OpenAI's advanced safety reasoning model (120B). Nuanced policy interpretation, multi-turn safety analysis, and justified decisions for content moderation.
GPT OSS Safeguard 120B — первая модель безопасности с открытыми весами от OpenAI, выпущенная в октябре 2025 года как исследовательский предварительный просмотр под лицензией Apache 2.0. Это доработанная версия gpt-oss-120b — 117-миллиардного MoE-трансформера (5,1B активных параметров на прямой проход), специализированная для классификации контента на основе политик. В отличие от традиционных моделей модерации, которые изучают границу решений на размеченных примерах, Safeguard рассуждает непосредственно на основе политики, предоставленной разработчиком, используя цепочку рассуждений для получения объяснимых классификаций.
В продакшене GPT OSS Safeguard 120B выполняет роль гибкого слоя модерации контента на основе рассуждений. Разработчики предоставляют собственные политики во время инференса — например, правила борьбы с читерством на игровом форуме или политику выявления фальшивых отзывов на платформе — и модель классифицирует каждый ввод в соответствии с этими политиками, выводя свои рассуждения. Она превосходна в доменах с быстро меняющимися рисками, где политики должны адаптироваться оперативно, тонких сценариях, где традиционные классификаторы пасуют, и ситуациях, где важны объяснимые решения модерации. Согласно внутренним оценкам OpenAI, модель безопасности превосходит gpt-5-thinking по точности многополитичной классификации, несмотря на значительно меньший размер.
| Тип | Ставка |
|---|---|
| Вход | $0.162 за 1 млн токенов |
| Выход | $0.648 за 1 млн токенов |
| Дата релиза | 2025-10-29 (исследовательский превью)openai.com ↗ | проверено |
| Базовая модель | gpt-oss-120b — MoE Transformer (116,8B всего / 5,1B активных на токен)arxiv.org ↗ | проверено |
| Лицензия | Apache 2.0openai.com ↗ | проверено |
| Архитектура | MoE Transformer — 36 слоёв, 128 экспертов, top-4 активны, 116,8B всего / 5,1B активных параметровarxiv.org ↗ | проверено |
| Контекстное окно | 128K токеновopenai.com ↗ | проверено |
| Токенизатор | o200k_harmony (201 088 токенов)arxiv.org ↗ | проверено |
| Квантизация | MXFP4 (4,25 бит/параметр на MoE-весах)arxiv.org ↗ | проверено |
| Назначение модели | Классификация безопасности на основе политик с deliberative reasoningopenai.com ↗ | проверено |
| Ограничение | Выделенные классификаторы с большими наборами размеченных данных могут превзойти на хорошо изученных категориях рискаopenai.com ↗ | проверено |
| Benchmark | Distribution | Score | Source |
|---|---|---|---|
Multi-policy accuracy (internal) Превзошла gpt-5-thinking и базовые gpt-oss-модели на одновременной многополитичной классификации (внутренняя оценка). | Best among tested models | openai.com ↗ | |
2022 Moderation eval (internal policy) Незначительно превзошла все протестированные модели, включая внутренний Safety Reasoner и gpt-5-thinking (разница статистически незначима). | ~95.7% | openai.com ↗ | |
ToxicChat Safety Reasoner и gpt-5-thinking незначительно превосходят gpt-oss-safeguard-120b; небольшой размер по-прежнему является преимуществом для этого типа задач. | Comparable to Safety Reasoner / gpt-5-thinking | openai.com ↗ |
Для новых интеграций используйте глобальный endpoint api.therouter.ai из примеров ниже; старый China accelerated endpoint выведен из эксплуатации.
curl https://api.therouter.ai/v1/chat/completions -H "Content-Type: application/json" -H "Authorization: Bearer $THE_ROUTER_API_KEY" -d '{
"model": "openai/gpt-oss-safeguard-120b",
"messages": [
{"role": "user", "content": "Summarize the key points from this input."}
]
}'Используйте стандартный совместимый с OpenAI chat completion через TheRouter. Модель принимает политику в системном сообщении или сообщении разработчика и классифицирует вводной контент в соответствии с ней.
curl https://api.therouter.ai/v1/chat/completions \
-H "Authorization: Bearer $THEROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "openai/gpt-oss-safeguard-120b",
"messages": [
{"role": "system", "content": "You are a safety classifier. Apply the policy faithfully."},
{"role": "developer", "content": "Policy: Classify messages as SAFE or UNSAFE. UNSAFE includes hate speech, harassment, and spam. SAFE includes all other content."},
{"role": "user", "content": "I love this product! It works great."}
]
}'OpenAI выпустила gpt-oss-safeguard-120b и gpt-oss-safeguard-20b — исследовательские модели с открытыми весами для классификации безопасности на основе политик. Модели используют цепочку рассуждений для интерпретации политик разработчика во время инференса, поддерживая домены с меняющимися рисками и многополитичную классификацию. Доступны под лицензией Apache 2.0.
Moderation API использует традиционные классификаторы, обученные на размеченных примерах по предопределённым политикам. gpt-oss-safeguard использует рассуждения для интерпретации политики разработчика во время инференса, создавая объяснимые классификации через цепочку рассуждений. Это делает её более гибкой для меняющихся политик, тонких доменов и пользовательских определений политик — но медленнее и требует больше вычислений.
Да. gpt-oss-safeguard-120b доступна на TheRouter через стандартный совместимый с OpenAI API по адресу https://api.therouter.ai/v1 с идентификатором модели openai/gpt-oss-safeguard-120b. Вам не нужно управлять собственным GPU-оборудованием.
| источник | URL | получено | |
|---|---|---|---|
| Дата релиза | openai.com ↗ | 2026-05-29 | проверено |
| Базовая модель | arxiv.org ↗ | 2026-05-29 | проверено |
| Лицензия | openai.com ↗ | 2026-05-29 | проверено |
| Архитектура | arxiv.org ↗ | 2026-05-29 | проверено |
| Контекстное окно | openai.com ↗ | 2026-05-29 | проверено |
| Токенизатор | arxiv.org ↗ | 2026-05-29 | проверено |
| Квантизация | arxiv.org ↗ | 2026-05-29 | проверено |
| Назначение модели | openai.com ↗ | 2026-05-29 | проверено |
| Ограничение | openai.com ↗ | 2026-05-29 | проверено |
| Multi-policy accuracy (internal) | openai.com ↗ | 2026-05-29 | проверено |
| 2022 Moderation eval (internal policy) | openai.com ↗ | 2026-05-29 | к проверке |
| ToxicChat | openai.com ↗ | 2026-05-29 | к проверке |
| OpenAI выпускает gpt-oss-safeguard — модели безопасности с открытыми весами | openai.com ↗ | 2026-05-29 | проверено |
| Чем gpt-oss-safeguard-120b отличается от Moderation API от OpenAI? | openai.com ↗ | 2026-05-29 | к проверке |
| Может ли TheRouter хостить gpt-oss-safeguard-120b, чтобы мне не нужно было самостоятельно разворачивать модель? | openai.com ↗ | 2026-05-29 | к проверке |