GPT OSS Safeguard 20B
Red Neuronal
GPT OSS Safeguard 20B es un modelo MoE abierto de OpenAI de 21B parámetros para clasificar contenido y filtrar respuestas de LLM.
Longitud máxima de respuesta
(en tokens)
Tamaño del contexto
(en tokens)
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Cómo funciona GPT OSS Safeguard 20B?
GPT OSS Safeguard 20B es un modelo de razonamiento de OpenAI basado en gpt-oss-20b, optimizado para tareas de seguridad. Cuenta con pesos abiertos y una arquitectura Mixture-of-Experts de 21B parámetros, ofreciendo baja latencia en clasificación de contenido, filtrado de resultados de LLM y comprobaciones de confianza y seguridad. A diferencia de la versión base, está especializado: no es un asistente universal, sino una herramienta de evaluación de políticas. A través de BotHub, puedes acceder desde Rusia sin VPN ni tarjetas extranjeras: pago con tarjeta rusa en rublos, solo por los tokens consumidos que no caducan. Tienes más de 250 modelos en una sola ventana y una API compatible con OpenAI para integrar comprobaciones en tu producto y cambiar de modelo sin reescribir la integración. El tráfico está cifrado con AES-GCM; para empresas, ofrecemos contrato, facturación, intercambio electrónico de documentos y panel de administración con límites. Útil si moderas contenido de usuarios, verificas respuestas de chatbots antes de enviarlas, clasificas tickets de soporte por riesgo o pruebas tus reglas de evaluación con pesos abiertos.Preguntas frecuentes sobre GPT OSS Safeguard 20B
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
Es un modelo de texto con un contexto de 131 072 tokens: analiza documentos largos, explica código, razona sobre tareas y llama a funciones externas. La línea safeguard fue creada para clasificar contenido según sus propias reglas, por lo que es conveniente integrarla en filtros y moderación de flujos.
En una sola respuesta, el modelo puede generar hasta 65 536 tokens, lo que equivale a decenas de páginas de texto. Es suficiente para un informe extenso, el análisis de una instrucción voluminosa o un análisis detallado de código sin necesidad de dividirlo. Si la respuesta se corta, simplemente pida que continúe.
Sí, el razonamiento antes de responder está confirmado por nuestros datos: el modelo primero construye una cadena de pasos y luego formula una conclusión. Para tareas de clasificación, esto es especialmente útil: no solo ve el veredicto final, sino también la lógica con la que se obtuvo.
Sí. Se admiten llamadas a funciones (function calling) y salida estructurada en JSON, por lo que el modelo puede conectarse a sus servicios y obtener campos predecibles en lugar de texto libre. En BotHub, esto funciona a través de una API unificada compatible con OpenAI: puede cambiar de modelo sin reescribir la integración.
Puede ingresar texto, imágenes y documentos; el modelo los lee y responde con texto. No hay notas en nuestros datos sobre la recepción de audio y video, y no se indica la generación de imágenes o sonido: el resultado se obtiene en formato de texto.
No hay notas especiales sobre idiomas en nuestros datos, por lo que no podemos prometer precisión en ruso. La forma más honesta es ejecutar su consulta real: en BotHub, el acceso está abierto sin VPN ni tarjetas extranjeras, y el pago se realiza con tarjetas rusas según los tokens consumidos.