时隔六年，OpenAI再次发布开源模型gpt-oss-120b，全网狂欢

最新推荐文章于 2025-10-10 04:30:07 发布
原创 最新推荐文章于 2025-10-10 04:30:07 发布 · 1.1k 阅读 · 23 ·
CC 4.0 BY-SA版权
本文为博主原创文章，未经博主允许不得转载。
文章标签：

#gpt #ai #人工智能 #openai #chatgpt #deepseek #gemini

在这里插入图片描述

目录

一、gpt-oss开源模型

奥特曼发布了两款开源模型gpt-oss-120b 和 gpt-oss-20b。

oss是 Open Source(开源) 的缩写。这意味着OpenAI打算把这款引擎的“设计图纸”和“核心零件”公之于众！

就像可口可乐公开了他们的配方，任何人都可以根据这个配方去尝试制作自己的可乐，甚至进行改良，开发出“樱桃味”或者“香草味”的可乐。

谁给你的勇气？难产的GPT-5，还是贵如黄金的Claude Opus 4.1？

120b，这两个数字和字母代表了模型的“尺寸”和“马力”。

这里的“b”是“Billion”（十亿），指的是模型的参数数量。数量越多，通常意味着模型更聪明、知识更渊博、能力更强。

gpt-oss-120b (1200亿参数模型)的性能非常接近甚至可能媲美当前顶尖的闭源大模型，能处理非常复杂的推理、创作和对话任务。

gpt-oss-20b (200亿参数模型)，虽然参数量小一些，但200亿参数的规模已经远超很多市面上的开源模型，对于绝大多数任务来说都绰绰有余。

在这里插入图片描述

二、开源模型的里程碑突破

OpenAI 的开源模型 GPT-OSS-120b 正在打破付费与开源的性能鸿沟。

💪 全方位接近顶级水平

  • Codeforces 编程：2622 分，表现超越所有其他开源模型
  • MMLU 学术测试：90% 准确率，仅比 o3 低 3.4%
  • HLE人类终极考试：19% 的准确率，甚至超过了 OpenAI 自家的顶级付费模型o4-mini（17.7%）
  • AIME 数学竞赛：97.9% 准确率，与 o3 仅差 0.8%

三、主要更新和特点

1、全新架构

两个模型均采用 Transformer 架构，结合混合专家（Mixture-of-Experts, MoE）设计，通过仅激活部分参数来提高效率。以下是具体参数对比：

模型总参数量每次激活参数内存需求上下文窗口基准测试对比
gpt-oss-120b1170 亿51 亿80GB128,000 令牌接近 o4-mini，19% 在 Humanity’s Last Exam
gpt-oss-20b210 亿36 亿16GB 或更多128,000 令牌类似 o3-mini，数学和编码任务表现突出

gpt-oss-120b：设计用于生产环境和高推理需求任务，如复杂数学问题、编码和 STEM 领域知识。它在核心推理基准测试中接近 OpenAI 的 o4-mini 模型表现，特别是在 Codeforces、MMLU、HLE 和 TauBench 上表现优于 o3-mini，并在 HealthBench、AIME 2024 和 2025 上超过 o4-mini。需要 80GB 内存，适合在单高性能 GPU（如 H100）上运行。

gpt-oss-20b：针对低延迟和本地化或专业化用例设计，可在边缘设备上运行，仅需 16GB 内存，适合消费级硬件如笔记本电脑或手机。其性能与 o3-mini 相当，尤其在数学和编码任务上表现突出，适合快速迭代和本地推理。

2、架构创新

  1. 内置链式思考（CoT）能力，提供完整的推理过程，便于调试和增强用户对输出的信任。
  2. 工具使用能力，包括函数调用、网页搜索、Python 代码执行等代理功能，增强了自动化和集成能力。
  3. 媲美付费模型的上下文长度，128,000 令牌的上下文长度支持处理超长输入或对话，显著优于许多现有模型。
  4. 采用 Apache 2.0 许可证，完全开源，可商用

