OpenAI: gpt-oss-safeguard-20b

OpenAI gpt-oss-safeguard-20b adalah model penalaran keselamatan dari OpenAI, dibangun di atas gpt-oss-20b. Ini adalah model berbobot terbuka dengan 21B parameter dalam arsitektur Mixture-of-Experts (MoE), dan OpenAI memposisikannya untuk pekerjaan terkait keselamatan seperti klasifikasi konten, penyaringan LLM dan tugas yang berorientasi kepercayaan. Model ini dirilis oleh penyedia pada 2025-10-29 dan berada dalam kategori teks di api14.

Model ini menerima teks sebagai input dan mengembalikan teks sebagai output. Model ini memiliki jendela konteks 131072 token dan output maksimum 65536 token, yang menyisakan banyak ruang untuk input panjang bersama dengan respons yang dihasilkan secara substansial. Karena ini adalah model penalaran, model ini dapat mengekspos perilaku penalarannya, dan parameter yang didukung mencakup include_reasoning dan reasoning untuk tujuan itu. Model ini dibangun dengan desain Mixture-of-Experts, yang menurut OpenAI menawarkan latensi lebih rendah untuk tugas keselamatan.

Karakteristik tersebut mengarah pada serangkaian penggunaan yang cukup spesifik. Klasifikasi konten adalah yang paling jelas: mengirim teks dan meminta kategori atau label. Penyaringan LLM mengikuti ide yang sama, di mana model menilai apakah input atau output model lain harus dilewatkan. Alur kerja kepercayaan dan keselamatan, termasuk pemeriksaan bergaya moderasi dan tinjauan yang berorientasi kebijakan, sesuai dengan deskripsi yang diberikan OpenAI. Jendela konteks yang panjang berarti Anda dapat mengirimkan dokumen besar, transkrip atau kumpulan konten dalam satu permintaan alih-alih memecahnya terlebih dahulu, dan batas output yang besar mendukung label terperinci, penjelasan atau hasil terstruktur.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan id model "openai/gpt-oss-safeguard-20b". Karena antarmukanya kompatibel dengan OpenAI, pustaka klien OpenAI yang ada dan bentuk permintaan yang ada berfungsi hanya dengan mengubah base URL dan id model. Parameter permintaan yang didukung adalah include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools dan top_p. Dalam praktiknya itu berarti Anda dapat mengontrol sampling dengan temperature dan top_p, membatasi output dengan max_tokens, menggunakan urutan stop, membuat eksekusi dapat direproduksi dengan seed, meminta output bergaya terstruktur atau JSON melalui response_format dan structured_outputs, serta memberi model alat dengan tools dan tool_choice. Parameter reasoning dan include_reasoning memungkinkan Anda memutuskan apakah konten penalaran ditampilkan dalam respons.

Tidak ada batasan yang dinyatakan dalam fakta selain batas modalitas dan konteks, jadi hal utama yang perlu ditimbang adalah kesesuaiannya. Input dan output hanya berupa teks, jadi jika Anda memerlukan penanganan gambar atau audio, model ini bukan pilihan yang tepat. Jika tugas Anda adalah percakapan atau generasi umum alih-alih klasifikasi dan penyaringan yang berorientasi keselamatan, model serbaguna mungkin lebih cocok untuk Anda. Untuk pekerjaan klasifikasi, penyaringan dan kepercayaan di mana Anda ingin penalaran ditampilkan dan konteks yang panjang, model ini adalah kandidat yang wajar untuk diuji.