做法

• 資料：以 TAIDE 蒸餾的台灣繁中 self-instruct 指令資料訓練。
• 訓練：於 云碩 AI 算力資源池（xCloud 算力中心） 上以分散式 LoRA 微調，再合併回完整模型。資料全程留在自有算力環境、流程可重現。
• 格式：完整 safetensors（MXFP4 experts + bf16 attention，≈65GB），transformers / vLLM 可載入。
• 效果：相較原始 gpt-oss，本模型直接以道地台灣繁中作答，用字採台灣慣用（臺灣、臺語、客家話），語氣更在地。

用法（transformers）

python
Copy code
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

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

msgs = [{"role": "user", "content": "用一段話介紹台灣，並說說台灣最有名的小吃。"}]
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 …-TAIDE-zhTW-GGUF。

授權與來源聲明

• 基底：openai/gpt-oss-120b，Apache-2.0。
• TAIDE 衍生：訓練資料以 TAIDE 模型蒸餾；使用/重製/改作/散布須遵守 TAIDE 模型授權條款 並保留本聲明。
• 不得用於軍事或非法用途；不得聲稱代表 TAIDE 或國家實驗研究院；須遵守中華民國法律與適用之 EU AI Act。

---

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。