3、兼容性

完全兼容OpenAI的API接口，所以如果你之前用过他们的闭源模型，切换起来很顺手。它们是纯文本模型，不处理图像或声音，但速度快、延迟低，适合实时应用。

在这里插入图片描述

四、gpt-oss-120b大战Qwen3 Thinking

GPT-OSS作为OpenAI刚开源的模型，最大亮点就是推理能力强。它能像人类一样"展示思考过程"，不只给答案，还会解释怎么得出的。

Twitter知名博主Akshay Pachaar第一时间做了一个测试，对比了GPT-OSS和目前开源社区中表现优秀的推理模型Qwen3 Thinking。

通过这种对比测试，开发者可以了解GPT-OSS在复杂逻辑推理任务上的实际表现，判断是否适合自己的应用场景。

GPT-OSS对比Qwen3 Thinking

国内直接使用gpt-oss-120b

谷歌浏览器访问：www.nezhasoft.cloud

私信哪吒，备注体验ai，领取体验码。

还包含了ChatGPT4o、o4-mini-high、o3、GPT4.5、GPT4.1、Claude Sonnet 4、Gemini 2.5 Pro、Grok4、DeepSeek R1 0528等模型。

GPT-5也会第一时间同步更新。

在这里插入图片描述

五、gpt-oss-120b性能实测

1、写作

全国二卷作文题目：“梦的赠予”

材料内容： “昨夜闲潭梦落花”“我欲因之梦吴越”“铁马冰河入梦来”……梦往往以一种独特的方式呈现我们的感受和期冀，为我们打开更浩瀚的天空。我们也常常向别人讲述自己的梦，用文字记录自己的梦，以行动实现自己的梦。

