奥特曼深夜官宣：OpenAI重回开源！两大推理模型追平o4-mini，号称世界最强

新智元报道

编辑：桃子 好困

【新智元导读】OpenAI深夜扔出开源核弹，gpt-oss 20B和120B两款模型同时上线。它们不仅性能比肩o3-mini和o4-mini，而且还能在消费级显卡甚至手机上轻松运行。GPT-2以来，奥特曼终于兑现了Open AI。

他来了！他来了！

就在今夜，奥特曼带着两款全新的开源模型走来了！

，它们分别是总参数1170亿，激活参数51亿的「gpt-oss-120b」和总参数210亿，激活参数36亿的「gpt-oss-20b」。

终于，OpenAI再次回归开源。

• gpt-oss-120b适用于需要高推理能力的生产级和通用型场景

在核心推理基准测试中，120B模型的表现与OpenAIo4-mini相当，并且能在单张80GB显存的GPU上高效运行（如H100）。

• gpt-oss-20b适用于低延迟、本地或专业化场景

在常用基准测试中，20B模型的表现与OpenAIo3-mini类似，并且能在仅有16GB显存的边缘设备上运行。

除此之外，两款模型在工具使用、少样本函数调用、CoT推理以及HealthBench评测中也表现强劲，甚至比OpenAI o1和GPT-4o等专有模型还要更强。

其他亮点如下：

• 宽松的Apache 2.0许可证：可自由用于构建，无copyleft限制或专利风险——是实验、定制和商业化部署的理想选择。

• 可配置的推理投入：可根据用户的具体用例和延迟需求，轻松调整推理投入（低、中、高）。

• 完整的思维链：可完整访问模型的推理过程，从而简化调试并提升输出结果的可信度。

• 支持微调：支持参数级微调，可根据您的特定用例对模型进行完全定制。

• 智能体能力：利用模型原生的函数调用、网页浏览、Python代码执行和结构化输出等能力。

• 原生MXFP4量化：在训练时，模型的混合专家（MoE）层便采用了原生的MXFP4精度，使得gpt-oss-120b在单张H100 GPU上即可运行，而gpt-oss-20b仅需16GB内存。

值得一提的是，OpenAI还特地准备了一个playground网站供大家在线体验。

体验地址：https://gpt-oss.com/

GitHub项目：https://github.com/openai/gpt-oss

Hugging Face（120B）：https://huggingface.co/openai/gpt-oss-120b

Hugging Face（20B）：https://huggingface.co/openai/gpt-oss-20b

GPT-2以来，首次开源

gpt-oss系模型，是OpenAI自GPT-2以来首次开源的语言模型。

今天，OpenAI同时放出了34页技术报告，模型采用了最先进的预训练和后训练技术。

模型卡：https://cdn.openai.com/pdf/419b6906-9da6-406c-a19d-1bb078ac7637/oai_gpt-oss_model_card.pdf

预训练与模型架构

相较于此前开源的Whisper和CLIP，gpt-oss模型在推理能力、效率以及在广泛部署环境中的实用性上更强。

每个模型都采用了Transformer架构，并融入MoE设计，减少处理输入时激活参数量。

如上所述，gpt-oss-120b总参数1170亿，每token激活51亿参数，gpt-oss-20b总参数210亿，每token激活36亿参数。

此外，模型还借鉴了GPT-3设计理念，采用了交替的密集注意力和局部带状稀疏注意力模式。

为了提升推理和内存效率，模型还采用了分组多查询注意力机制，组大小为8，以及旋转位置编码（RoPE），原生支持128k上下文。

gpt-oss模型的训练数据以「英语」为主，聚焦STEM、编程和通用知识领域。

OpenAI采用了o200k_harmony分词器对数据进行分词，它是OpenAI o4-mini和GPT-4o所用分词器的「超集」。

今天，这款分词器同步开源。

利好开发者的是，gpt-oss两款模型与Responses API⁠兼容，专为智能体工作流打造，在指令遵循、工具使用、推理上极其强大。

比如，它能自主为需要复杂推理，或是目标是极低延迟输出的任务调整推理投入。

同时完全可定制，并提供完整的思维链（CoT），以及支持结构化输出⁠。

据悉，gpt-oss模型整个预训练成本，低于50万美元。

后训练

在后训练阶段，gpt-oss模型的流程与o4-mini相似，包含了「监督微调」和「高算力强化学习」阶段。

训练过程中，团队以「OpenAI模型规范⁠」为目标对齐，并教导模型在生成答案前，使用CoT推理和工具。

通过采用与专有o系推理模型的相同技术，让gpt-oss在后训练中展现出卓越能力。

与API中的OpenAI o系列推理模型相似，这两款开源模型支持三种推理投入——低、中、高。

开发者只需在系统提示词中加入一句话，即可在延迟与性能间灵活切换。

OpenAI官方放出的一个demo中，惊艳展示了gpt-oss如何一步步使用工具，通过CoT推理构建一个视频游戏。

开源小模型，比肩旗舰o3/o4-mini

在多个基准测试中，gpt-oss-120b堪比旗舰级o系模型的性能。

具体来说，在编程竞赛（Codeforces）、通用问题解决（MMLU和HLE）以及工具调用（TauBench）方面，它直接超越了o3-mini，达到甚至超越了o4-mini的水平。

此外，在健康相关查询（HealthBench⁠）、数学竞赛（AIME 2024 & 2025）基准中，它的表现甚至优于o4-mini。

尽管gpt-oss-20b规模较小，但在相同的评估中，其表现与o3-mini持平或更优，甚至在AIME、健康领域基准上的表现超越了o3-mini。

在AIME数学测试中，gpt-oss-120b和gpt-oss-20b随着推理token的增加，准确率折线逐渐逼近。

在博士级知识问答基准中，gpt-oss-120b的性能始终领先于gpt-oss-20b。

此外，OpenAI近期研究表明，未经直接监督训练的CoT有助于发现模型潜在不当行为。

这一观点也得到了业内其他同行的认同。

同样，遵循o1-preview⁠的设计原则，研究团队并未对gpt-oss模型CoT直接监督，让模型更加透明。

OpenAI，Open AI了

gpt-oss-120b和gpt-oss-20b的开源，标志着OpenAI终于在开源模型上，迈出了重要一步。

在同等规模下，它们在推理性能上，可与o3-mini、o4-mini一较高下，甚至是领先。

OpenAI开源模型为所有开发者，提供了强大的工具，补充了托管模型的生态，加速前沿研究、促进创新。

更重要的是，模型开源降低了一些群体，比如新兴市场、缺少算力小企业的准入门槛。

一个健康的开放模型生态系统，是让AI普及并惠及所有人的一个重要方面。

对于这次的开源，奥特曼骄傲地表示：gpt-oss是OpenAI「数十亿美元」研究成果的结晶，是全世界最出色、最实用的开放模型！

还等什么？赶快下载下来享用吧！

参考资料：

https://openai.com/index/introducing-gpt-oss/