O que é gpt-oss-safeguard?
gpt-oss-safeguard é um par de classificadores de segurança de pesos abertos da OpenAI, lançado em 29 de outubro de 2025 e ajustado a partir do gpt-oss. O modelo 20b tem 21B parâmetros com 3.6B ativos e cabe numa GPU de 16 GB; o 120b tem 117B com 5.1B ativos. Eles são uma versão aberta do Safety Reasoner que a OpenAI usa nos próprios produtos.
Em vez de categorias fixas, você envia sua própria política escrita a cada requisição e o modelo raciocina sobre ela antes de dar um rótulo. A cadeia de pensamento completa fica visível, o que permite aos revisores ver por que algo foi sinalizado. O esforço de raciocínio pode ser ajustado em baixo, médio ou alto para equilibrar precisão e latência. Os dois modelos precisam ser usados com o formato de prompt harmony da OpenAI.
Os pesos são Apache 2.0 no Hugging Face, sem acesso restrito. Eles foram lançados com a ROOST, a organização sem fins lucrativos de segurança online, que mantém uma comunidade para profissionais que usam modelos de segurança abertos. O 20b teve 20,754 downloads no último mês.
Quanto custa gpt-oss-safeguard?
| Plano | Preço | O que inclui |
|---|---|---|
| gpt-oss-safeguard-20b | Free | 21B parâmetros, 3.6B ativos; GPU de 16 GB |
| gpt-oss-safeguard-120b | Free | 117B parâmetros, 5.1B ativos |
Pesos abertos gratuitos sob Apache 2.0 no Hugging Face; auto-hospedados. O 20b cabe numa GPU de 16 GB; o 120b pontua mais alto no teste multipolítica da OpenAI.
gpt-oss-safeguard vale a pena?
O gpt-oss-safeguard leva a moderação do treino para a escrita. Uma equipe de confiança e segurança pode publicar uma regra nova de manhã e aplicá-la à tarde, com uma justificativa escrita para cada decisão. Proteções do tipo classificador não fazem isso sem novos dados rotulados.
Os números da própria OpenAI são modestos, e ela diz isso com franqueza. No teste interno multipolítica, em que todos os rótulos de várias políticas precisam estar certos, o 120b marca 46.3% e o 20b 43.6%, à frente do gpt-5-thinking com 43.2%, mas atrás do Safety Reasoner interno da OpenAI com 52.2%. No conjunto público ToxicChat, o 20b chega a 79.9% de F1 e o 120b a 79.3%, um pouco atrás do gpt-5-thinking com 81.0%; os dois marcam 82.9% no conjunto de moderação da OpenAI de 2022.
O relatório técnico é claro sobre os limites. Classificadores treinados com dezenas de milhares de exemplos rotulados ainda se saem melhor em categorias complexas, os modelos são mais lentos e pesados que classificadores tradicionais, e o raciocínio visível pode conter conteúdo alucinado que não bate com a política de fato aplicada. O padrão da própria OpenAI é rodar classificadores rápidos primeiro e mandar só uma parte do tráfego ao modelo de raciocínio.
Diante do Shieldstral 3B da Mistral, que também recebe políticas em tempo de execução e tem mais ou menos o mesmo F1 de segurança de texto nos testes da Mistral, o gpt-oss-safeguard é bem maior, mas mostra o raciocínio. Essa troca serve para filas de revisão e recursos, em que uma explicação compensa a espera.
Onde ele se destaca
Uma líder de confiança e segurança num marketplace diante de um novo tipo de anúncio golpista
Aplicar uma regra nova nesta semana, antes de existir qualquer exemplo rotulado
Escreva a regra como política com exemplos, rode o 20b nos anúncios sinalizados com esforço de raciocínio médio e leia a justificativa nas divergências para ajustar o texto.
Uma equipe de operações de moderação que cuida de recursos de usuários
Dar aos revisores um motivo escrito junto a cada decisão automática
Passe de novo os casos contestados pelo 120b com esforço de raciocínio alto e anexe a cadeia de pensamento ao caso, lembrando o aviso da OpenAI de que ela pode conter conteúdo alucinado.
