會為任何自架或第三方託管的開放權重設定、組態、環境或應用提供協助、實作支援或除錯支援。
我們將持續與社群迭代，改善開放式安全工具（包括透過 ROOST Model Community，RMC）。RMC 匯聚安全從業者與研究人員，分享將開源 AI 模型導入安全流程的最佳實務，包括評估結果與模型回饋。請造訪 RMC GitHub repo，了解這項合作與如何參與。
支援與社群
開放權重部署需自行管理與自行維運。你可以在以下管道取得支援：
提問、討論、技巧：透過 Hugging Face 模型頁面與社群互動。
OpenAI 參考推理程式碼中可重現的 bug：在 gpt-oss GitHub repo 開 issue。
第三方 runtime 的問題（例如 vLLM、Ollama、llama.cpp）：使用各專案的 issue tracker、論壇或支援流程。
OpenAI 不會為任何自架或第三方託管的開放權重設定、組態、環境或應用提供協助、實作支援或除錯支援。
隱私與安全
隱私與資料
這些模型設計為在你掌控的基礎架構上執行（本地端，或在你的雲端／託管合作夥伴上）。除非你明確與 OpenAI 分享資料，或使用我們的受管託管合作夥伴之一，否則 OpenAI 不會接收或處理你送至這些自架模型的資料。
安全
這些模型經過大量的安全訓練與測試。更多細節請參考我們的 model card 與 technical report。
回報內容違規
若你認為使用 gpt‑oss 模型產生的內容違反我們的政策，可透過 Report Content 表單回報。請盡可能提供詳細資訊，以協助我們的團隊審查你的提交內容。
FAQ
這些模型是免費的嗎？
gpt-oss 模型權重可在 Apache 2.0 授權與 gpt-oss 使用政策下免費下載與使用。不過，你需自行承擔執行它們所產生的任何成本——例如算力、儲存或第三方託管費用。其定價取決於你選擇的基礎架構或供應商。
這些模型算是「開源」嗎？
我們使用開放模型或開放權重（open-weight）一詞，表示訓練後的權重會在寬鬆的 Apache 2.0 授權與 gpt-oss 使用政策下公開提供。這代表你可以下載模型、在自有基礎架構或支援的託管框架上運行，並加以客製化或微調。
開放模型讓開發者與組織擁有更高的掌控力與彈性。你可以選擇託管位置、針對特定情境調整模型，並受益於允許廣泛使用、修改與再散布的授權條款。雖然訓練後的權重是開放的，但周邊的某些基礎架構或工具仍可能是其供應商的專有技術。
我可以透過 OpenAI API 或 ChatGPT 存取這些模型嗎？
不行。這些模型不在 OpenAI API 中提供，也不會出現在 ChatGPT。
我可以微調模型嗎？
可以。你可以使用開源工具與你偏好的基礎架構進行微調。我們不透過 OpenAI API 為這些模型提供微調服務。
開放權重模型會比使用 API 更便宜嗎？
成本會因基礎架構、工作負載與營運方式而異。某些情況下自架可能更便宜；但把託管、維護與升級成本納入考量時，我們的 API Platform 可能更有效率。
這些模型支援哪些功能？
這些模型目前是純文字推理模型。常見 runtime 支援串流、函式呼叫與結構化輸出。實際能力請以你所使用的 runtime 文件為準。
這和 ModAPI 有什麼不同？
這是一個能力很強的推理模型，讓你能自帶政策。它可以與 ModAPI 搭配使用，但對於低延遲的使用情境，可能不適合作為替代方案。