僅僅兩周后，一位研究者就將這一模型“拆解重組”，推出了與官方版本迥異的變體。

康奈爾大學博士生、前Google Brain成員、現任Meta研究員的Jack Morris，公開了名為gpt-oss-20b-base的新版本。

圖片

他并沒有讓模型變得更聰明，而是剝離了OpenAI在訓練中添加的推理與對齊能力。

結果是，一個更快、更自由、更無約束的“原始基座模型”重新出現。

一、從“推理模型”到“基座模型”的逆轉

圖片

要理解這一變化，必須先區分“推理優化模型”和“基座模型”。

OpenAI發布的gpt-oss屬于前者，它經過額外的指令微調和對齊，使得模型在回答問題時更安全、更符合預期。

這種做法源自2024年推出的o1模型，強調鏈式思維，讓AI在生成答案前進行多步推理與自我檢查。它們在編程、數學和解釋類任務上表現優異，但往往會規避敏感話題。

相比之下，基座模型是未經對齊的原始形態，它只負責預測下一個詞，不具備禮貌、拒絕或安全過濾的機制。

圖片

Jack Morris的目標就是把gpt-oss-20B“逆轉”回這種原始形態。

他在X平臺寫道：“我們基本上逆轉了LLM訓練中的對齊部分，現在它重新生成自然文本，不再進行鏈式推理，只是像最初一樣預測下一個token。”

這種方式讓模型重新具備更廣闊的表達自由，但同時也帶來更大的安全風險。

二、技術路徑：60M參數的微小調整

Morris并沒有采用常見的“越獄提示詞”，而是直接從模型結構入手。

在與OpenAI前聯合創始人、現任Thinking Machines首席科學家John Schulman交流后，他確定了一個關鍵點：

如果大部分預訓練知識仍然存在，那么只需要一個低秩的小優化，就能讓模型回到基座分布。

圖片

他采用了LoRA（低秩適配器）技術，只在第7、15和23層的MLP模塊做了改動，秩設為16。

這一調整涉及大約6000萬參數，只占模型總量的0.3%。訓練數據來自FineWeb數據集的2萬篇文檔，訓練時盡量保持接近原始預訓練格式。

訓練過程耗時四天，硬件配置為8張NVIDIA H200 GPU，學習率2e-6，批大小16，最大序列長度8192。

完成后，他將LoRA權重合并回模型，形成一個可以獨立運行的成品。Morris強調，他并沒有恢復原始的權重參數，而是恢復了輸出分布。

換言之，他讓模型的輸出概率模式更接近基座形態，即使內部的權重并不完全相同。

圖片

三、自由與風險：研究者的兩難選擇

新模型gpt-oss-20b-base的行為與官方版本截然不同。它不再自動進行推理步驟，而是直接生成更自由的文本。

這意味著，它會輸出OpenAI原版模型拒絕生成的指令，例如涉及武器制作、非法行為或粗口內容。

在測試中，它甚至能夠逐字復現部分書籍片段，顯示出記憶性內容依然可被觸發。

不過，痕跡依然存在。如果在提示中使用“Human: … Assistant: …”的對話模板，它有時仍會表現出禮貌的助手風格。

為了獲得最“原始”的輸出，Morris建議使用模型的特殊起始符號<|startoftext|>，并避免任何聊天模板。

這也讓研究界看到另一面：開放權重不僅能被復用，還能被快速改造。

更值得注意的是，Morris還計劃將類似的逆轉方法應用到Qwen等其他開源指令模型上。

這意味著，“去對齊化”的趨勢可能繼續擴散，成為研究者和開發者探索的又一條分支道路。