Um engenheiro de plataforma com um classificador rápido já em produção
Acrescentar nuance para conteúdo limítrofe sem deixar cada requisição mais lenta
Mantenha o classificador em todo o tráfego e mande só as pontuações duvidosas ao gpt-oss-safeguard, o padrão em camadas que a OpenAI descreve para os próprios sistemas.
Antes de decidir
- Configuração
- Baixe openai/gpt-oss-safeguard-20b ou -120b do Hugging Face, sirva com um motor compatível com gpt-oss e o formato harmony, e envie sua política como descreve o guia de prompts do cookbook da OpenAI.
- Integrações
- A mesma pilha de serviço do gpt-oss; um guia para escrever políticas no cookbook da OpenAI; a ROOST Model Community para compartilhar políticas e feedback.
- Dados e privacidade
- Auto-hospedado, então o conteúdo fica no seu hardware. Apache 2.0 permite uso comercial.
- Custo em escala
- Sem tarifa de API. O 20b roda numa GPU de 16 GB; cada checagem gera tokens de raciocínio, então custo e latência sobem com o esforço de raciocínio e o tamanho da política.
- Limites
- Só texto; tamanho de contexto não informado no model card; formato harmony obrigatório; a OpenAI recomenda os gpt-oss comuns para qualquer coisa que não seja classificação de segurança.
O que é bom
- Políticas escritas em linguagem simples e alteradas sem retreino
- Raciocínio visível em cada decisão
- Esforço de raciocínio ajustável: baixo, médio ou alto
- Apache 2.0, sem acesso restrito; o 20b cabe numa GPU de 16 GB
O que não é
- Mais lento e pesado que classificadores dedicados
- Fica atrás de classificadores treinados com grandes conjuntos rotulados em categorias complexas
- O raciocínio pode ser alucinado
- Só funciona com o formato de prompt harmony
Ideal para
Equipes de confiança e segurança que escrevem e revisam as próprias políticas e precisam de uma explicação junto a cada decisão.
Alternativas ao gpt-oss-safeguard
gpt-oss-safeguard: perguntas frequentes
- gpt-oss-safeguard vale a pena?
- A ferramenta certa quando sua política de moderação muda mais rápido do que você consegue rotular dados de treino, e a errada para checar cada mensagem com baixa latência. Damos nota 4.0 de 5.
- Quanto custa gpt-oss-safeguard?
- Pesos abertos gratuitos sob Apache 2.0 no Hugging Face; auto-hospedados. O 20b cabe numa GPU de 16 GB; o 120b pontua mais alto no teste multipolítica da OpenAI.
- Quais são as desvantagens de gpt-oss-safeguard?
- Mais lento e pesado que classificadores dedicados; fica atrás de classificadores treinados com grandes conjuntos rotulados em categorias complexas; o raciocínio pode ser alucinado; só funciona com o formato de prompt harmony.
- Para quem gpt-oss-safeguard é indicado?
- Equipes de confiança e segurança que escrevem e revisam as próprias políticas e precisam de uma explicação junto a cada decisão.
- Quanto custa gpt-oss-safeguard para uma equipe ou em produção?
- Sem tarifa de API. O 20b roda numa GPU de 16 GB; cada checagem gera tokens de raciocínio, então custo e latência sobem com o esforço de raciocínio e o tamanho da política.
- gpt-oss-safeguard é seguro para dados da empresa?
- Auto-hospedado, então o conteúdo fica no seu hardware. Apache 2.0 permite uso comercial.
- Quais são as melhores alternativas ao gpt-oss-safeguard?
- As alternativas mais próximas que analisamos são Shieldstral 1.0 3B, Granite Guardian 4.1 8B e Qwen3Guard.
Respostas verificadas em 6 de nov. de 2026.
Você faz o gpt-oss-safeguard? Mostre esta nota no seu site
