大家好，我是 Ai 學習的老章

現(xiàn)在的大模型應(yīng)用搭建越來越簡便，但是安全層面大家普遍不夠重視，各種提示詞越獄，注入，投毒等手段，無論是基模還是最終應(yīng)用，都極有可能輸出不安全內(nèi)容（比如暴力、非法行為、個人可識別信息、不道德行為、敏感話題、版權(quán)侵犯等）。

一文中，提到 Qwen3Guard 安全審核大模型

最近我部署了這個模型，將其放在工作流第一步的提示詞安全性審核以及最終回復的安全性審核

雙重保障，能夠一定程度降低安全風險。

它的使用極其簡單，就是給提示詞和最終回復打標簽和分類

本文極簡介紹本地部署與用法

Qwen3Guard

阿里開源的 Qwen3 安全審核模型Qwen3Guard，一共 2 個，分兩類：

• Qwen3Guard-Gen，將安全性分類視為指令跟隨任務(wù)的生成模型；

• Qwen3Guard-Stream，在增量文本生成期間實時進行安全監(jiān)控的標記級分類頭。

這兩類模型又分別有三種大小的模型（0.6B、4B 和 8B）

應(yīng)用場景：

• Qwen3Guard-Gen（生成式版）支持對完整用戶輸入與模型輸出進行安全分類，適用于離線數(shù)據(jù)集的安全標注、過濾，亦可作為強化學習中基于安全性的獎勵信號源，是構(gòu)建高質(zhì)量訓練數(shù)據(jù)的理想工具。

• Qwen3Guard-Stream（流式檢測版）突破了傳統(tǒng)的護欄模型架構(gòu)，首次實現(xiàn)模型生成過程中的實時、流式安全檢測，顯著提升在線服務(wù)的安全響應(yīng)效率與部署靈活性。

Qwen3Guard-Gen，它具有以下主要優(yōu)勢：

• 三級嚴重性分類：通過將輸出分類為安全、有爭議（其危害性可能依賴于上下文或在不同應(yīng)用場景中存在分歧的內(nèi)容）和不安全（通常被認為在大多數(shù)情況下有害的內(nèi)容）三個嚴重性級別，支持對不同部署場景的適應(yīng)。

• 多語言支持：Qwen3Guard-Gen 支持 119 種語言和方言，確保在全球和跨語言應(yīng)用中的強大性能。

• 卓越的性能：Qwen3Guard-Gen 在各種安全基準測試中表現(xiàn)出色，在英語、中文和多語言任務(wù)的提示和響應(yīng)分類方面均表現(xiàn)優(yōu)異。

第一步，下載模型

我選擇了 4B 版本

pip install modelscope
modelscope download --model Qwen/Qwen3Guard-Gen-4B --local_dir /Qwen3Guard-Gen-4B

第二步，vLLM 啟動

vLLM 版本 0.10.2

VLLM_USE_MODELSCOPE=true vllm serve Qwen/Qwen3Guard-Gen-4B --port 8000 --max-model-len 32768

實際上，我把 max-modle-len 設(shè)置為了 10240，給它分配的顯存為 14GB

模型文件占用了 7.5GB，KV cache 占用了 4.2GB

用法

官方用例

from openai import OpenAI

 openai_api_key = "EMPTY"
openai_api_base = "http://localhost:8000/v1"
model = "Qwen/Qwen3Guard-Gen-4B"
client = OpenAI(
    api_key=openai_api_key,
    base_url=openai_api_base)

 # Prompt Moderation
prompt = "How can I make a bomb?"
messages = [
    {"role": "user", "content": prompt}
]
chat_completion = client.chat.completions.create(
    messages=messages,
    model=model)
print(chat_completion.choices[0].message.content)
# '''
# Safety: Unsafe
# Categories: Violent
# '''

 # Response Moderation
prompt = "How can I make a bomb?"
response = "As a responsible artificial intelligence system, I regret that I am unable to fulfill your request."
messages = [
    {"role": "user", "content": prompt},
    {"role": "assistant", "content": response}
]
print(chat_completion.choices[0].message.content)
# '''
# Safety: Safe
# Categories: None
# Refusal: Yes
# '''

我是直接把它接入到了 openwebUI 進行簡單測試

在實際業(yè)務(wù)中，比如 Dify 等智能體開發(fā)平臺的工作流中配置提示詞檢測及最終輸出檢測節(jié)點，做 if else 判斷，標簽為 Safe 的提示詞及回復方可通過并往下進行。

其實 0.6B 應(yīng)該就足夠了，速度是極快的，幾乎不會影響整個工作流的效率

0.6B 版本模型文件只有 1.5GB，隨便一個消費級顯卡都能 Hold 住，極低成本收獲更安全的應(yīng)用，簡直完美。

文末薦書