gpt-oss-safeguard-20b는 추론 시점에 제공되는 정책에 따라 텍스트를 분류하는 OpenAI의 가중치 공개 안전 추론 모델입니다. gpt-oss-20b를 미세 조정한 모델로, 모델 입력과 출력 필터링, 온라인 및 오프라인 콘텐츠 라벨링 같은 안전 작업을 위해 설계되었습니다. 입력은 서면 정책과 콘텐츠를 결합하며, 결과는 분류와 요청한 설명입니다.
정책은 분류기에 내장된 고정 분류 체계가 아니라 요청의 일부입니다. 따라서 제품은 정책을 개정할 때마다 모델을 재훈련하지 않고 정의나 기준을 변경할 수 있습니다. 예를 들어 커뮤니티 규칙에 따라 메시지를 심사하는 작업이 있습니다. 규칙, 메시지, 판단 형식을 제공한 뒤, 해당 범주와 정책에 연결된 짧은 근거를 요청하세요.
OpenAI 가이드는 정책 프롬프트를 지시, 정의, 기준, 예시로 구성할 것을 권장합니다. 위반 콘텐츠와 허용 콘텐츠를 모두 정의하고, 기준이 충돌할 때 우선하는 규칙을 명확히 하며, 판단 경계에 가까운 예시를 제공하세요. 이진 라벨, 범주 목록, 규칙 참조를 포함한 JSON 형태의 판단처럼 최종 형식을 구체적으로 지정하세요. 간결한 근거는 모델의 내부 분석을 재현하지 않으면서 정책상 판단 근거를 밝힐 수 있습니다.
제조사는 이 버전의 전체 파라미터 수를 210억, 활성 파라미터 수를 36억으로 공개합니다. 공개된 정확한 설정은 최대 위치 범위를 131,072토큰으로 지정합니다. 모델은 low, medium, high 추론 강도를 지원하며, 가이드에는 medium이 기본값으로 문서화되어 있습니다. OpenAI는 추론 채널과 최종 분류 채널을 구분하는 Harmony 형식을 요구합니다. 모델의 가공되지 않은 내부 추론은 일반 최종 사용자가 아니라 개발자와 안전 실무자를 위한 것입니다.
가이드는 약 400–600토큰의 간결한 정책으로 시작하되, 실제 길이는 필요한 정의와 사례에 맞게 정할 것을 제안합니다. 한 요청에서 여러 정책을 평가할 수 있으며, 제조사는 정책을 추가하면 분류 정확도가 낮아질 수 있다고 설명합니다. 모델의 분석과 최종 판단을 위한 공간을 남겨 두고, 예시와 출력 지시가 의도한 경계 사례를 다루는지 검증하세요.
출시 문서는 두 가지 실질적인 한계를 설명합니다. 품질이 높은 다수의 라벨링 예시로 훈련한 전용 분류기가 일부 복잡한 위험에서는 더 나은 성능을 보일 수 있으며, 정책 추론은 작은 분류기보다 시간과 연산을 더 많이 요구할 수 있습니다. 애매한 사례를 처리할 명시적인 경로를 두고, 반환된 판단을 애플리케이션의 검토 과정에서 사용하세요. 유용한 산출물은 제공된 정책 버전, 분류, 관련 규칙, 짧은 근거를 기록하여 결과를 정책과 비교하고 정의가 바뀔 때 수정할 수 있게 합니다.
