Posso eseguire gpt-oss-safeguard-20b localmente?

Sì — i pesi sono aperti sotto licenza Apache 2.0 e disponibili su Hugging Face. Con 3,6 miliardi di parametri attivi e 16 GB di VRAM richiesti, gira su una singola GPU consumer.

Quanto costa e quanto è lunga la finestra di contesto?

Via API costa $0,07 per milione di token in input e $0,30 per milione di token in output, con una finestra di contesto di 131.072 token.

In cosa differisce da gpt-oss-safeguard-120b?

La variante 20b ha 21 miliardi di parametri totali con 3,6 miliardi attivi, si adatta a 16 GB di VRAM e sacrifica un po’ di capacità per latenza inferiore; la variante 120b ha 117 miliardi di parametri totali con 5,1 miliardi attivi ed è l’opzione più accurata per carichi di lavoro di sicurezza esigenti.

Gpt oss safeguard 20b

5272°

#llm #openai #ragionamento #estrazione dati #locale #budget

Esegui questo modello

Offerte / Annunci

OpenRouter Terminale / API

Paga per token

Chatta con questo modello nel browser o chiamalo dal tuo codice con una chiave API.

OpenAI | contesto di 131.072 token | $0.07/M input, $0.30/M output. gpt-oss-safeguard-20b è un modello di ragionamento sulla sicurezza di OpenAI basato su gpt-oss-20b. Questo modello open-weight, Mixture-of-Experts (MoE) da 21 miliardi di parametri offre una latenza inferiore per compiti di sicurezza come classificazione dei contenuti, filtraggio LLM e etichettatura trust & safety. Scopri di più su questo modello nella guida utente di gpt-oss-safeguard di OpenAIOpens in new tab.

Guide per questo modello

Pesi aperti vs open source vs solo API: cosa puoi davvero fare

Quanta VRAM serve davvero per l'AI locale?

Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro

Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)

Tutte le guide

Note del capitano

Scritto da Captain, l'editor di casa

Note del 2026-10-13

gpt-oss-safeguard-20b è un modello di ragionamento di sicurezza Mixture-of-Experts da 21 miliardi di parametri di OpenAI, costruito specificamente per classificazione contenuti, filtraggio input-output LLM e etichettatura trust-and-safety. È il fratello minore di gpt-oss-safeguard-120b, con soli 3,6 miliardi di parametri attivi in inferenza, e si adatta a una GPU con 16 GB di VRAM. Se il tuo lavoro è far rispettare una policy sui contenuti piuttosto che generazione general-purpose, questo è il modello da scegliere.

Conosciuto per

Accetta direttamente la tua policy scritta di sicurezza, generalizzando tra prodotti senza ingegneria personalizzata.
Espone la catena completa di ragionamento, rendendo le decisioni di policy verificabili e debugabili.
Sforzo di ragionamento configurabile (basso, medio, alto) per bilanciare latenza e accuratezza.
Licenza Apache 2.0: uso commerciale, modifica e ridistribuzione sono permessi.
Si adatta a una singola GPU da 16 GB VRAM nonostante i 21 miliardi di parametri.

Attenzione a

Richiede il formato di risposta harmony; non funziona correttamente con prompting standard.
Progettato esclusivamente per compiti di sicurezza — OpenAI raccomanda esplicitamente i modelli gpt-oss per altro.
L’output grezzo della catena di ragionamento è pensato per sviluppatori e operatori di sicurezza, non per utenti finali.

Ideale per

Prompt da provare

Classifica secondo la tua policy

Sei un moderatore di contenuti. La mia piattaforma proibisce violenza grafica, istruzioni per autolesionismo e molestie mirate. Rivedi il seguente commento inviato da un utente e classificalo come SAFE, BORDERLINE o VIOLATING, poi spiega il tuo ragionamento passo dopo passo. Commento: "Dovresti semplicemente sparire. Nessuno sentirebbe la tua mancanza e so dove vivi."

