時隔六年，OpenAI 終于重新踏入開源領域。
?

今天凌晨，OpenAI 做出了一個重大舉動：正式開源兩款新型推理模型 gpt-oss-120b 和 gpt-oss-20b，立即在 AI 社區引發軒然大波。
?

?

自 GPT-2 發布以來，OpenAI 已經有相當長一段時間未涉足開源領域。此次回歸開源，可謂來勢洶洶。

?

這兩款模型均采用寬松的 Apache 2.0 許可證，支持商業化和自由修改。據奧爾特曼透露，gpt-oss 性能逼近 OpenAI 當前閉源主力產品 o4-mini ，卻能在消費級硬件上高效運行，大幅降低了開發與應用門檻。

?

其中，gpt-oss-120b 總參數量達 1170 億，采用混合專家架構（MoE），推理時每 token 僅激活 51 億參數。它在多項核心基準測試中接近 o4-mini 的表現，包括編程（Codeforces）、通用問題求解（MMLU）和工具調用（TauBench），甚至在健康問答（HealthBench）和數學競賽（AIME）中部分反超。而該模型僅需單張 80GB GPU 即可運行，如 H100 或消費級 RTX 6000 Ada 。
?

?

尤其值得關注的是輕量版 gpt-oss-20b。它在 16GB 內存設備——如高端筆記本或邊緣計算終端上即可流暢推理，速度達每秒 24 token（M3 Max 實測）。其性能對標 o3-mini，尤其適合本地部署、快速原型開發或對延遲敏感的場景。
?

用戶現可通過LM Studio、Ollama 等工具直接體驗，無需復雜配置。

?

兩款模型均采用 Transformer 架構，并利用專家混合（MoE）來減少處理輸入所需的活躍參數數量。其中，gpt-oss-120b 每個 token 激活 5.1B 參數，而 gpt-oss-20b 則激活 3.6B 參數，兩款模型的總參數分別為 117B 和 21B。
?

?

此外，兩款模型采用交替密集和局部帶狀稀疏注意力模式，類似于 GPT-3。為了提高推理和內存效率，模型還使用了分組多查詢注意力，組大小為 8。同時利用旋轉位置編碼（RoPE）進行位置編碼，并原生支持最長 128k 的上下文長度。

?
在訓練集上，OpenAI 在一個主要是英文的文本數據集上訓練了兩款模型，重點關注 STEM、編程和常識類內容，并使用一個比 o4-mini 和 GPT-4o 所使用更為廣泛的分詞器（tokenizer）——o200k_harmony 對數據進行分詞，同樣也將其開源。

?

OpenAI 聲稱開源模型采用了與 o4-mini 相似的后訓練流程，包含監督微調和高計算強化學習階段。此外，OpenAI 還訓練模型在輸出答案前先進行思維鏈推理和工具調用。通過采用與 OpenAI 專有推理模型相同的技術，這些模型在后訓練后展現出卓越的能力。

?

同時，與 API 中的 OpenAI o 系列推理模型類似，這兩款開源模型支持 “低、中、高” 三檔推理強度調節，開發者只需在系統消息中添加一行指令即可輕松設置，實現延遲與性能的平衡。

?

此次開源或許也是 OpenAI 對行業趨勢的回應。2025年初，DeepSeek 等開源模型掀起浪潮，奧特曼曾公開反思“在開源上站錯歷史方向”。如今 gpt-oss 的推出，也是向開源生態遞出的橄欖枝 。

?

不過，模型仍有局限。據 OpenAI 披露，gpt-oss 在人物知識問答（PersonQA）中的幻覺率達 49%（120b）和 53%（20b），顯著高于閉源模型 。

?

盡管如此，新模型已經獲得產業快速支持。目前，Hugging Face、Azure 等多家平臺已經首發接入，開發者現可下載或在線測試。
?

OpenAI 強調，此次開源聚焦“安全可控”，模型經生物與網絡安全壓力測試后，性能對齊內部標準。

?

六年等待，OpenAI 以技術重回開源戰場。gpt-oss 能否推動 AI 民主化？