概览
Musubi 开源的 17 亿参数内容审核决策模型：读你用大白话写的审核规则，单次前向就给出每个类别 0–1 的违规分数，短消息中位延迟约 35 毫秒，Apache 2.0 可商用。 自定义策略（explicit 模式）：推理时用简短规则写类别（违规规则、非违规规则、例外条款），改规则不用重新训练 内置 Aegis 2.0 的 23 类通用安全分类（aegis 模式），外加一个「Prompt harmful」总分 一次前向返回最多 16 个类别的多标签分数，可按类别分别设置阈值 提供 precision（默认，自定义策略阈值 0.335）和 balanced（0.275）两档预设 速度：24GB NVIDIA L4 上、最多 6 个类别时短消息中位延迟约 35 毫秒（H100 约 22 毫秒），也能在笔记本 CPU 或 Apple 芯片上跑 在 19 种语言上评测（含中文），英语最强、泰米尔语最弱；自带文本清洗，能还原形近字、字母间隔和 base64 伪装 不需要 trust_remote_code，可离线运行 PolicyLM-1.7B 是信任与安全公司 Musubi 在 2026 年 10 月 6 日发布的开放权重内容审核模型（Apache 2.0），面向直播聊天、游戏大厅、私信、用户名这类必须「立刻给出判断」的场景。官方的思路是：传统固定分类器快且便宜，但读不懂各平台自己的规则，规则一改就要重新标注、重新训练；大模型能读懂规则，但对实时聊天来说太慢太贵。PolicyLM 属于「决策模型」：它把策略和消息一起读入，一次前向就返回每个类别的分数，不生成任何文字，所以速度和成本接近分类器。官方称在自家的自定义策略基准上，它胜过所有测试过的 200 亿参数以下模型；其微调版已在一个日处理超过 100 万条消息的平台上运行（以上为官方数据）。 模型基于 BidirLM-1.7B-Embedding（由 Qwen3-1.7B-Base 派生的开源编码器），用 NVIDIA Nemotron Safety Guard Dataset v3、阿里巴巴 XGuard-Train-Open-200K、PolyGuardMix 等公开安全数据集及合成数据训练，参数约 17.3 亿。它同时加入了 ROOST 开放安全模型社区。官方明确的局限：只处理文本、一次一条消息（不看对话历史）；不提供文字理由，申诉、封号、下架等需要说明理由的决定应交给更大的模型；测试过的自定义策略都是英文写的；不适合作为儿童安全执法工具、唯一的自伤防护、对抗性用户的安全边界，也不用于审核 AI 助手自身的回复。 使用方式：新建虚拟环境后运行 pip install "transformers==4.57.6" "torch>=2.5.1" "safetensors>=0.4" "huggingface_hub>=0.34,<1.0" ，然后 hf download musubilabs/policylm-1.7b --revision v1.2 --local-dir policylm-1.7b ，再运行 python policylm-1.7b/inference/quickstart.py policylm-1.7b 。在代码里用 PolicyLM.from_pretrained("policylm-1.7b") 加载，构造 Policy([Category(名称, violation_rule=..., not_violation_rule=...)]) 后调用 model.classify(消息, policy)；用内置分类时把 policy 换成 "aegis"。注意 transformers 5.x 暂不支持。中文场景官方未单独给出指标，上线前应先用自己的标注样本校准阈值。来源：musubilabs.ai 发布博客、huggingface.co/musubilabs/policylm-1.7b 模型卡（2026-10-07 核对）。 API ID: musubilabs/policylm-1.7b（Hugging Face 模型 ID，revision v1.2）
- 模态
- 文本
- 参数量
- 1.7B
- 许可说明
- 开源 · Apache 2.0