OpenAI深夜发布重磅消息，正式开源了两款高性能推理模型——gpt-oss-120b和gpt-oss-20b。这两款模型不仅能在笔记本和手机上流畅运行，性能表现更直逼闭源版本！本文将带你全面了解这两款开源模型的核心参数、实测表现、技术细节以及开源背后的战略考量。

一、核心参数与性能亮点

OpenAI此次开源的这两款模型命名非常直观——gpt-oss，即Open Source Series（开源系列）。它们的核心参数如下：

• gpt-oss-120b：总参数1170亿，采用MoE（混合专家）架构，激活参数约51亿，可在单张80GB GPU上运行，性能接近闭源版本的o4-mini。
• gpt-oss-20b：总参数210亿，同样采用MoE架构，激活参数约36亿，可在16GB内存的消费级设备上运行，性能接近o3-mini。

两款模型均采用Apache 2.0许可证，允许商用无需付费或额外授权，这对广大开发者而言无疑是一个重大利好。

从性能表现来看，gpt-oss系列已经跻身开源模型推理能力的第一梯队，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）。

二、实测展示：断网环境下也能流畅运行

模型发布一小时后，OpenAI官方随即放出了实测效果视频。由负责开发者体验的Dom和Zhaohan在一台120GB的Macbook Pro上进行了测试（借助Ollama运行120B模型，实际背后部署了2块H100）。

1. 工具调用能力测试

他们测试了gpt-oss在思维链中调用工具的能力，包括搜索和Python解释器。开启Browser Tool和Python Tool后，提问：

可以看到，本地的gpt-oss-120b稳定地输出了正确结果。

2. 复杂计算与Python工具调用

第二个测试中，他们让两个非常大的数字相乘。gpt-oss反复调用Python工具，虽然中间出现过错误，但最终给出了正确答案。

3. 断网环境下的游戏创作

接下来，二人直接断开网络，在本地创建了一个射击类小游戏，并成功将游戏中的图标改成了草莓样式。整个过程体验流畅，生成速度达到40-50 tokens/s。

完整实测视频如下：

三、预训练与模型架构

OpenAI同时发布了技术博客，详细介绍了这两款模型背后的技术细节。

预训练与后训练

gpt-oss模型采用了OpenAI最先进的预训练和后训练技术进行训练，特别关注推理能力、效率以及在广泛部署环境中的实际可用性。这是自GPT-2以来，OpenAI发布的第一个开放权重语言模型。

模型架构细节

• 每个模型均为Transformer架构，利用专家混合（MoE）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参数，gpt-oss-20b激活3.6B参数，总参数分别为117B和21B。
• 使用类似GPT-3的交替密集和局部带状稀疏注意力模式。
• 采用分组多查询注意力，组大小为8，以提升推理和内存效率。
• 使用旋转位置嵌入（RoPE）进行位置编码，原生支持最长128k的上下文长度。
• 训练数据主要由英语文本组成，重点关注STEM领域、编程和通用知识。
• 分词器基于o200k_harmony超集，今天也同步开源。

四、后训练与推理强度

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。目标是使模型符合OpenAI模型规范，并在生成答案之前学会使用链式思维（CoT）和工具调用。

与API中的o系列推理模型类似，这两个开源模型支持三种推理强度——低、中、高——在延迟与性能之间实现灵活权衡。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。

五、评估结果

团队对两个模型进行了标准学术基准测试评估，从编程、竞赛数学、健康问答和Agent工具使用等方面衡量其能力。结果如下：

• gpt-oss-120b：在竞赛编程（Codeforces）、通用问题解决（MMLU和HLE）以及工具调用（TauBench）方面，表现优于OpenAI的o3-mini，并达到或超过o4-mini的水平。在健康相关问答（HealthBench）和竞赛数学（AIME 2024与2025）上，甚至超越了o4-mini。
• gpt-oss-20b：尽管体积较小，在同样的评估中也达到或超过了OpenAI o3-mini的水平，尤其在竞赛数学和健康问答方面表现更加突出。

六、思维链（CoT）与安全性

OpenAI最近的研究表明，监测模型推理过程的链式思维有助于识别不当行为。因此，gpt-oss模型上并未对CoT进行任何形式的直接监督，这为开发者和研究人员提供了自主研究和实现各自CoT监测机制的机会。

重要提醒：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，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。

七、OpenAI为什么要开源？

在技术博客的最后，OpenAI解释了此次开源的意义：

• gpt-oss系列是开源权重模型向前迈出的重要一步，以其体量实现了推理能力和安全性的实质性提升。
• 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。
• 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。
• 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。

八、小贴士与常见问题

小提示：

• 在本地部署gpt-oss-20b时，建议使用至少16GB显存的消费级GPU（如RTX 4090）或16GB内存的Mac电脑。
• 如果希望获得最佳推理性能，可尝试使用Ollama、llama.cpp等工具进行量化部署。
• 思考一下：对于需要高精度的数学或代码任务，建议启用高推理强度；对于普通问答，中低强度即可。

常见问题1：gpt-oss模型能运行在手机上吗？

可以。gpt-oss-20b仅有210亿总参数（激活参数约36亿），经过适当的量化（如4-bit）后，可以在最新旗舰手机（如iPhone 15 Pro、Samsung S24 Ultra）的本地运行，但速度可能受限于硬件算力。建议使用专门的推理框架（如MLC-LLM）进行优化。

常见问题2：Apache 2.0许可证具体允许我做什么？

Apache 2.0允许你自由使用、修改、分发该模型，甚至用于商业项目，无需支付任何费用或获得特殊授权。但需注意保留原作者的版权声明，并在修改后的作品中注明改动。

常见问题3：gpt-oss-120b需要什么样的硬件？

gpt-oss-120b总参数1170亿，激活参数约51亿。在8-bit量化下推理需要约60GB显存，建议使用单张80GB GPU（如NVIDIA H100、A100 80GB、AMD MI250等）。如果使用4-bit量化，则可在约30GB显存下运行，但精度会有所下降。

常见问题4：为什么模型没有进行CoT监督对齐？

OpenAI认为，不对CoT进行直接监督可以保留模型推理过程的原始状态，从而让开发者自行监测模型的不当行为、欺骗行为及滥用情况。这有助于构建更安全、更透明的AI系统，但也意味着开发者需要对输出的CoT内容负责审查。