如果有一天，我们能够将梦赠予他人……

写作要求： 以上材料引发了你怎样的联想和思考？请写一篇文章。要求选准角度，确定立意，明确文体，自拟标题；不要套作，不得抄袭；不得泄露个人信息；不少于800字。

在这里插入图片描述

2、读取文件

读取文件内容，总结一份学术论文大纲，通俗易懂，2000字，中文
在这里插入图片描述

3、编码

用户在秒杀页面疯狂点击“立即购买”，系统必须高效且线程安全地减少商品库存，防止超卖。如何在高并发场景下安全扣减库存？

在这里插入图片描述

大模型——部署体验gpt-oss-20b
08-08 4266
摘要：OpenAI开源了gpt-oss-20b和120b模型，采用Apache 2.0协议。本文详细介绍了在飞桨AI Studio上部署gpt-oss-20b的完整流程：从创建项目、安装Ollama、下载模型到GPU环境切换和启动运行。该模型性能对标GPT-3.5，可运行在16GB显存的设备上，利用飞桨每日免费的V100 GPU资源（4小时/天）即可体验。最后展示了模型测试效果，并建议进一步探索内网穿透连接智能体平台等应用场景。
如何在你的计算机上运行OpenAI新的gpt-oss-20b LLM？
jike007gt的博客
08-13 1175
你只需要24GB 的内存，除非你的GPU自带VRAM，否则需要相当的耐心。上周，OpenAI发布了两款流行的开放权重模型，均名为gpt-oss。由于你可以下载它们，因此可以在本地运行。轻量版模型gpt-oss-20b有210亿个参数，需要大约16GB的可用内存。较大版模型 gpt-oss-120b有1170亿个参数，需要80GB的内存才能运行。相比之下，像DeepSeek R1这样的前沿模型拥有6710亿个参数，需要大约875GB的内存才能运行，因此LLM开发者及合作伙伴正在尽快构建大型数据中心。
OpenAI最新开源：GPT-OSS原理与实践
kakaZhui的博客
08-06 1258
GPT-OSS是 OpenAI 推出的开源 GPT 服务框架，旨在帮助开发者和企业快速搭建本地化、可扩展的 GPT 服务。GPT-OSS 支持主流开源大模型（如 Llama、Qwen、Mistral、Gemma 等），兼容 OpenAI API 标准，具备高性能推理、插件扩展、模型管理、权限控制等能力，适用于智能问答、内容生成、RAG、Agent、企业知识库等多种场景。支持多种开源大模型，易于切换和管理兼容 OpenAI API，方便迁移和集成高性能推理，支持多 GPU、分布式部署。
重磅开源！实测OpenAI gpt-oss-120b，低配硬件畅享顶级AI性能（附体验地址）
weixin_47221050的博客
08-07 865
OpenAI震撼发布两款开源大模型gpt-oss-120b和gpt-oss-20b，彻底降低AI应用门槛。120b版本性能对标GPT-4omini，20b版本仅需16GB内存即可在消费级设备运行，完全免费商用。技术突破在于惊人的运行效率，使大模型首次能在普通硬件上流畅使用。国内平台已提供在线体验通道，开发者可快速测试模型性能。这次开源将彻底改变只有大企业才能玩转AI的局面，为个人开发者和中小企业带来革命性机遇。
OpenAI六年首秀开源大模型：GPT-OSS-120B单卡H100可跑，性能接近o4-mini
最新发布
gitblog_00588的博客
10-10 314
OpenAI打破"闭源"标签，发布六年首个开源大模型GPT-OSS系列，1170亿参数的GPT-OSS-120B凭借MXFP4量化技术实现单卡部署，性能对标商业模型o4-mini，Apache 2.0许可证彻底开放商用权限。 ## 行业现状：大模型的"内存墙"困境 当前千亿级大模型普遍面临"内存墙"难题——1200亿参数模型在FP16精度下需240GB内存，传统方案需4张A100 GPU才能运行...
OpenAI重磅开源gpt-oss系列模型！本地部署+客观深度测评！开源模型中的王者gpt-oss-120B和gpt-oss-20B！从幻觉测试到代码生成，从逻辑推理到文档分析，全面碾压现有开源模
m0_71165399的博客
08-06 2188
简单来说，GPT-OSS就是OpenAI推出的开放权重语言模型，专门为推理任务、智能体应用和各种开发场景设计。这两个模型有什么区别呢？🔥 GPT-OSS-120B（大模型）参数量：1170亿（激活参数51亿）适合：数据中心、高端台式机和笔记本需要：至少60GB显存或统一内存性能：接近OpenAI的o4-mini水平⚡ GPT-OSS-20B（小模型）参数量：210亿（激活参数36亿）适合：大多数台式机和笔记本需要：仅16GB内存即可运行。
一手实测OpenAI新开源的GPT OSS，o1和GPT-4o都要过气了。
强化学习曾小健
08-06 1002
我们等这一天都等太久了，蹲草莓、蹲Orin、蹲发布会OpenAI终于当了一回字面意义上的OpenAI了。这周大概率还会有GPT5，这款从24年期待到25年，一度被称为AGI起点的模型真的，我现在已经睡不着了，也顾不上时差不时差的了，我要一口气测24小时！别鸽我了，我不差Token，真的。@ 作者 / 卡尔。
时隔六年！OpenAI 首发 GPT-OSS 120B / 20B 开源模型：性能、安全与授权细节全解
weixin_49470217的博客
08-06 1269