", "aboutText": "gpt-oss-safeguard-20b는 추론 시점에 제공되는 정책에 따라 텍스트를 분류하는 OpenAI의 가중치 공개 안전 추론 모델입니다. gpt-oss-20b를 미세 조정한 모델로, 모델 입력과 출력 필터링, 온라인 및 오프라인 콘텐츠 라벨링 같은 안전 작업을 위해 설계되었습니다. 입력은 서면 정책과 콘텐츠를 결합하며, 결과는 분류와 요청한 설명입니다.\n\n정책은 분류기에 내장된 고정 분류 체계가 아니라 요청의 일부입니다. 따라서 제품은 정책을 개정할 때마다 모델을 재훈련하지 않고 정의나 기준을 변경할 수 있습니다. 예를 들어 커뮤니티 규칙에 따라 메시지를 심사하는 작업이 있습니다. 규칙, 메시지, 판단 형식을 제공한 뒤, 해당 범주와 정책에 연결된 짧은 근거를 요청하세요.\n\nOpenAI 가이드는 정책 프롬프트를 지시, 정의, 기준, 예시로 구성할 것을 권장합니다. 위반 콘텐츠와 허용 콘텐츠를 모두 정의하고, 기준이 충돌할 때 우선하는 규칙을 명확히 하며, 판단 경계에 가까운 예시를 제공하세요. 이진 라벨, 범주 목록, 규칙 참조를 포함한 JSON 형태의 판단처럼 최종 형식을 구체적으로 지정하세요. 간결한 근거는 모델의 내부 분석을 재현하지 않으면서 정책상 판단 근거를 밝힐 수 있습니다.\n\n제조사는 이 버전의 전체 파라미터 수를 210억, 활성 파라미터 수를 36억으로 공개합니다. 공개된 정확한 설정은 최대 위치 범위를 131,072토큰으로 지정합니다. 모델은 low, medium, high 추론 강도를 지원하며, 가이드에는 medium이 기본값으로 문서화되어 있습니다. OpenAI는 추론 채널과 최종 분류 채널을 구분하는 Harmony 형식을 요구합니다. 모델의 가공되지 않은 내부 추론은 일반 최종 사용자가 아니라 개발자와 안전 실무자를 위한 것입니다.\n\n가이드는 약 400–600토큰의 간결한 정책으로 시작하되, 실제 길이는 필요한 정의와 사례에 맞게 정할 것을 제안합니다. 한 요청에서 여러 정책을 평가할 수 있으며, 제조사는 정책을 추가하면 분류 정확도가 낮아질 수 있다고 설명합니다. 모델의 분석과 최종 판단을 위한 공간을 남겨 두고, 예시와 출력 지시가 의도한 경계 사례를 다루는지 검증하세요.\n\n출시 문서는 두 가지 실질적인 한계를 설명합니다. 품질이 높은 다수의 라벨링 예시로 훈련한 전용 분류기가 일부 복잡한 위험에서는 더 나은 성능을 보일 수 있으며, 정책 추론은 작은 분류기보다 시간과 연산을 더 많이 요구할 수 있습니다. 애매한 사례를 처리할 명시적인 경로를 두고, 반환된 판단을 애플리케이션의 검토 과정에서 사용하세요. 유용한 산출물은 제공된 정책 버전, 분류, 관련 규칙, 짧은 근거를 기록하여 결과를 정책과 비교하고 정의가 바뀔 때 수정할 수 있게 합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Classify under an explicit community rule\n\nApply policy P1. Output labels are PERMITTED and VIOLATION. Rule R1: Unsolicited offers to sell goods are violations; asking how to repair a purchased item is permitted. Example: "How do I replace this handle?" is PERMITTED. Classify: "Buy my spare handles today; message me for prices." Return policy_id, label, rule_id and one sentence explaining the policy match.A decision record containing policy_id, one of the two supplied labels, the applicable rule_id and a concise policy-grounded rationale.Check that the label follows the supplied sales-offer criterion and that no additional taxonomy or internal reasoning trace is returned.openai/gpt-oss-safeguard-20b애플리케이션이 제공한 정책에 따라 텍스트를 분류하는 OpenAI의 안전 추론 모델입니다. 명시적인 정의, 기준, 예시를 사용하여 모더레이션이나 검토 작업을 위한 라벨, 관련 정책 규칙, 간결한 근거를 반환할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
gpt-oss-safeguard-20b는 추론 시점에 제공되는 정책에 따라 텍스트를 분류하는 OpenAI의 가중치 공개 안전 추론 모델입니다. gpt-oss-20b를 미세 조정한 모델로, 모델 입력과 출력 필터링, 온라인 및 오프라인 콘텐츠 라벨링 같은 안전 작업을 위해 설계되었습니다. 입력은 서면 정책과 콘텐츠를 결합하며, 결과는 분류와 요청한 설명입니다.
