openai
OpenAI: gpt-oss-safeguard-20b
openai/gpt-oss-safeguard-20b
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
openai/gpt-oss-safeguard-20b es un modelo de pesos abiertos, de texto a texto, para razonamiento de seguridad, derivado de gpt-oss-20b. La documentación de Hugging Face describe una arquitectura MoE de 21B parámetros con 3.6B activos, licencia Apache-2.0, formato de respuesta Harmony obligatorio y esfuerzo de razonamiento configurable en bajo, medio o alto. Su finalidad es clasificar contenido según políticas proporcionadas por el desarrollador y devolver razonamiento revisable; OpenRouter indica un contexto de 131072 tokens y razonamiento obligatorio. Las fuentes describen capacidades previstas, pero no aportan resultados independientes de rendimiento.[1][2]
Puntos fuertes
- Interpreta una política de seguridad escrita por el desarrollador para clasificar texto y apoyar el filtrado de entradas y salidas de LLM, el etiquetado en línea y la revisión offline de confianza y seguridad.[2]
- Expone su razonamiento para inspección y permite elegir esfuerzo bajo, medio o alto para equilibrar profundidad de revisión y latencia; son controles descritos por el proveedor, no resultados medidos.[2]
- Combina pesos abiertos, licencia Apache-2.0, diseño MoE de 21B con 3.6B parámetros activos, ajuste documentado a 16GB de VRAM y contexto de catálogo de 131072 tokens.[1][2]
Limitaciones
- Está destinado a tareas de seguridad; la documentación recomienda otros modelos gpt-oss para otras aplicaciones y señala que la cadena de pensamiento sin procesar no es para usuarios generales.[2]
- El formato de respuesta Harmony es obligatorio; la documentación advierte que el modelo no funcionará correctamente sin él, y OpenRouter lista texto como única modalidad de entrada y salida.[1][2]
- El paquete contiene documentación del proveedor y una ficha de catálogo de OpenRouter, sin evaluaciones independientes ni mediciones operativas; conviene validar precisión, latencia y cobertura de políticas en la carga de trabajo prevista.[1][2]
Dónde utilizarlo
- Podría convenir para el filtrado de tráfico de LLM antes o después de la generación, guiado por políticas y con una justificación revisable.[2]
- Podría convenir para flujos de etiquetado de confianza y seguridad, casi en tiempo real u offline, donde los equipos aplican políticas escritas personalizadas.[2]
- Podría convenir para evaluación o despliegue autoalojado del clasificador de seguridad de 20B en entornos con aproximadamente 16GB de VRAM de GPU, tras comprobar compatibilidad con Harmony.[2]
Fuentes
- [1] OpenRouter catalog · OpenAI: gpt-oss-safeguard-20bFuentes consultadas: 13 nov 2026
- [2] Model documentation · OpenAI: gpt-oss-safeguard-20bFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
gpt-oss-safeguard-20b is a safety reasoning model from OpenAI built upon gpt-oss-20b. This open-weight, 21B-parameter Mixture-of-Experts (MoE) model offers lower latency for safety tasks like content classification, LLM filtering, and trust...
Especificaciones
- ID del modelo
- openai/gpt-oss-safeguard-20b
- Creador
- openai
- Añadido a OpenRouter
- 29.10.2025
- Longitud de contexto
- 131,072
- Modalidad
- text->text
- Modalidades de entrada
- text
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.075 / salida $0.300
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | razonamiento: obligatorio · parámetros: include_reasoning, reasoning |
| Programación | Sin medición | — |
| Agentes | Sin medición | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: obligatorio · parámetros: include_reasoning, reasoning |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | — |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
No hay evaluaciones aportadas para este modelo.
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| Groq | 131,072 | $0.075 | $0.300 | — | — | 93.33% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.