OpenAI再次“Open”，开源模型GPT-oss有什么可以学？



界面新闻记者 | 伍洋宇

界面新闻编辑 | 文姝琪



过去几个月，OpenAI没有出现过什么激动人心的好新闻：新模型不再惊艳、重要人才流失，就连斥巨资想要收购的明星创业公司Windsurf，也被谷歌截了胡。

但这些问题还是要回到根本层面来解决，比如说再次发布一个足以受到普遍认可的新模型——这就是GPT-oss在这个节点出现的意义之一。

8月6日凌晨，OpenAI宣布推出开源推理模型Gpt-oss，包含Gpt-oss-120B（激活参数5.1B）和Gpt-oss-20B（激活参数3.6B）两个参数大小，支持上下文128K。值得注意的是，这是OpenAI时隔六年再次开放权重。

从性能表现上来说，Gpt-oss-120B模型在核心推理基准测试中与OpenAI o4-mini几乎持平，Gpt-oss-20B则与OpenAI o3-mini取得类似结果。

就国产模型而言，综合公开数据，两款模型对比DeepSeek-R1、通义千问（Qwen3-235B-A22B）、智谱GLM4.5-Air、月之暗面Kimi K2等，除了个别维度，在AIME24/25、GPQA、MMLU等常规基准测试上普遍表现更好。

不仅如此，Gpt-oss-120B据称能够在单个80GB GPU上运行，Gpt-oss-20B可在仅配备16GB内存的设备上运行，这意味着两款模型或将迅速占领端侧设备本地推理的需求市场。

OpenAI还开门见山说明了两款模型均采用Apache 2.0许可证，也就是既可商用也可改造，基本没有使用限制。

开源决策与性能表现之外，本地部署的高效是Gpt-oss此次赢得业界认可的主要原因。

OpenAI提到，两款模型的权重均可在Hugging Face上免费下载，且在后期训练阶段已原生量化为MXFP4格式——Mixed Format 4-bit Precision，是一种专为大模型推理打造的混合精度量化格式，目的在于保留关键信息的同时，把参数用更聪明的方式压缩成低精度。

对比更为常见的FP16、FP8等，MXFP4能够在接近8-bit量化效果的同时，保留4-bit低精度量化速度快、内存小的特性，综合达成更好的模型性能表现。也就是说，它将一个“满血版”推理模型的本地部署门槛又大幅降低了。

一名AI领域实验室研究人员对界面新闻记者表示，他在本地部署了20B版本的Gpt-oss后，直接替换了同样本地部署的Gemma 3（12B），理由就是前者“快很多”，基本可以每秒输出45个token左右，而Gemma 3的速度在每秒30个token左右。并且在一些基础的思考题上，OpenAI可以给出更标准的答案。

他没有给予Gpt-oss过高的评价，因为现阶段的大模型彼此之间的性能差异已经很小，“谁免费，谁快，我就用谁。”

不过，凭借Gpt-oss这款模型，OpenAI可能还是把DeepSeek-R1出现之后，它在开源世界缺乏的声量弥补了一些回来，也顺带轻轻回击了“CloseAI”这个持续已久的昵称。

复旦大学计算机科学技术学院教授张奇对界面新闻记者表示，根据其内部评测，他认为Gpt-oss在效果层面领先目前的DeepSeek和Qwen，这体现的还是OpenAI对模型的理论理解能力以及工程实现能力。

他同时指出，这也说明了一个问题，即OpenAI还是没有从模型架构上实现巨大突破，而按照现有架构去实现AGI几乎没有可能性。

大模型成为全球科技领域焦点以来，中美之间的闭源模型竞争一直是更核心的话题，直到DeepSeek将开源模型的地位推至新高。而OpenAI在Gpt-oss上的补课，明显对既有局面有所扭转。眼下，国产开源模型可能有新的内功可供学习打磨了。