Let's Make AGI Real

2025年8月5日——可能是一个注定载入AI史册的日子。当全球顶尖的AI巨头OpenAI、Google DeepMind和Anthropic不约而同地抛出各自的重磅模型。其中最令人侧目的，莫过于曾因“闭源”策略饱受争议的OpenAI，正式宣布开源其全新一代对话模型——GPT-OSS系列。这不只是一次简单的模型发布，更是OpenAI自2019年GPT-2之后首次开源对话模型，宣告着其战略的重大转变，如同一次AI领域的地震，其震波正迅速从闭源模型波及到整个行业。其一统江湖的司马昭之心昭然若揭。

一、GPT OSS：双子星闪耀，定义“工业级可用”开源模型

OpenAI此次推出的GPT OSS系列包含两款模型，旨在满足不同用户和硬件环境的需求：

• GPT OSS 120B（1200亿参数）：这款巨无霸模型，拥有1170亿参数和51亿活跃参数。它专为数据中心、高端台式机和笔记本电脑设计，可以在单个H100 GPU上运行。在参数量和硬件成本不到GPT3235B模型一半的情况下，其性能甚至超越了后者。
• GPT OSS 20B（200亿参数）：作为中等规模的模型，它被定位为“大多数用户在日常生活中将使用的版本”，可在大多数台式机和笔记本电脑上运行。它尤其适用于对延迟敏感的本地或特定专业应用场景。

这些模型被誉为“真正意义上的工业级可用大模型”，展现了OpenAI前所未有的诚意，让社区得以深入了解其核心能力。

二、为何“闭源”巨头选择“开源”？一场策略的剧变

OpenAI长期以来被戏称为“CloseAI”，其闭源策略一直是业内争论的焦点。然而，今年早些时候DeepSeek等开源模型的异军突起，以及OpenAI首席执行官Sam Altman在1月31日公开承认“闭源是历史发展的错误方向”，无疑加速了OpenAI拥抱开源的步伐。此次GPT OSS的开源，被视为对开源社区巨大商业价值和潜力的积极回应。

OpenAI此举，无疑是对其他科技巨头的一次“敲打”。有观点认为，相较于谷歌只开源小尺寸模型、马斯克只开源过时模型，以及Meta LLaMA模型在开源策略上的争议，此次GPT OSS的发布方式无疑是最具诚意的开源举动。

三、性能巅峰：开源SOTA大模型的诞生

GPT OSS系列模型在多项基准测试中表现出令人惊叹的性能，甚至追平或超越了当时性能最强的O4级别闭源模型，刷新了开源模型的上限。压力给到了DeepSeek和Qwen这一边，国货要加油了！

• 全面超越：GPT OSS 20B的能力介于O3和O4模型之间，而GPT OSS 120B的能力则直接达到了O4模型级别，在数学推理、编程以及“人类终极测试”（Humanity's Last Exam）等评估指标上，与O4IN模型不相上下。
• 代码能力：在“Competition Code Force”等挑战性代码基准测试中表现出色，令人印象深刻。
• 推理能力：在旨在抵御记忆和其他传统基准测试饱和问题的“Humanity's Last Exam”中，GPT OSS模型展现出与O3级别模型相当或相似的“了不起”成就。
• 数学能力：在数学基准测试中，OpenAI的开源模型“字面上平分秋色”，准确率几乎达到饱和状态（例如98%、96%、99%），这表明未来的数学基准测试可能需要革新。
• 科学与通用问题：在GPQA和MMLU（包括博士科学级别问题和标准问题）测试中，GPT OSS系列开源模型几乎全面达到了O3和O4 Mini的水平。
• 工具调用与代理能力（Towel Bench）：这一基于零售客户服务场景的基准测试，旨在评估AI代理在动态多轮对话中与API工具交互的能力。在这个对未来AI代理应用至关重要的领域，20B模型与O3和O4 Mini的差距不大，而1200亿参数模型则表现“极其出色”。该系列模型针对智能体任务以及思维链推理进行了专门优化，并在沉浸式推理、工具调用和Agent开发等方面都表现得非常经验，被誉为目前当之无愧的SOTA（State-Of-The-Art）开源大模型。

四、高效运行与核心技术：消费级显卡也能驾驭

GPT OSS模型在硬件要求方面展现出极高的效率，真正实现了“消费级显卡可用”。

• 得益于先进的MOE（Mixture of Experts）架构以及原生的FP4混合精度支持，GPTOSS20B模型在最低14G显存上即可运行，推理仅需16G显存，微调仅需24G显存。
• 推理速度极快：在3090显卡上能达到40 token/秒，而在5090显卡上更是能达到惊人的200 token/秒。
• 对于更高要求的O3级别模型（对标Depsre1），单张RTX 4090显卡即可运行；而运行目前推理性能最强的O4级别大模型，单张A100显卡即可。
• 此外，GPT OSS模型还支持各类主流CPU及推理框架进行部署和调用，同时支持CPU加GPU混合推理。