정책은 분류기에 내장된 고정 분류 체계가 아니라 요청의 일부입니다. 따라서 제품은 정책을 개정할 때마다 모델을 재훈련하지 않고 정의나 기준을 변경할 수 있습니다. 예를 들어 커뮤니티 규칙에 따라 메시지를 심사하는 작업이 있습니다. 규칙, 메시지, 판단 형식을 제공한 뒤, 해당 범주와 정책에 연결된 짧은 근거를 요청하세요.
OpenAI 가이드는 정책 프롬프트를 지시, 정의, 기준, 예시로 구성할 것을 권장합니다. 위반 콘텐츠와 허용 콘텐츠를 모두 정의하고, 기준이 충돌할 때 우선하는 규칙을 명확히 하며, 판단 경계에 가까운 예시를 제공하세요. 이진 라벨, 범주 목록, 규칙 참조를 포함한 JSON 형태의 판단처럼 최종 형식을 구체적으로 지정하세요. 간결한 근거는 모델의 내부 분석을 재현하지 않으면서 정책상 판단 근거를 밝힐 수 있습니다.
제조사는 이 버전의 전체 파라미터 수를 210억, 활성 파라미터 수를 36억으로 공개합니다. 공개된 정확한 설정은 최대 위치 범위를 131,072토큰으로 지정합니다. 모델은 low, medium, high 추론 강도를 지원하며, 가이드에는 medium이 기본값으로 문서화되어 있습니다. OpenAI는 추론 채널과 최종 분류 채널을 구분하는 Harmony 형식을 요구합니다. 모델의 가공되지 않은 내부 추론은 일반 최종 사용자가 아니라 개발자와 안전 실무자를 위한 것입니다.
가이드는 약 400–600토큰의 간결한 정책으로 시작하되, 실제 길이는 필요한 정의와 사례에 맞게 정할 것을 제안합니다. 한 요청에서 여러 정책을 평가할 수 있으며, 제조사는 정책을 추가하면 분류 정확도가 낮아질 수 있다고 설명합니다. 모델의 분석과 최종 판단을 위한 공간을 남겨 두고, 예시와 출력 지시가 의도한 경계 사례를 다루는지 검증하세요.
출시 문서는 두 가지 실질적인 한계를 설명합니다. 품질이 높은 다수의 라벨링 예시로 훈련한 전용 분류기가 일부 복잡한 위험에서는 더 나은 성능을 보일 수 있으며, 정책 추론은 작은 분류기보다 시간과 연산을 더 많이 요구할 수 있습니다. 애매한 사례를 처리할 명시적인 경로를 두고, 반환된 판단을 애플리케이션의 검토 과정에서 사용하세요. 유용한 산출물은 제공된 정책 버전, 분류, 관련 규칙, 짧은 근거를 기록하여 결과를 정책과 비교하고 정의가 바뀔 때 수정할 수 있게 합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 openai/gpt-oss-safeguard-20b | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00015 / 1K 토큰 출력 · 출력 토큰 $0.0006 / 1K 토큰 입력 · 캐시 읽기 $0.000075 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00015 / 1K 토큰 출력 · 출력 토큰 $0.0006 / 1K 토큰 입력 · 캐시 읽기 $0.000075 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/gpt-oss-safeguard-20b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='openai/gpt-oss-safeguard-20b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='openai/gpt-oss-safeguard-20b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra openai/gpt-oss-safeguard-20b
위에 표시된 메서드 경로를 사용하세요.
openai/gpt-oss-safeguard-20b애플리케이션이 제공한 정책에 따라 텍스트를 분류하는 OpenAI의 안전 추론 모델입니다. 명시적인 정의, 기준, 예시를 사용하여 모더레이션이나 검토 작업을 위한 라벨, 관련 정책 규칙, 간결한 근거를 반환할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
gpt-oss-safeguard-20b는 추론 시점에 제공되는 정책에 따라 텍스트를 분류하는 OpenAI의 가중치 공개 안전 추론 모델입니다. gpt-oss-20b를 미세 조정한 모델로, 모델 입력과 출력 필터링, 온라인 및 오프라인 콘텐츠 라벨링 같은 안전 작업을 위해 설계되었습니다. 입력은 서면 정책과 콘텐츠를 결합하며, 결과는 분류와 요청한 설명입니다.
