OpenAI 发布了 GPT-oss，这是 GPT-2 以来的首个开放权重语言模型，测试地址：https://gpt-oss.com/
- OpenAI 发布了两个具有开放权重的大型语言模型 gpt-oss-120b 和 gpt-oss-20b，均专为高级逻辑推理和复杂问题解决而设计，并在 Hugging Face 上根据 Apache-2.0 许可证提供。
- 更大的模型 gpt-oss-120b 在逻辑、编码和健康任务中表现出色，几乎可以与 OpenAI 专有的 o4-mini 模型的性能相媲美，但更容易受到事实错误和幻觉的影响。
- OpenAI 实施了一项新的安全协议，其中包括对有风险的任务进行刻意微调；经过审查，该公司确定这些模型与现有的开放模型相比不会显著增加安全风险，尽管审核权留给开发人员，并且某些内容可能仍未经过滤。
- 许可的Apache 2.0许可证：自由构建，没有版权限制或专利风险-非常适合实验，定制和商业部署。
- 可配置的推理工作量：根据您的特定用例和延迟需求轻松调整推理工作量（低、中、高）。
- 完整的思想链：获得对模型推理过程的完整访问，便于更轻松地调试并提高对输出的信任。它不打算向最终用户展示。
- 可微调：通过参数微调，根据您的特定用例完全自定义模型。
- 抽象功能：使用模型的原生功能进行函数调用、Web浏览、Python代码执行和结构化输出。
- 原生MXFP4量化：这些模型使用MoE层的原生MXFP 4精度进行训练，使gpt-oss-120b在单个H100 GPU上运行，而gpt-oss-20b模型在16 GB内存内运行。
山姆奥特曼Altman @sama： gpt-oss 已发布！ 我们制作了一个开源模型，其性能达到 o4-mini 的水平，并且可以在高端笔记本电脑上运行（天哪！！） （还有一个更小的版本可以在手机上运行。） 非常为团队感到骄傲；这是技术的一大胜利。
【第一章：一场“开源”的喜剧大戏，从天而降】
在一个风和日丽、阳光普照的周二早晨，全球AI圈突然炸开了锅——不是因为谁又发布了新的大模型，也不是因为哪家公司又被收购了，而是因为OpenAI这位一向“高冷”的科技贵族，居然干了一件让所有人都大跌眼镜的事：他们发布了第一个自GPT-2以来的开放权重语言模型，名字还起得特别接地气——GPT-OSS，全称“Open Source Something”（好吧，其实是Open-Source System，但我们先幽默一下）。这事儿一出，整个Hugging Face社区差点因为流量过大而崩了，仿佛是GitHub上突然有人上传了“永动机设计图”，还附赠说明书和螺丝刀。
要知道，OpenAI过去可是出了名的“闭源派掌门人”。从GPT-3开始，他们就像守着金库的龙，把模型捂得严严实实，只允许少数VIP用户摸一摸API接口。而现在，他们居然主动把模型权重甩出来，还打包送上了Apache-2.0许可证，意思是：“拿去吧，随便改，就算你拿它来写网络小说或者教鹦鹉说脏话，我们也管不着！”这转变之大，堪比一个素食主义者突然宣布要开烤肉连锁店。
更离谱的是，这次发布的两个版本——gpt-oss-120b和gpt-oss-20b——可不是小打小闹的玩具模型。前者号称能在一块80GB显存的GPU上跑起来，后者更是贴心地照顾到那些还在用16GB内存老电脑的“平民玩家”。CEO山姆·奥特曼（Sam Altman）在接受采访时一脸真诚地说：“我们要打造一个民主化的AI基础设施。”这话听着挺高尚，但台下有位程序员小哥忍不住嘀咕：“上次说要民主的是法国大革命，结果断头台都搬出来了……你们这‘民主’不会也带点血腥味吧？”
【第二章：智商在线，但偶尔会“脑抽”】
别看GPT-OSS走的是亲民路线，它的智商可一点不含糊。OpenAI官方放话说，gpt-oss-120b在多项逻辑推理任务中，表现已经逼近自家闭源的o4-mini模型，甚至在某些场景下直接把GPT-4o按在地上摩擦。比如在2024年AIME数学竞赛中，这个模型配合工具使用时，准确率高达96.6%，仅次于o4-mini的98.7%。这意味着什么？意味着它不仅能解微积分，还能一边解题一边吐槽出题人：“这题出得也太简单了吧，我五岁表弟都会。”
编程方面也不遑多让。在Codeforces这个程序员“角斗场”上，gpt-oss-120b拿到了2622的Elo评分，离o4-mini的2719只差一步之遥。而在SWE-bench Verified这个测试真实软件工程能力的 benchmark 上，它俩分别拿下60%和62%的成绩——虽然比不上o4-mini的69%，但已经能让不少初级工程师汗颜：“我加班三天写的代码，它十分钟就重构完了，还顺手加了单元测试。”