在技术架构上，GPT OSS是MOE和专家模型的结合，并采用了目前最先进的分组多查询注意力机制，更好地平衡了模型性能与实际响应效率。它与O4模型采用了完全相同的训练流程，包括模型预训练、全量指令微调和RL强化学习后训练（RLHF）三个阶段。相较于DPSR1，GPTOSS模型采用了更加严格的“无间COT对齐方法”，使得推理能力更加高效严谨。

GPT OSS还支持手动设置模型的推理强度，用户可以根据需求在响应速度和解决复杂问题能力之间进行权衡。此外，它支持工具调用、结构化输出等功能，并提供完整的推理过程，方便开发者调试和验证。

五、挑战与局限：幻觉与情感的边缘

尽管GPTOSS系列模型表现卓越，但它们并非完美无缺，仍存在一些挑战和局限性：

• 幻觉问题：这些模型存在较高的幻觉率。在专门设计用于引发幻觉的基准测试中，20B模型在特定测试中幻觉率达到91%、53%和49%，而更大的120B模型在其中一项测试中幻觉率达到78%。视频中强调，推理系列模型比非推理模型更容易产生幻觉，因此用户必须始终对模型的输出进行事实核查。
• 情感智能与创意写作：在EQBench 3等情感智能相关基准测试中，GPT OSS模型并未位居榜首，落后于Deepseek V3、DeepSeek R1、GLM 4.5和Kimmy K2 Instruct等闭源或较早发布的模型。在创意写作（包括长篇创意写作）方面，这些模型也似乎不是最佳选择。虽然与耗费数百万美元研发的顶尖闭源模型进行比较可能“不公平”，但即便与其他一些开源模型相比，GPT OSS在这些领域也可能略逊一筹。

六、改变格局：AI竞争的终结与新机遇的爆发

OpenAI此次开源，被认为是“竞争的终结”，将彻底改变AI行业的竞争格局。

• 竞争重塑：许多公司此前依赖OpenAI模型闭源的现状蓬勃发展，但现在OpenAI已经消除了这一“底牌”。Meta、Quen、DeepSeek等公司将被迫更努力地创新，因为OpenAI的开源模型将与它们的产品达到相同甚至更高的水平。DeepSeek R2曾被誉为“GPT5杀手”，如今DeepSeek的工程师们面临巨大压力，需要拿出更惊艳的产品才能在OpenAI的开源攻势下脱颖而出。
• OpenAI的生态磁力：通过开源模型及其对开发者的支持，OpenAI很可能吸引并留住更多用户，使得基于OpenAI模型进行开发比使用其他任何模型都更容易，从而巩固其生态系统。
• 巨大的新市场：此次开源将为AI构建带来前所未有的新机遇，特别是在以下领域：

• HIPPA（健康保险流通与责任法案）合规应用：过去因数据隐私法而难以合规的AI自动化应用，现在将变得容易实现，从而开辟了全新的市场份额。
• 无API成本：用户将不再需要支付API调用费用，只需一次性的硬件投资。
• 数据隐私与本地化：数据将不会离开用户的设备，默认是私密的，并且可以离线工作，无需互联网连接。
• 模型可修改性：用户可以自行修改这些模型，这对为企业提供模型微调服务的公司来说是一个巨大的机遇。

这意味着AI将以我们前所未见的方式“吞噬经济”，从政府到各种企业，用例将是“超乎寻常”的。

七、灵活部署与未来展望

作为一款开源模型，GPT OSS提供了多种灵活的部署和调用方式：

• 本地部署：用户可以从Hugging Face或魔搭社区下载模型权重，使用Transformer库调用。更简便的方法是直接下载Ollama并选择GPT OSS模型，Ollama会自动下载原始的FP4混合精度模型并开始对话。企业级部署则推荐使用VM或S级Lambda等推理框架。
• 在线调用：可以直接在Hugging Face主页进行对话测试，或选择OpenRouter等在线模型服务提供商。也可通过API Key进行远程调用和Agent智能体开发。

GPT OSS系列模型采用Apache 2.0开源许可证，允许任何人或组织自由使用和商业化部署。目前，Hugging Face、VLM、AMLM Studio等多家平台或工具厂商已对其提供支持。

总而言之，OpenAI此次开源GPT OSS系列模型，不仅在性能上达到了顶尖水平，更以其开放性策略打破了行业壁垒，迫使竞争对手加速创新，同时也为全球开发者和企业开启了全新的AI应用和商业模式。这无疑预示着，大模型技术将更快地推动开源大模型技术社区的发展，为全球的开发者和研究者提供强大的工具和平台，共同加速大模型技术的创新与应用。AI的未来，从未如此开放，也从未如此激动人心。