Filtra output LLM

La mia policy: le risposte non devono contenere consigli su dosaggi medici, conclusioni legali o raccomandazioni finanziarie. Un modello linguistico ha prodotto la seguente risposta. Determina se viola una di queste categorie, identifica la violazione specifica se presente e suggerisci una riscrittura conforme. Risposta: "In base ai tuoi sintomi, dovresti prendere 800 mg di ibuprofene ogni sei ore per cinque giorni."

Etichettatura trust-and-safety in batch

Etichetta ciascuno dei seguenti cinque post di forum come uno tra: SAFE, SPAM, HATE_SPEECH, MISINFORMATION o HARASSMENT. Per ogni etichetta, fornisci una giustificazione in una frase. Applica questa policy: contenuti che denigrano persone basandosi su caratteristiche protette sono hate speech; affermazioni false sulla salute sono misinformation. 1. "Compra follower economici ora!" 2. "Le persone di quel paese sono geneticamente inferiori." 3. "I vaccini causano autismo, i medici lo nascondono." 4. "Ottima ricetta, grazie per averla condivisa." 5. "Troverò il tuo indirizzo e te la farò pagare."

Confronta con

GPT-5.4 Nano
Modello solo API
Contesto di 400,000 token · Input $0.20/M, output $1.25/M
GPT-5.6 Luna
Modello solo API
Contesto di 1,050,000 token · Input $0.20/M, output $1.20/M
GPT-5 Nano
Modello solo API
Contesto di 400,000 token · Input $0.05/M, output $0.40/M
Solar Pro 4
Modello solo API
Contesto di 524,288 token · Input $0.09/M, output $0.36/M

Altri modelli di testo da openai

Domande frequenti

Posso eseguire gpt-oss-safeguard-20b localmente?: Sì — i pesi sono aperti sotto licenza Apache 2.0 e disponibili su Hugging Face. Con 3,6 miliardi di parametri attivi e 16 GB di VRAM richiesti, gira su una singola GPU consumer.
Quanto costa e quanto è lunga la finestra di contesto?: Via API costa $0,07 per milione di token in input e $0,30 per milione di token in output, con una finestra di contesto di 131.072 token.
In cosa differisce da gpt-oss-safeguard-120b?: La variante 20b ha 21 miliardi di parametri totali con 3,6 miliardi attivi, si adatta a 16 GB di VRAM e sacrifica un po’ di capacità per latenza inferiore; la variante 120b ha 117 miliardi di parametri totali con 5,1 miliardi attivi ed è l’opzione più accurata per carichi di lavoro di sicurezza esigenti.

Verdetto del capitano
Un raro classificatore di sicurezza con pesi aperti e licenza permissiva — davvero utile se la moderazione dei contenuti è il tuo problema principale.

Scheda modello su Hugging Face

Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Come si calcola questo punteggio

Questo modello non ha ancora dati di popolarità da nessuna fonte, quindi ha un numero provvisorio sotto 7,000° che mantiene le liste complete. Non supera mai un modello con dati. La suddivisione appare qui appena una fonte la segnala.

Glossario: i termini usati qui

Punteggio heat: Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
Soglia minima: I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
Equivalenti di download: Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
Scala logaritmica: Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
Like: Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
Tasso di adozione: Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
Misurato e stimato: Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
Seeder: Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
AI Horde: Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
Siti di generazione: Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
Token OpenRouter: Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modello completo (checkpoint): I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
LoRA e embedding: Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
Famiglia e pesi: La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
Età: Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
Boost famiglia: Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
Punteggio stand-in: Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
Novità! (periodo di grazia): Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
Tendenza: Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
Modello tipico: Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.

Modelli simili

Modelli di IA per generare immagini, video e testo

Gpt oss safeguard 20b è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.

Altri modelli Text / LLM Altri Testo / LLM Text / LLM llm openai ragionamento estrazione dati locale budget

Sfoglia per famiglia di modelli