GPT-OSS 的开放让“可重训练、可私有化”的高性能语言模型正式进入主流视野。无论你是打算在消费级设备上跑 20B，还是需要大型生产环境的 120B，趁着Apache2.0 的宽松条款与成熟的云端生态，把握窗口期，才是抓住下一轮AI创新的关键。如果想省去运维、聚焦业务逻辑，像胜算云这类聚合平台也为“开权重”时代提供了更轻盈的落地选项。
Ollama如何分别使用2张H100GPU和4张A100部署GPT-OSS-120B全指南：硬件配置与负载均衡实战
Ven%的博客
08-14 1649
在大模型推理场景中，如何高效利用多GPU资源运行超大规模模型（如GPT-OSS-120B）是开发者面临的核心挑战。本文以Ollama为框架，深入解析多GPU部署的完整方案，涵盖。通过本文方案，开发者现在即可构建高性能GPT-OSS-120B推理平台，充分发挥多GPU硬件的计算潜力。若使用不同规格GPU（如A100 40G + A100 80G），系统将平等对待所有设备，可能导致小显存卡OOM。单台H100即可运行120B大模型，但高效利用多卡需解决负载分配与并发控制。Nginx负载均衡器。
如何使用VLLM进行openai/gpt-oss系列推理与支持工具调用
u011648373的博客
08-13 1245
OpenAI时隔6年再次推出开源模型gpt-oss系列，本次gpt-oss系列包含两个模型gpt-oss-120b与gpt-oss-20b。由于模型原生支持一种新的量化技术MXFP4，所以模型的部署所需的显存也显著的降低。这让本地部署成为可能，接下来跟着我一起看一下如何在本地使用vllm对gpt-oss-20b进行推理并且支持工具调用吧！
OpenAI开源大模型gpt-oss-120b：千亿参数模型单卡运行，企业AI成本直降90%
gitblog_00240的博客
10-09 1134
**导语**：OpenAI推出自GPT-2以来首个开源权重模型gpt-oss-120b，以1170亿参数实现单H100 GPU部署，性能接近GPT-4 Turbo，Apache 2.0许可彻底开放商用，重新定义企业级AI部署范式。 ## 行业现状：大模型应用的三重困境 2025年中国大模型市场规模预计突破495亿元，同比增长68%（中国电子信息产业发展研究院数据）。但企业在落地过程中普遍面临...
GPT-OSS-120B和GLM-4.5-Air，选哪一个？ 一手实测，终极二选一
m0_55861832的博客
08-07 924
OpenAI最新开源GPT-OSS120B模型引发热议，本文将其与国产GLM-4.5-Air进行多维度实测对比。测试显示：在复杂推理和指令遵循方面，GPT-OSS120B表现优异；但在代码生成能力上存在明显短板。
你的H100终于有用了！保姆级教程，5分钟在本地跑起gpt-oss-120b，效果惊人
gitblog_02177的博客
08-12 518
你的H100终于有用了！保姆级教程，5分钟在本地跑起gpt-oss-120b，效果惊人 【免费下载链接】gpt-oss-120b gpt-oss-120b是OpenAI开源的高性能大模型，专为复杂推理任务和智能代理场景设计。这款拥有1170亿参数的混合专家模型采用原生MXFP4量化技术，可单卡部署在H100 GPU上运行...
【大模型实战篇】部署GPT-OSS-120B踩得坑（vllm / ollama等推理框架）
源泉的小广场
08-08 1831
gpt-oss-120b、gpt-oss-20b、部署踩坑、vllm部署、ollama部署、部署问题、flashattention3、mxfp4、gpt、gpt-oss、推理模型
OpenAI重磅开源回归！GPT-OSS-120B/20B登陆星辰MaaS
AI_Platform的博客
08-08 325
2025年8月6日，OpenAI宣布重返开源社区，发布两款高性能开源大模型：GPT-OSS-120B 和 GPT-OSS-20B。性能与o4-mini 水平相当，并且可以在消费级硬件上运行。作为两个 SOTA 级别的开源语言模型，gpt-oss-120b 和 gpt-oss-20b 具有以下亮点：免费商用、自由修改，开发者与企业可无缝集成至自有业务6。支持低、中、高三档灵活切换，适配实时对话、深度分析等多样化场景。未对思维链施加直接监督，确保推理过程真实可溯，提升结果可信度与准确性。
OpenAI 开源模型 gpt-oss 本地部署详细教程
热门推荐
大数据领域创作新星
08-08 3万+
在自己电脑上跑OpenAI的模型，现在变得异常简单了。借助Ollama这个“神器”，你只需要像用Docker一样，敲ollama pull和ollama run两条命令，就能把OpenAI新发布的开放权重模型gpt-oss部署在本地。整个过程非常顺滑，你不仅能和它聊天、让它写代码，甚至还能联网搜索，体验相当完整。
模型并行策略：gpt-oss-120b多GPU协同计算实现方案
gitblog_00484的博客
09-26 704
在大语言模型部署中，单GPU往往难以承载百亿级参数模型的计算需求。gpt-oss-120b作为拥有1170亿参数的混合专家模型，通过精心设计的模型并行策略，实现了多GPU协同计算。本文将深入解析其并行计算架构、文件分布机制及部署实践，帮助开发者高效利用GPU资源。 ## 混合专家模型架构与并行基础 gpt-oss-120b采用混合专家（MoE）架构，核心配置在[config.json](htt...
OpenAI深夜开源两大全新顶级模型！GPT-OSS-120B与GPT-OSS-20B重磅登场
洛少的专栏
08-06 1194
