gpt-oss-safeguardとは？
gpt-oss-safeguardは、OpenAIのオープンウェイトの安全性分類モデル2つの組で、gpt-ossを微調整して2025年10月29日に公開されました。20bモデルは21B（210億）パラメーターのうち3.6Bがアクティブで、16 GBのGPUに収まります。120bは117Bのうち5.1Bがアクティブです。OpenAIが自社製品の中で使っているSafety Reasonerのオープン版にあたります。
固定のカテゴリーではなく、リクエストごとに自分で書いたポリシーを渡すと、モデルがそれに沿って推論してからラベルを付けます。思考の連鎖はすべて見えるので、確認する人はなぜ指摘されたのかがわかります。推論の度合いは低、中、高から選べ、精度と遅延のバランスを調整できます。どちらのモデルもOpenAIのharmonyというプロンプト形式で使う必要があります。
重みはHugging FaceでApache 2.0として公開され、アクセス申請は不要です。オンラインの安全を扱う非営利団体ROOSTと同時に発表され、ROOSTはオープンな安全性モデルを使う実務者のコミュニティを運営しています。20bの直近1か月のダウンロード数は20,754回です。
gpt-oss-safeguardの料金は？
| プラン | 価格 | 内容 |
|---|---|---|
| gpt-oss-safeguard-20b | Free | 21Bパラメーター、3.6Bアクティブ、16 GBのGPU |
| gpt-oss-safeguard-120b | Free | 117Bパラメーター、5.1Bアクティブ |
Hugging FaceでApache 2.0の無料のオープンウェイトとして公開され、自前でホストします。20bは16 GBのGPUに収まり、120bはOpenAIの複数ポリシーのテストでより高い成績です。
gpt-oss-safeguardは使う価値があるか？
gpt-oss-safeguardは、モデレーションを学習から文章を書く作業へと移します。トラスト・アンド・セーフティのチームは、朝に新しいルールを公開して午後には適用でき、しかも判断ごとに書かれた理由が付きます。分類器型のガードでは、新しいラベル付きデータなしにこれはできません。
OpenAI自身が示す数値は控えめで、そのことを率直に認めています。複数のポリシーにまたがるラベルがすべて正しくなければならない社内の複数ポリシーのテストで、120bは46.3%、20bは43.6%で、gpt-5-thinkingの43.2%を上回りますが、OpenAI社内のSafety Reasonerの52.2%には届きません。公開データのToxicChatでは、20bがF1で79.9%、120bが79.3%と、gpt-5-thinkingの81.0%をわずかに下回ります。2022年のOpenAIのモデレー ションデータでは、どちらも82.9%です。
技術報告は限界をはっきり書いています。数万件のラベル付きの例で学習した分類器は、複雑なカテゴリーでは今も上回ります。モデルは従来の分類器より遅く重く、見える推論には実際に適用されたポリシーと食い違う、幻覚による内容が含まれることがあります。OpenAI自身のやり方は、まず高速な分類器を通し、トラフィックの一部だけを推論モデルに送るというものです。
MistralのShieldstral 3Bも実行時にポリシーを受け取り、Mistralのテストではテキストの安全性のF1がほぼ同じです。それと比べるとgpt-oss-safeguardはずっと大きいものの、推論を見せてくれます。この交換条件は、説明が待ち時間に見合う確認待ちの列や異議申し立てに向いています。
真価を発揮する場面
新しい手口の詐欺出品に直面したマーケットプレイスのトラスト・アンド・セーフティ責任者
ラベル付きの例が1つもないうちに、今週中に新しいルールを適用する
ルールを例付きのポリシーとして書き、指摘された出品に推論の度合いを中にして20bをかけ、判断が食い違った箇所の理由を読んで文言を磨きます。
ユーザーからの異議申し立てを扱うモデレーション運用チーム
自動の判断 ごとに、確認担当者へ書面の理由を渡す
