gpt-oss-safeguard-20b được công bố ngày 29/10/2025 dưới dạng research preview. Đây là model mở trọng số chuyên phân loại an toàn theo chính sách tùy chỉnh, không phải chatbot đa dụng hay bộ lọc tự bảo đảm tuân thủ mọi quy định.
Nhận chính sách và nội dung cùng lúc
Theo OpenAI, model nhận chính sách do nhà phát triển viết cùng tin nhắn, câu trả lời hoặc toàn bộ hội thoại cần phân loại. Kết quả gồm kết luận và phần giải thích. Nhà phát triển quyết định cách sử dụng kết luận trong hệ thống, thay vì model tự áp đặt hành động kiểm duyệt.
Chính sách được đưa vào lúc suy luận nên có thể sửa mà không phải huấn luyện lại bộ phân loại cho mỗi thay đổi. Điểm thuận lợi này đặc biệt liên quan tới rủi ro mới hoặc miền nội dung nhiều sắc thái. Tuy nhiên, thay đổi câu chữ chính sách có thể thay đổi nhãn; cần kiểm thử hồi quy trước khi áp dụng trên diện rộng.
Bản 20b khác model nền và bản 120b
Họ safeguard gồm hai kích cỡ 120b và 20b, được fine-tune từ gpt-oss. Không tự chuyển benchmark của gpt-oss-20b sang model chuyên phân loại. Tương tự, tên nhỏ hơn không chứng minh luôn nhanh hơn hoặc đủ chính xác cho mọi chính sách so với safeguard-120b.
Giải thích nhãn không chứng minh nhãn đúng
OpenAI nêu các ứng dụng như nhận diện thảo luận gian lận trong trò chơi hoặc đánh giá sản phẩm có dấu hiệu giả. Nhãn theo chính sách không phải bằng chứng một cá nhân đã gian lận. Phần giải thích giúp rà cách diễn giải nhưng vẫn có thể sai hoặc bỏ sót ngữ cảnh.
Đánh giá triển khai cần tách false positive và false negative, kiểm tra các nhóm ngôn ngữ và nội dung sát ranh giới. Nếu nhãn dẫn tới khóa tài khoản hoặc hạn chế quyền, cần có bước xem xét và cơ chế khiếu nại. Không nên đồng nhất một kết quả phân loại với quyết định cuối cùng.
Chi phí mở trọng số
Model phát hành theo Apache 2.0, cho phép dùng, sửa và triển khai theo điều khoản giấy phép. Chi phí vẫn gồm phần cứng, lưu trữ và phục vụ suy luận. Chính sách dài, hội thoại dài và số lượt đánh giá đều tác động tới tài nguyên sử dụng.
Thông cáo không đưa đơn giá API riêng cho bản 20b. Không suy giá mỗi lượt từ tên model, cũng không mặc định mọi yêu cầu bộ nhớ của bản nền giữ nguyên trong mọi backend. Cần đo cấu hình thực tế trước khi quyết định tiết kiệm bao nhiêu.
Bản xem trước cho nghiên cứu an toàn
OpenAI phát hành để nhận phản hồi từ cộng đồng nghiên cứu và an toàn, phối hợp cùng ROOST. Hãng mô tả cách tiếp cận phù hợp khi chất lượng nhãn quan trọng hơn độ trễ. Đây không phải chứng nhận pháp lý hoặc lớp thay thế toàn bộ pipeline an toàn; tổ chức vẫn chịu trách nhiệm về chính sách và tác động của quyết định.
Nguồn: OpenAI, Introducing gpt-oss-safeguard, 29/10/2025.
Tác giả
Chăm Sóc Khách Hàng