摘要：OpenAI深夜开源两款顶级模型GPT-OSS-120B和GPT-OSS-20B，采用Apache 2.0协议完全开放参数。 120B版本（1170亿参数）基于MoE技术，单卡可运行，性能接近商业模型；20B版本支持消费级设备本地部署。两大模型均支持自定义微调、工具调用和Agent能力，推理能力对标OpenAI商业产品。此次开源打破6年闭源垄断，为开发者提供高性能可定制方案，或将重塑开源AI生态格局。Hugging Face等平台已提供一键部署支持。
OpenAI最新开源模型gpt-oss（Windows+Ollama）
09-26
<think> 嗯，用户想了解在Windows系统下用Ollama部署GPT-OSS模型的详细步骤。之前回答过类似问题，但这次需要更聚焦Windows环境。 用户引用的资料很全面，引用4提到GUI操作适合新手，引用1强调硬件要求，这些都很关键。需要特别注意几个技术点：Windows环境变量设置容易出错，Ollama的system tray图标操作可能被用户忽略，还有模型选择时的命名规范问题。 硬件要求这块要重点说明，因为引用1和4都提到12.4GB模型，但没说显存和内存的具体比例。根据经验，20B模型至少需要16GB内存+8GB显存组合才能流畅运行，这个必须明确告知用户。 部署流程需要拆解得更细致：比如环境变量设置应该放在下载Ollama之后，模型下载前必须检查存储空间。常见问题部分特别增加"GPU未调用"的解决方案，因为很多用户会卡在这步。 考虑到用户可能中途中断操作，专门补充了"部署检查清单"，把引用5的隐私优势转化成具体操作建议，比如建议关闭网络连接做本地验证测试。 最后生成的问题既要覆盖延伸需求（如企业部署），也要包含可能的补救措施。特别增加Docker选项是因为引用5提到企业应用场景，但用户当前问题没涉及这个层面。 </think> 了解在Windows系统下部署OpenAI开源模型**GPT-OSS**（如20B版本）结合**Ollama**的完整流程及关键要点如下： --- ### **一、部署前准备** 1. **硬件要求** - **显存**：≥8GB（推荐RTX 30系列及以上GPU） - **内存**：≥16GB（20B模型需预留13GB存储空间）[^4] - **存储空间**：≥15GB可用空间（模型+环境） 2. **软件依赖** - 安装最新版 [Ollama Windows客户端](https://ollama.com/download) - 更新NVIDIA显卡驱动（需支持CUDA 12.0+）[^2] --- ### **二、详细部署步骤** #### **步骤1：安装Ollama** 1. 下载Ollama安装包并完成安装 2. 启动Ollama，系统托盘会出现鲸鱼图标（运行状态） #### **步骤2：拉取模型** - **新手推荐（GUI操作）**： 1. 打开Ollama应用 → 顶部菜单选择"gpt-oss:20b" 2. 在聊天框输入问题（如"Hello"）→ 自动触发模型下载（约12.4GB）[^4] - **命令行操作**： ```bash ollama run gpt-oss:20b ``` #### **步骤3：验证部署** ```bash # 测试模型响应 >>> 你好，GPT-OSS！ # 预期返回结构化响应，例如： {"response": "你好！我是OpenAI的GPT-OSS模型，很高兴为你服务。"} ``` --- ### **三、优化与高级配置** 1. **性能加速** - 启用GPU加速：在Ollama设置中勾选"Use GPU"（需NVIDIA RTX显卡）[^2] - 调整并行线程数：编辑启动参数 `set OMP_NUM_THREADS=8` 2. **模型特性应用** - **结构化输出**：添加指令 `[格式：JSON]` 强制返回JSON - **工具调用**：通过 `{"action": "tool_name", "params": {...}}` 触发Agent工作流[^3] --- ### **四、常见问题解决** | 问题现象 | 解决方案 | |-------------------------|------------------------------| | 下载模型卡顿 | 更换镜像源 `ollama serve --mirror https://your-mirror` | | GPU未调用 | 检查CUDA环境变量 `PATH` 包含CUDA路径 | | 内存不足报错 | 换用小模型 `gpt-oss:7b` 或增加虚拟内存 | --- ### **部署检查清单** [^5] - [ ] Ollama版本 ≥ v0.1.25 - [ ] 显卡驱动支持CUDA 12+ - [ ] 存储空间 >15GB - [ ] 防火墙放行Ollama端口（默认11434） > 提示：企业部署建议开启 **本地数据加密**，避免敏感数据外传[^5]。 --- ### **技术优势与场景** - **隐私安全**：完全本地运行，无数据上传风险 - **商用免费**：Apache 2.0许可证支持商业用途[^2] - **低延迟响应**：适合实时Agent任务（如数据分析、文档处理）[^3] 如需企业级集群部署方案或Docker集成技巧，可进一步探讨。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

哪 吒

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值