REST API命名規范的終極指南：清晰度和一致性的最佳實踐
你可能也喜歡這些API文章!
| 時間節點 | 事件 | 開源程度 |
|---|---|---|
| 2019-02 | 發布 GPT-2（7.74 億參數）“部分開源” | ?? |
| 2019-11 | 完整開源 GPT-2（15 億參數） | ?? |
| 2020-2024 | GPT-3/3.5/4 系列封閉 | ?? |
| 2025-08 | GPT-OSS 120B/20B 開源 | ? Apache 2.0 |
在 GPT-2 部分開源后，OpenAI 遇到了一些挑戰，尤其是在安全、商業化和可控性方面。隨著 GPT-3 和 GPT-4 系列的發布，OpenAI 選擇了封閉的開發模式。然而，隨著開源理念的深入與技術的發展，OpenAI 終于決定重返開源。Sam Altman 在公開聲明中提到：“我們希望將 GPT 級別的能力交到每個人手中，而不僅僅是云端租戶。”
| 維度 | GPT-OSS 120B | GPT-OSS 20B |
|---|---|---|
| 總參數 | 1170 億 | 209 億 |
| 激活/Token | 51 億 | 36 億 |
| 架構 | MoE 128 專家 Top-4 | MoE 32 專家 Top-4 |
| 量化 | 原生 MXFP4 | 原生 MXFP4 |
| 上下文長度 | 128 K | 128 K |
| 最低顯存 | 單張 80 GB H100 | 16 GB 消費級 GPU |
| 評測對齊 | ≈ o4-mini | ≈ o3-mini |
與傳統的“后量化”方法不同，GPT-OSS 在訓練階段就使用了 4.25 bit/參數的精度，避免了訓練后量化可能帶來的性能下降。
系統提示 cot_level={low|medium|high} 實時切換，完整推理鏈可見，便于調試。
| Benchmark | GPT-OSS 120B | GPT-OSS 20B | o4-mini (閉源) |
|---|---|---|---|
| MMLU | 86.4 | 82.1 | 87.9 |
| MATH | 74.8 | 68.3 | 76.2 |
| HumanEval | 81.7 % | 76.4 % | 83.0 % |
| SWE-Bench Verified | 62.4 % | — | 64.1 % |
pip install transformers accelerate torchfrom transformers import AutoTokenizer, AutoModelForCausalLM
tok = AutoTokenizer.from_pretrained("openai/gpt-oss-20b")
model = AutoModelForCausalLM.from_pretrained(
"openai/gpt-oss-20b",
torch_dtype="auto",
device_map="auto")| 問題 | 官方回答 |
|---|---|
| 是否可以商用？ | Apache 2.0，零版稅、無專利限制 |
| 數據截止時間？ | 2024-06 |
| 幻覺率如何？ | CoT 模式下略高，建議生產環境結合 RAG |
| 安全性如何保證？ | 官方已內置對齊與過濾機制 |
gpt-oss-20b OpenAI 通過 GPT-OSS 把“夠用”的性能以最低門檻交給開發者，把“最強”的性能留在云端。
“如果 AI 要成為基礎設施，它必須能在你的筆記本上運行。”——Sam Altman
現在就下載權重，開始你的本地超級大腦之旅吧！
