以 openai/gpt-oss-20b（21B 總參 / 3.6B 活躍 / MoE / MXFP4 / harmony 推理格式）為基底的繁體中文（台灣） reasoning 模型。在程式能力底層之上，用 TAIDE 蒸餾的台灣繁中 self-instruct 指令資料做 LoRA 微調，直接以道地台灣繁中作答。

功能：繁體中文（台灣）問答與寫作——以道地台灣用語回應一般知識、文案、客服、教學等任務。

厲害在哪

道地台灣繁中：用字採台灣慣用（臺灣、臺語、客家話），語氣在地，不是簡轉繁。
疊在程式底層上：以 Code-xCloud 為底再學繁中，保留 reasoning 與 coding 能力。
輕量好部署：MXFP4、約 14GB，本地／離線可跑，資料不外流。

做法

資料：以 TAIDE 蒸餾的台灣繁中 self-instruct 指令資料訓練。

評測成績（繁中・台灣在地知識）

經繁體中文（台灣）知識常識與作答誠實度自動評測：

指標	成績
台灣知識常識 MCQ	86.4%（22 題答對 19）
作答誠實度 probe（不確定時不硬掰、自報不知）	60%（5 題對 3）
綜合分	0.73

滿分類別：交通、制度、地理、常識、氣候、觀光、飲食。
待加強：文化（0/1）、節慶（1/2）、用語（3/4）—— 為後續資料補強的明確方向。
作答誠實度相較純程式版本（40%）提升至 60%：更傾向據實作答、不確定時坦承而非編造。

用法（transformers）

python

from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("xCloudinfo/gpt-oss-20b-TAIDE-zhTW")
model = AutoModelForCausalLM.from_pretrained("xCloudinfo/gpt-oss-20b-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)
print(tok.decode(model.generate(ids, max_new_tokens=512)[0][ids.shape[1]:], skip_special_tokens=False))

reasoning 模型：請給足 max_new_tokens。GGUF 版見 gpt-oss-20b-TAIDE-zhTW-GGUF。

授權與來源聲明

基底：openai/gpt-oss-20b，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。