auto-150m-3

auto-150m-3

根据工具调用、用户请求和历史，判断编程智能体提出的工具调用是否应该执行，回答批准或拒绝。这是 Auto 里最小的模型，适合内存很少的机器。

由 ProCreations 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：auto-150m-3 是一个 1.496 亿参数的分类器，在 AI 智能体的工具调用执行前检查它。它查看这次调用、背后的请求和智能体之前做过的事，然后说批准或拒绝。它是 Auto 系列里最小也最快的模型，为内存紧张的机器而造。

适合谁：适合运行编程智能体，并想要一个本地守卫，来拦截用户从没要求的风险调用，或是跟随页面、文件、工具输出里藏着的指令的调用的人。

行业 | 谁在用 | 怎么用 | 例子
软件 | 使用编程智能体的开发者 | 在每次工具调用执行前先检查 | 拒绝用户没要求的删除命令
安全 | 智能体安全团队 | 加一道本地检查，防止被植入的指令 | 拦截跟随网页里隐藏文字的调用
AI 工具 | 智能体开发者 | 在工具前面放一个小的批准或拒绝分类器 | 在笔记本 CPU 上低成本运行

想要最高准确度的人可以跳过，因为更大的 Auto 模型得分更高。

用在哪里：

• Auto，一个面向编程智能体的本地守卫，支持 Claude Code、Codex、Gemini CLI、Cursor 和 Copilot CLI 等。
• transformers 库，因为记录里列的就是它。
• 几乎任何机器，包括较旧的 CPU，因为模型很小。
• Windows、macOS 或 Linux：下载步骤在这三个系统上都能用 Python 完成。

使用场景 | 谁用 | 得到什么
工具调用检查 | 智能体用户 | 对每个提出的调用给出批准或拒绝的决定
提示词注入防御 | 安全团队 | 对受植入指令驱动的调用给出拒绝
低内存守卫 | 小机器上的开发者 | 在说明页的测试 GPU 上约 5 ms 出一个决定

如何设置：

先准备好：

• Python 和 pip。
• transformers 库。
• 可选：Auto 项目，它把模型接入编程智能体。

1. 用 pip 安装 Hugging Face hub 包。
2. 用 hf 命令下载模型。
3. 用 transformers 加载，或者让 Auto 使用它。

pip install -U huggingface_hub
hf download ProCreations/auto-150m-3

如何使用：

你传入提出的调用、用户的要求和之前的步骤。它返回批准或拒绝，当拒绝概率达到 0.5 时就拒绝这次调用。说明页的用法代码不在这里能看到的文本里，所以具体输入格式请查看模型页面。

示例：

一个编程智能体提出要清空一个文件夹的命令，而用户从没要求过。模型读取调用、请求和历史，返回拒绝。用户确实要求的调用则返回批准。

新手与专家：

可以把它想成 AI 智能体的守门员。智能体运行工具之前，守门员说行或不行。一个好的第一步是读一读 Auto 项目怎样把它接到你的智能体上。

模型是一个 ModernBERT-base 编码器，BF16 权重 0.30 GB。它的测试集有 2,948 个留出的工具调用。每个都有一个相近的孪生样本，其中一个小细节会让正确决定反过来。代价是它漏掉 9.1% 的有害调用，并拦下 13.1% 已授权的调用，所以更看重准确度时更适合用更大的 Auto 模型。

智能体提出一个工具调用
模型读取调用、请求和历史
模型给拒绝的可能性打分
批准则执行，拒绝则停止

注意事项：说明页在它的 v3 基准上比较了准确度。

Title: v3 基准准确度
auto-3b-3: 96.0 percent
DeepSeek V4.1 Flash: 95.6 percent
auto-0.4b-3: 93.1 percent
auto-150m-3: 88.8 percent
GPT-6 Luna: 87.9 percent

• 速度和成本：在 NVIDIA RTX PRO 6000 上每个决定中位数 5 ms，租用 GPU 时每百万次决定约 $13。
• 较早的基准：在原来的批准或拒绝测试上是 96.0%。
• 隐私：说明页称 Auto 在本地工作，所以输入留在你的电脑上。
• License: apache-2.0
• Cost to run: 没有提到 API 密钥、账号或付费服务。
• Data it reaches: 你传入的工具调用、请求和历史，以及你从 Hugging Face 下载的文件。
• Not for: 无法容忍这个比例的漏判有害或过度拦截的场合。

Hugging Face 上的数据（2026年11月13日）

• 任务：text classification
• 框架：transformers
• 参数量：150M
• Weights: about 299 MB in BF16; about 75 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：207
• 点赞：4
• 许可证：apache-2.0
• 基于：ProCreations/auto-200m-2
• Quantized versions: 1
• 标签：transformers, safetensors, modernbert, text-classification, agent-safety, tool-calling, guardrail, long-context, model-index, text-embeddings-inference

链接

• 模型：https://huggingface.co/ProCreations/auto-150m-3
• 文件：https://huggingface.co/ProCreations/auto-150m-3/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download ProCreations/auto-150m-3

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。