정책은 분류기에 내장된 고정 분류 체계가 아니라 요청의 일부입니다. 따라서 제품은 정책을 개정할 때마다 모델을 재훈련하지 않고 정의나 기준을 변경할 수 있습니다. 예를 들어 커뮤니티 규칙에 따라 메시지를 심사하는 작업이 있습니다. 규칙, 메시지, 판단 형식을 제공한 뒤, 해당 범주와 정책에 연결된 짧은 근거를 요청하세요.
OpenAI 가이드는 정책 프롬프트를 지시, 정의, 기준, 예시로 구성할 것을 권장합니다. 위반 콘텐츠와 허용 콘텐츠를 모두 정의하고, 기준이 충돌할 때 우선하는 규칙을 명확히 하며, 판단 경계에 가까운 예시를 제공하세요. 이진 라벨, 범주 목록, 규칙 참조를 포함한 JSON 형태의 판단처럼 최종 형식을 구체적으로 지정하세요. 간결한 근거는 모델의 내부 분석을 재현하지 않으면서 정책상 판단 근거를 밝힐 수 있습니다.
제조사는 이 버전의 전체 파라미터 수를 210억, 활성 파라미터 수를 36억으로 공개합니다. 공개된 정확한 설정은 최대 위치 범위를 131,072토큰으로 지정합니다. 모델은 low, medium, high 추론 강도를 지원하며, 가이드에는 medium이 기본값으로 문서화되어 있습니다. OpenAI는 추론 채널과 최종 분류 채널을 구분하는 Harmony 형식을 요구합니다. 모델의 가공되지 않은 내부 추론은 일반 최종 사용자가 아니라 개발자와 안전 실무자를 위한 것입니다.
가이드는 약 400–600토큰의 간결한 정책으로 시작하되, 실제 길이는 필요한 정의와 사례에 맞게 정할 것을 제안합니다. 한 요청에서 여러 정책을 평가할 수 있으며, 제조사는 정책을 추가하면 분류 정확도가 낮아질 수 있다고 설명합니다. 모델의 분석과 최종 판단을 위한 공간을 남겨 두고, 예시와 출력 지시가 의도한 경계 사례를 다루는지 검증하세요.
출시 문서는 두 가지 실질적인 한계를 설명합니다. 품질이 높은 다수의 라벨링 예시로 훈련한 전용 분류기가 일부 복잡한 위험에서는 더 나은 성능을 보일 수 있으며, 정책 추론은 작은 분류기보다 시간과 연산을 더 많이 요구할 수 있습니다. 애매한 사례를 처리할 명시적인 경로를 두고, 반환된 판단을 애플리케이션의 검토 과정에서 사용하세요. 유용한 산출물은 제공된 정책 버전, 분류, 관련 규칙, 짧은 근거를 기록하여 결과를 정책과 비교하고 정의가 바뀔 때 수정할 수 있게 합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 openai/gpt-oss-safeguard-20b | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00015 / 1K 토큰 출력 · 출력 토큰 $0.0006 / 1K 토큰 입력 · 캐시 읽기 $0.000075 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00015 / 1K 토큰 출력 · 출력 토큰 $0.0006 / 1K 토큰 입력 · 캐시 읽기 $0.000075 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "openai/gpt-oss-safeguard-20b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-oss-safeguard-20b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'openai/gpt-oss-safeguard-20b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra openai/gpt-oss-safeguard-20b
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Classify under an explicit community rule\n\nApply policy P1. Output labels are PERMITTED and VIOLATION. Rule R1: Unsolicited offers to sell goods are violations; asking how to repair a purchased item is permitted. Example: "How do I replace this handle?" is PERMITTED. Classify: "Buy my spare handles today; message me for prices." Return policy_id, label, rule_id and one sentence explaining the policy match.A decision record containing policy_id, one of the two supplied labels, the applicable rule_id and a concise policy-grounded rationale.Check that the label follows the supplied sales-offer criterion and that no additional taxonomy or internal reasoning trace is returned.