異議が出た案件を推論の度合いを高にして120bにかけ直し、思考の連鎖を案件に添付します。その中には幻覚による内容が含まれうるというOpenAIの警告を忘れないでください。
高速な分類器をすでに本番で動かしているプラットフォームエンジニア
すべてのリクエストを遅くせずに、境界的な内容の判断に深みを加える
分類器はすべてのトラフィックに残し、判断に迷うスコアだけをgpt-oss-safeguardに回します。OpenAIが自社のシステムについて説明している多層の構成です。
導入前に確認すること
- 導入
- Hugging Faceからopenai/gpt-oss-safeguard-20bまたは-120bを取得し、gpt-ossとharmony形式に対応したエンジンで動かして、OpenAIのcookbookにあるプロンプトの手引きのとおりにポリシーを渡します。
- 連携
- gpt-ossと同じ配信の仕組み、OpenAIのcookbookにあるポリシーの書き方の手引き、ポリシーや意見を共有するROOST Model Community。
- データとプライバシー
- 自前ホスト なので、内容は自分のハードウェアに残ります。Apache 2.0で商用利用できます。
- 大規模利用時のコスト
- API料金はありません。20bは16 GBのGPU1台で動きます。チェックのたびに推論のトークンを生成するので、推論の度合いとポリシーの長さに応じてコストと遅延が増えます。
- 制限
- テキストのみ。モデルカードにコンテキスト長の記載はありません。harmony形式が必須です。OpenAIは安全性の分類以外の用途には通常のgpt-ossを勧めています。
良い点
- 平易な言葉でポリシーを書け、再学習なしで変更可能
- 判断ごとに推論が見える
- 推論の度合いを低、中、高から選べる
- Apache 2.0、アクセス申請不要。20bは16 GBのGPUに収まる
気になる点
- 専用の分類器より遅く重い
- 複雑なカテゴリーでは大規模なラベル付きデータで学習した分類器に劣る
- 推論が幻覚であることがある
- harmonyのプロンプト形式でしか動かない
おすすめの人
自分たちのポリシーを書いて改訂し、判断ごとに説明を添える必要があるトラスト・アンド・セーフティのチーム。
gpt-oss-safeguardの代替
gpt-oss-safeguard：よくある質問
- gpt-oss-safeguardは使う価値があるか？
- 学習データにラベルを付けるより速くモデレーションのポリシーが変わるときに適した道具で、すべてのメッセージを低遅延で調べる用途には向きません。 評価は5点満点中4.0点です。
- gpt-oss-safeguardの料金は？
- Hugging FaceでApache 2.0の無料のオープンウェイトとして公開され、自前でホストします。20bは16 GBのGPUに収まり、120bはOpenAIの複数ポリシーのテストでより高い成績です。
- gpt-oss-safeguardの欠点は？
- 専用の分類器より遅く重い; 複雑なカテゴリーでは大規模なラベル付きデータで学習した分類器に劣る; 推論が幻覚であることがある; harmonyのプロンプト形式でしか動かない.
- gpt-oss-safeguardは誰に向いているか？
- 自分たちのポリシーを書いて改訂し、判断ごとに説明を添える必要があるトラスト・アンド・セーフティのチーム。
- チームや本番環境でgpt-oss-safeguardを使うと費用はいくらか？
- API料金はありません。20bは16 GBのGPU1台で動きます。チェックのたびに推論のトークンを生成するので、推論の度合いとポリシーの長さ に応じてコストと遅延が増えます。
- gpt-oss-safeguardは企業データを扱っても安全か？
- 自前ホストなので、内容は自分のハードウェアに残ります。Apache 2.0で商用利用できます。
- gpt-oss-safeguardの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はShieldstral 1.0 3B, Granite Guardian 4.1 8B 、 Qwen3Guardです。
回答確認日：2026年11月6日
gpt-oss-safeguardの開発元の方へ：この評価をサイトに掲載できます
