编者按：本文来自微信公众号 腾讯科技（ID：qqtech），作者：无忌，编辑：郑可君，创业邦经授权转载。

2025年8月6日凌晨（美东时间8月5日），OpenAI又一次搅动AI行业：再次回归开源，并发布两款全新的大语言模型：gpt-oss-120b和gpt-oss-20b。

这两款模型完全免费，允许企业和独立开发者下载代码并根据需求修改，且可本地运行以确保最大隐私，此外，还可以在高端笔记本和手机上运行。

这是自2019年GPT-2开源后，该公司时隔六年重返开放生态。值得注意的是，这两款模型属于开放权重（open-weight）大语言模型，不提供训练数据和完整训练代码，但权重可以公开获取、可以下载、自主部署，授权方式为Apache2.0。

模型规格与性能亮点：分别适用两个不同场景

gpt-oss-120b：这款模型拥有1170亿总参数，每token激活51亿参数，适用于高推理能力的生产级和通用场景，可在单块80GB显存的Nvidia H100 GPU上高效运行。

gpt-oss-20b：总参数210亿，每token激活36亿参数，专为低延迟、本地化或专业场景设计，仅需 16GB 内存即可在边缘设备（如消费级笔记本电脑或台式机）上运行。

两款模型均为纯文本语言模型，在文本处理、代码生成、数学问题求解等领域表现强劲。

OpenAI同时还发布了34页技术报告。

根据技术报告显示，gpt-oss-120b在多项基准测试中媲美甚至超越其专有模型o4-mini，包括编程竞赛（Codeforces）、通用问题解决（MMLU和HLE）、工具调用（TauBench）、健康相关查询（HealthBench）以及数学竞赛（AIME 2024 & 2025）。

在部分测试中，其性能甚至优于旗舰模型GPT-4o。而较小的gpt-oss-20b则与o3-mini性能相当，在AIME和HealthBench等测试中表现更佳。

两款模型支持多语言处理，尤其在STEM、编程和通用知识领域表现出色。

OpenAI表示，通过本地化微调（如与瑞典政府合作的瑞典语优化版本），可进一步提升特定语言或区域的性能。此外，模型支持链式推理（CoT），同时兼容工具调用、少样本函数调用和结构化输出，特别适合复杂代理任务。

技术架构：混合专家（MoE）架构，部署成本低

gpt-oss模型采用混合专家（MoE）架构，基于Transformer框架，通过交替使用密集注意力和局部带状稀疏注意力机制，结合分组多查询注意力（组大小为8）和旋转位置编码（RoPE），实现高效推理和内存利用，支持高达128,000 token的上下文长度（约300-400页小说文本）。

模型使用开源的o200k_harmony分词器，为OpenAI o4-mini和GPT-4o分词器的超集，同步在GitHub发布。

开发者可通过低、中、高三种推理投入设置，根据延迟和性能需求灵活调整。模型未对CoT输出进行直接监督训练，以保留推理过程的透明性，便于调试和安全监控。

模型采用原生MXFP4量化技术，使gpt-oss-120b能在单张H100 GPU上运行，gpt-oss-20b仅需16GB内存即可部署，极大降低了硬件门槛。

宽松许可：可免费下载、微调，并支持本地运行

gpt-oss系列采用Apache 2.0许可，与中国开源模型（如DeepSeek、Qwen 3）一致，无copyleft限制或专利风险，相较于Meta Llama的复杂许可（月活跃用户超7亿需付费）更加企业友好。

任何消费者、开发者或企业可免费下载模型，进行参数级微调以适配特定用例，并用于商业服务或创收，无需向OpenAI支付费用。

更重要的是，模型支持本地运行，无需联网，数据无需上传至云端，满足金融、医疗、法律、军事及政府等高度监管行业的数据隐私需求。此前，ChatGPT或OpenAI API用户的数据需上传至云端，可能面临政府调取风险。而gpt-oss的本地运行能力为隐私敏感用户提供了强大解决方案。不过，若连接外部工具（如网络搜索），可能因第三方服务引入隐私风险。

为何重返开源：全球热潮已无法阻挡

OpenAI上一次发布完全开源模型是2019年的GPT-2，此后专注于付费专有模型，引发前联合创始人Elon Musk等批评，指责其背弃开源使命。

Altman在2025年2月Reddit AMA中表达遗憾，并承诺3月发布新开源模型，尽管计划从7月推迟至今日。

此次回归开源是对全球开源AI热潮的回应。2025年初以来，中国（DeepSeek R1、Qwen 3、Kimi K2、GLM-4.5）、欧洲（Mistral）和中东（Falcon 2/3）推出的开源模型性能逼近专有模型，且几乎无使用限制。Hugging Face数据显示，Qwen2.5-7B、DeepSeek-R1等模型下载量居前，反映开发者热情。

OpenAI的ChatGPT周活跃用户达7亿，年收入130亿美元，付费企业客户增至500万，每日消息量超30亿。

近期83亿美元融资，让它的估值已达3000亿美元。然而，开源模型的免费和高性能可能分流付费用户。竞争对手Anthropic年收入50亿美元，API收入（31亿美元）略高于OpenAI（29亿美元）。

开源模型的崛起让OpenAI面临核心问题：当免费模型性能接近专有模型，用户为何继续付费？

奥特曼曾表示，AI可能“廉价到无法计量”，这对AI行业高估值构成挑战。

OpenAI正通过提供企业定制服务（如派遣工程师协助部署和培训，类似Palantir的“前向部署”模式）探索新收入来源。

未来，AI使用可能向开源模型倾斜，而OpenAI需凭借便捷界面、多模态功能或更强大性能维持付费用户吸引力。

模型获取方式与安全措施

gpt-oss-120b和gpt-oss-20b现已在以下平台开放下载，包含完整模型权重：

Hugging Face：gpt-oss-120b（https://huggingface.co/openai/gpt-oss-120b）、gpt-oss-20b（https://huggingface.co/openai/gpt-oss-20b）

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

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

在线体验：https://gpt-oss.com/

模型支持Azure、AWS、Databricks、Cloudflare、Vercel、Together AI和OpenRouter等部署平台，NVIDIA、AMD、Cerebras提供硬件优化，Microsoft通过ONNX Runtime提供Windows GPU支持。OpenAI还推出50万美元的Kaggle红队挑战赛，鼓励研究人员探索模型潜在风险，并计划发布公开报告和开源评估数据集，以推动开源模型安全研究。早期采用者如AI Sweden、Orange和Snowflake已与OpenAI合作，探索本地化微调和安全部署用例。

安全评估方面，OpenAI采用其Preparedness Framework进行安全训练，预训练阶段过滤了涉及化学、生物、放射性和核威胁（CBRN）的数据，并通过审议对齐和指令层级等后训练方法限制有害输出。为测试最坏情况下的滥用风险，OpenAI对gpt-oss-120b进行了针对生物和网络安全数据的恶意微调，模拟现实攻击场景。结果显示，即便在启用工具功能且禁用拒绝响应机制的情况下，模型在生物风险和网络安全领域的表现仍低于“高危”阈值，结论经三家独立专家组验证。

OpenAI还与SecureBio合作，进行了生物学相关基准测试（如HPCT和MBCT），结果显示微调后的gpt-oss模型性能接近o3，但未达到高风险分类。这些评估支持了模型的公开释放，并旨在推动开源模型在复杂领域的安全研究。

本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。