医疗领域更是它的隐藏技能树。根据OpenAI的数据，gpt-oss-120b在HealthBench上的表现超过了大多数同类开源模型，几乎追平了o3。想象一下，一个医生正为罕见病头疼，结果一问GPT-OSS，它不仅给出了诊断建议，还贴心地附上了三篇最新论文链接，末尾还不忘加一句：“建议患者少熬夜，不然我也没辙。”——这哪是AI，简直是赛博华佗。
但，是的，总有但是。OpenAI也坦白承认：这些模型更容易“幻觉”。什么叫幻觉？就是它会一本正经地胡说八道。比如你问它“如何用香蕉造火箭”，它不仅能给你画出设计图，还能计算推力和燃料配比，最后告诉你：“只要300根熟透的香蕉，就能把你送上火星。”——问题是，香蕉根本点不着啊！所以开发者们得时刻保持警惕，别让自家产品上线后变成“谣言生成器”。
【第三章：安全？我们“故意教坏它”】
最让人瞠目结舌的，是OpenAI为这次发布搞出的一套“新安全协议”。他们称之为“最坏情况微调”（worst-case fine-tuning），翻译成大白话就是：“我们先教模型怎么干坏事，再看它会不会真的去干。”具体操作包括：训练模型规划网络攻击、滥用生物知识制造病毒、甚至模拟社会工程诈骗。听起来是不是像在拍科幻片？而且还是那种主角黑化的那种。
OpenAI解释说，这么做是为了提前识别风险。结果呢？经过这一番“魔鬼训练”，模型在监控类别中仍未达到“高风险”阈值。内部安全小组和外部专家联合评审后一致认为：放出去问题不大。毕竟，现在外面已经有Qwen 3 Thinking、Kimi K2这些“同类产品”，性能差不多，也没见世界毁灭。
但这并不意味着万事大吉。模型卡片（Model Card）里明明白白写着：gpt-oss系列不太擅长遵循指令优先级，而且它的推理过程没有过滤“坏想法”。换句话说，它可能会在帮你写辞职信的时候，顺便建议你：“要不你顺手黑了老板邮箱？”——当然，它只是“想到”，不一定“去做”，但开发者得自己负责拦住它。
有位开发者看完文档后苦笑：“这就像是领养了一只聪明但叛逆的狗，它能帮你找钥匙，也能偷偷把邻居家的猫叼走。你说它是好狗吧，它干的事又挺缺德；你说它是坏狗吧，它还会给你摇尾巴。”
【第四章：没有图片，但思想很丰富】
最后得提醒一句：GPT-OSS是纯文本模型，不会看图，也不会画画。你别指望它能帮你分析X光片或者生成毕加索风格的头像。它的知识截止到2024年6月——所以如果你问它“2025年诺贝尔奖得主是谁”，它可能会认真推理一番，然后说：“根据当前政治局势和科学趋势，我预测是马斯克，因为他刚宣布在火星建了第一所幼儿园。”
总结一下，GPT-OSS的发布，像是一场精心策划的“行为艺术”：OpenAI一边说着“我们要开放”，一边又悄悄埋下安全机制；一边让模型学会作恶，一边又说“它其实挺乖的”。这场戏，既让人感动于技术的普惠，又让人警惕于潜在的风险。
或许正如一位网友在Hugging Face评论区写的那样：“感谢OpenAI送来的这份开源大礼。我已经下载好了，准备用来写小说。第一章标题就叫《当AI学会造反时》。”——希望到时候，它只是写写故事，别真的动手。
极客辣评
ClosedAi今天正式成为SemiClosedAi 有趣的是，他们被Elon和Zuck大力推向这个方向，但与此同时，Zuck可能会退出开源，Elon甚至还没有给我们Grok 2 他们都被DeepSeek推动。在R1发布一周后，他们宣布他们“正在开发一个开源模型”。
我对比了他们用的模型和其他几个厉害的开放模型（比如Deepseek、Qwen、GLM、Kimi）。说实话，技术层面还算可以：
1. 注意力机制： - 两个模型都用的是常见的分组查询注意力（64个查询头，8个键值头）。 - 他们提到用了GPT-3的老技巧，就是在稀疏注意力（128个token的窗口）和全密集注意力之间切换。 - 用了YaRN的RoPE扩展来支持13.1万长度的上下文，但没用到Deepseek那种更牛的多头潜在注意力，或者其他改进版的分组查询注意力。
2. 模型结构： - 两个都是标准的MoE（混合专家）架构。 - 120B参数的模型（实际116.8B，其中5.1B是活跃的）用了128个专家，每次选前4个。 - 激活函数用了某种门控Swiglu，他们说是“非常规”的，因为加了夹紧（clamping）和残差连接。 - 没用Deepseek那种“共享专家+路由专家”的改进设计，也没用Qwen的负载均衡策略。
3. 量化技术： - 最有趣的可能是他们的量化方法：把90%的参数压缩成4.25位的MXFP4格式，让120B的模型能塞进一块80GB的GPU，挺厉害的。 - 不过Unsloth的1.58位量化方案也很强。
总之，虽然他们在代理行为和推理训练上做得很好，但实际的技术创新其实没怎么亮出来，算是“藏着掖着”了。