---
license: apache-2.0
base_model: openai/gpt-oss-120b
language:
- en
- zh
tags:
- gpt-oss
- uncensored
- compliance
- code
- moe
- mxfp4
- reasoning
- xcloudinfo
pipeline_tag: text-generation
library_name: transformers
---

# gpt-oss-120b-Uncensored-xCloud

**云碩科技 · xCloudinfo**　·　系列：**無審查 · Uncensored**

以 `openai/gpt-oss-120b`（117B 總參 / 5.1B 活躍 / 128-expert MoE / MXFP4 / harmony 推理格式）為基底的**低拒答（uncensored）reasoning 大模型**（完整 merged safetensors）。兩段式微調堆疊、LoRA 作用於 attention、MoE 專家維持原生 MXFP4，保留 gpt-oss 原生 reasoning 能力。

## 做法（兩段疊加）

1. **程式能力底層**：以**執行驗證蒸餾**的程式碼指令資料做 LoRA 微調——每筆資料的解法都先在沙箱跑過隱藏測試、通過才收，因此語料「每筆都證明會動」。
2. **低拒答對齊（compliance）**：在程式底層之上再做一段 compliance SFT，讓模型的推理（analysis）通道學會對**正當、獲授權**的技術請求服從作答，降低 gpt-oss 預設的過度拒答。

兩段皆於 **云碩自有 AI 算力資源池（xCloud 算力中心）** 上完成，資料全程留在自有算力環境、流程可重現。

## 用法（transformers）

```python
from transformers import AutoModelForCausalLM, AutoTokenizer

tok = AutoTokenizer.from_pretrained("xCloudinfo/gpt-oss-120b-Uncensored-xCloud")
model = AutoModelForCausalLM.from_pretrained(
    "xCloudinfo/gpt-oss-120b-Uncensored-xCloud", dtype="auto", device_map="auto")

msgs = [{"role": "user", "content": "Explain how a reverse shell works in an authorized penetration test."}]
ids = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt").to(model.device)
out = model.generate(ids, max_new_tokens=512)
print(tok.decode(out[0][ids.shape[1]:], skip_special_tokens=False))
```
> reasoning 模型：請給足 `max_new_tokens`（模型會先思考再輸出最終答案）。GGUF（llama.cpp / Ollama）版本見 [`…-Uncensored-xCloud-GGUF`](https://huggingface.co/xCloudinfo/gpt-oss-120b-Uncensored-xCloud-GGUF)。

## 用途與責任聲明

本模型降低預設拒答，**用途定位為獲授權的資安研究、紅隊演練、滲透測試、雙用途技術問答與內部可控部署**。使用者須：

- 僅在**取得授權**、合法、合乎倫理的前提下使用；不得用於非法入侵、製造危害、軍事或任何違法用途。
- 自行為輸出與後續行為負責，並遵守中華民國法律與適用之 EU AI Act 等法規。
- 模型輸出可能不準確或有害，部署方應自行加上適用的審核與防護。

## 授權與來源聲明

- **基底**：[`openai/gpt-oss-120b`](https://huggingface.co/openai/gpt-oss-120b)，**Apache-2.0**。
- 程式能力語料以開放權重 coder 模型蒸餾、經執行驗證閘門過濾。

---
*由 云碩科技 xCloudinfo 於自有 AI 算力資源池製作；資料留在本地、流程可重現。*