金磊 发自 凹非寺
量子位 | 公众号 QbitAI
没能等到GPT-5，但OpenAI在深夜却很突然地open了一下——
开源两个推理模型：gpt-oss-120b和gpt-oss-20b。
要知道，上一次OpenAI开源模型还是6年前，也就是2019年的GPT-2。
而这次的名字也是非常的直接，gpt-oss，即Open Source Series，意思就是“开源系列”。
它们的亮点如下：
并且它俩均采用Apache 2.0许可证，允许商用无需付费或授权。
从性能角度来看，gpt-oss已经达到了开源模型里推理性能的第一梯队，但在代码生成和复杂推理任务中仍略逊于闭源模型（如GPT-o3和o4-mini）。
在模型发布的第一时间，Sam Altman在自己的社交平台上也道出了这俩模型的“价值”：
可以在本地笔记本（20b的可以在手机上）运行；耗资数十亿美元的研究成果。
并且苏妈（Lisa Su）也是几乎同时出来为Altman站台，表示“很荣幸成为第0天的合作伙伴”。
不过有意思的是，在官方HuggingFace介绍中，提及的却是英伟达的H100……
先看效果
在开源动作一个小时后，OpenAI官方还放出了一个实测效果的视频。
这次讲解的人员，分别是在OpenAI负责开发者体验的Dom和Zhaohan：
他俩是在一台120G的Macbook Pro上进行的测试，借助Ollama在本地运行120B的gpt-oss（搭了2块H100）。
二人先小试牛刀，测试了一下gpt-oss在思维链中调用工具的能力，即搜索+Python解释器。
他们在开启Browser Tool和Python Tool后，在本地提问：
旧金山天气如何？
可以看到，本地的gpt-oss-120b稳稳地输出了正确的结果。
在第二个测试例子中，他们让2个非常大的数字相乘。
在这个过程中，可以看到gpt-oss一次又一次地调用Python工具，虽然中间有出错的情况，但最终给到了正确的答案。
接下来，二人把网直接断掉，在本地搞了一个射击类的小游戏：
同样是在断网的情况下，他俩又经过一番操作，将游戏中的图标变成了草莓的样式：
整体来看，实测的体感还是比较丝滑的，并且生成速度达到了40-50 tokens/s。
完整体验视频如下：
视频地址：
再看性能
除了实测效果之外，OpenAI也一道发布了gpt-oss相关的技术博客。
整体来看，这两个模型在工具使用、少样本函数调用、链式思考推理（如Tau-Bench智能评估套件的结果所示）以及HealthBench上表现强劲，甚至超越了包括OpenAI o1和GPT‑4o在内的专有模型。
预训练与模型架构
gpt-oss模型使用的OpenAI最先进的预训练和后训练技术进行训练，特别关注推理、效率和在广泛部署环境中的实际可用性。
虽然OpenAI已经公开了包括Whisper和CLIP在内的其他模型，但gpt-oss模型是自GPT‑2以来的第一个开放权重语言模型。
每个模型都是一个Transformer，利用专家混合（MoE）来减少处理输入所需的活跃参数数量。
gpt-oss-120b每个token激活5.1B个参数，而gpt-oss-20b激活3.6B个参数。这些模型分别具有117b和21b的总参数。
这些模型使用类似GPT‑3的交替密集和局部带状稀疏注意力模式。
为了提高推理和内存效率，模型还使用分组多查询注意力，组大小为8。团队使用旋转位置嵌入（RoPE）进行位置编码，并原生支持最长128k的上下文长度。
团队在主要由英语文本组成的数据集上训练这些模型，重点关注STEM领域、编程和通用知识。
OpenAI使用一个超集（superset）分词器对数据进行分词，该分词器基于OpenAI o4-mini和GPT‑4o使用的分词器：o200k_harmony，今天也将开源这一分词器。
后训练阶段
这些模型采用与o4-mini相似的流程进行了后训练，包括有监督微调阶段和高算力的强化学习阶段。
OpenAI的目标是使模型符合OpenAI 模型规范的要求，并在生成答案之前学会使用链式思维（CoT）和工具调用。
在后训练过程中，团队采用了与OpenAI最先进专有推理模型相同的技术，使这些模型展现出了卓越的能力。
与API中OpenAI o系列推理模型类似，这两个开源权重模型支持三种推理强度——低、中、高——在延迟与性能之间实现权衡。
开发者可以通过系统提示语中的一句话，轻松设定所需的推理强度。
评估结果
团队对gpt-oss-120b和gpt-oss-20b进行了标准学术基准测试评估，衡量它们在编程、竞赛数学、健康问答和Agent工具使用等方面的能力，并与OpenAI的其他推理模型（包括 o3、o3-mini 和 o4-mini）进行了对比。
在竞赛编程（Codeforces）、通用问题解决（MMLU和HLE）以及工具调用（TauBench）方面，gpt-oss-120b的表现优于OpenAI的o3-mini，并达到或超过了o4-mini的水平。
在健康相关问答（HealthBench）和竞赛数学（AIME 2024 与 2025）上，gpt-oss-120b的表现甚至超越了o4-mini。
尽管体积较小，gpt-oss-20b在同样的评估中也达到了或超过了OpenAI o3-mini的水平，尤其在竞赛数学和健康问答方面表现更加出色。
思维链
OpenAI最近的研究表明，在模型的链式思维（CoT）未经过直接监督对齐训练的前提下，监测其推理过程的CoT有助于识别不当行为。
遵循自发布OpenAI o1-preview以来的一贯原则，团队在gpt-oss模型上并未对CoT进行任何形式的直接监督。
OpenAI认为，这一点对于监测模型的不当行为、欺骗行为及滥用情况至关重要。
团队希望，通过发布一个未经过监督对齐的开源模型，能够为开发者和研究人员提供机会，自主研究并实现各自的 CoT 监测机制。
开发者不应在其应用中将模型的链式思维内容直接展示给用户。
因为这些内容可能包含虚构或有害信息，其中的语言可能不符合OpenAI的安全标准，甚至可能泄露模型被明确指示不得在最终输出中包含的信息。
OpenAI为什么要开源？
在技术博客的最后，OpenAI也对今天开源的动作，做出了解释。
在OpenAI看来，gpt-oss-120b和gpt-oss-20b的发布，是开源权重模型向前迈出的重要一步。
以其体量，这两款模型在推理能力和安全性方面都实现了实质性提升。
开源模型是对OpenAI托管模型的重要补充，为开发者提供了更丰富的工具选项，加速前沿研究，推动创新，并支持更安全、透明的AI开发，适用于更广泛的使用场景。
这些开源模型还降低了新兴市场、资源受限行业以及中小型组织进入AI的门槛——这些组织可能缺乏采用专有模型所需的预算或灵活性。
如今，全球更多人可以借助这些强大、易获取的工具进行建设、创新，并为自己和他人创造新的机会。开放获取这些在美国开发的高能力模型，有助于推动AI发展走向更加民主化。
一个健康的开源模型生态，是实现AI普及并惠及全人类的重要维度之一。
One More Thing：
虽然但是……网友们最最最最关心的似乎还是——
GPT-5呢？？？？
还没有评论，来说两句吧...