Ep.672 OpenAI、gpt-oss-safeguard公開──“持ち込みポリシー”で守る安全モデル（2025年11月6日配信）

名古屋ではたらく社長のITニュースポッドキャスト · Nov 5, 2025 · 4m

OpenAIが10月29日、安全分類に特化したオープンウェイトモデル「gpt-oss-safeguard」を研究プレビューとして公開しました。120Bと20Bの2種類で、いずれもgpt-oss系の微調整版。特徴は“推論時に安全ポリシーを持ち込む”設計で、開発者が書いた規約文をそのまま解釈し、ユーザーの発言や出力、チャット全体を分類します。ポリシーを学習に焼き込む従来型と違い、規約の改訂をその場で反映でき、モデルの推論過程（Chain-of-Thought）も開発者が点検可能。重みはHugging Faceで配布され、ライセンスはApache 2.0です。

この“ポリシー基盤推論”は、ゲーム掲示板のチート談義検知や、レビューサイトの偽レビュー抽出など、各社ごとに線引きが違う領域で威力を発揮します。OpenAIは社内でもSafety Reasonerとして同様の枠組みを運用しており、新モデルはこの手法のオープン実装という位置づけです。モデルはポリシーと入力の2系統を同時に受け取り、結論と推論理由を返すため、出力をそのまま自動遮断に使うもよし、人間の審査支援に回すもよし──という柔軟な組み込みが可能です。…