實(shí)測對(duì)比OpenAI開源的gpt-oss，奧特曼給的是誠意還是糊弄？

昨晚，OpenAI說了大半年的開源終于兌現(xiàn)了。上一次開源還是2019年的GPT-2。

開源模型的名稱很特別：gpt-oss，不是我們見過的GPT-4系列更不是“狼來了”的GPT-5，也不是推理模型o3、o4系列。Oss具體含義官方尚未公布，但大概率是open source series（開源系列）的縮寫。

這次OpenAI開源了 gpt-oss-120b 和 gpt-oss-20b 兩個(gè)MoE架構(gòu)的文本模型，原生基于MXFP4訓(xùn)練，采用Apache 2.0開源協(xié)議。

其中g(shù)pt-oss-120b總參數(shù)達(dá)1170億，激活參數(shù)僅 51 億。包含36層和128個(gè)專家，每次激活4個(gè)專家；gpt-oss-20b：總參數(shù)210 億，激活參數(shù)36億，擁有24層和32個(gè)專家，同樣每次激活4個(gè)專家。

模型在ollama、huggingface都可以下載使用。gpt-oss-120b模型需要顯存65G以上（運(yùn)行需要多張高性能顯卡橋接），gpt-oss-20b需要14G顯存以上（推薦4080及以上顯卡）。

除了 MoE 架構(gòu)，這兩個(gè)模型還融合了多項(xiàng)技術(shù)，如交替使用的密集和局部帶狀稀疏注意力機(jī)制、分組多查詢注意力（grouped multi-query attention）、旋轉(zhuǎn)位置嵌入（RoPE）、能夠處理長達(dá)128k的上下文窗口。

預(yù)訓(xùn)練、后訓(xùn)練方法

預(yù)訓(xùn)練階段，gpt-oss 在一個(gè)以英文為主、專注于 STEM（科學(xué)、技術(shù)、工程和數(shù)學(xué)）、編程及通用知識(shí)的純文本數(shù)據(jù)集上進(jìn)行訓(xùn)練。分詞器用的是跟o4-mini和GPT-4o上使用的相同分詞器o200k_harmony，在GitHub也同時(shí)開源了。在數(shù)據(jù)處理上，OpenAI 特別過濾了與化學(xué)、生物、放射性和核（CBRN）相關(guān)的有害信息，以確保模型的安全性。

后訓(xùn)練階段，流程與o4-mini類似，包含了監(jiān)督微調(diào)（supervised fine-tuning）和高計(jì)算量的強(qiáng)化學(xué)習(xí)（RL）兩個(gè)核心步驟。這一階段的目標(biāo)是使模型與OpenAI的模型規(guī)范（OpenAIModelSpec）對(duì)齊，并教會(huì)模型使用“思維鏈”（Chain-of-Thought, CoT）進(jìn)行推理和工具使用。一個(gè)有意思的設(shè)計(jì)是，模型支持通過系統(tǒng)消息設(shè)置低、中、高三種不同的推理努力程度。在安全方面，模型通過“審慎對(duì)齊”（deliberative alignment）和“指令層級(jí)”（instruction hierarchy）等技術(shù)，學(xué)習(xí)如何拒絕不安全的指令，確保了其在實(shí)際應(yīng)用中的可靠性。

實(shí)測對(duì)比gpt-oss-20b VS qwen3-30b

模型好不好用才是最重要的。我們選了兩個(gè)任務(wù)分別測試OpenAI的gpt-oss-20b和阿里的qwen3-30b，分別代表創(chuàng)意寫作和代碼能力。測試環(huán)境是ollama的0.11.2版本（ollama有UI界面了）。

任務(wù)1：寫一首莎士比亞風(fēng)格的十四行詩

難點(diǎn)：結(jié)構(gòu)和規(guī)律較為復(fù)雜，分為三段四行詩和一個(gè)結(jié)尾的兩行對(duì)句。十四行中每行結(jié)尾韻腳格式通常為abab cdcd efef gg。

gpt-oss-20b的回答

思考長達(dá)10分鐘，可以看到“光”“王”“心”“今”等字的重復(fù)，而不是韻母重復(fù)。但基本符合十四行詩韻腳規(guī)則。

qwen3-30b的回答

思考僅40秒，但第三小部分末尾的“心”“冰”“淪”“空”不符合EFEF的規(guī)則。押韻好得多。

任務(wù)2：小球旋轉(zhuǎn)碰撞實(shí)驗(yàn)

難點(diǎn)：要寫代碼還要考慮物理規(guī)律

提示詞：

生成一個(gè)html文件，展示5個(gè)小球在5層有缺口的同圓心的圓形旋轉(zhuǎn)球殼中的碰撞運(yùn)動(dòng)軌跡。小球出現(xiàn)位置在圓心附近，小球受重力和彈力影響。每層球殼的表面除了缺口占1/10外都是封閉的，而且順時(shí)針和逆時(shí)針每層一一交替。維度設(shè)定是2D

gpt-oss-20b的回答

思考時(shí)間長達(dá)11分鐘，球殼沒有缺口，導(dǎo)致球掉不下來。

qwen3-30b的回答

思考僅7秒，球殼有缺口，但球也掉不下來。有說明、暫停等額外功能。

測試下來的整體感受是：

gpt-oss-20b中文理解不如qwen3-30b，但邏輯能力和穩(wěn)定性尚可，思考時(shí)間較長。gpt-oss-120b能力應(yīng)該會(huì)更好，但是65G的顯存要求讓絕大部分設(shè)備還是沒有嘗試的機(jī)會(huì)。

至頂AI實(shí)驗(yàn)室洞見

從這次開源可以看見一些創(chuàng)新之處，gpt-oss采用原生MXFP4精度訓(xùn)練，這是很罕見的。年初DeepSeek R1成功采用FP8混合精度訓(xùn)練已經(jīng)讓大家吃了一驚，原生FP4恐怕只會(huì)更難。

OpenAI開源的尺寸不夠大，誠意不夠。本次開源的最強(qiáng)模型僅120b，相比其它廠商開源的最強(qiáng)模型都小得多，然而往往模型越大越強(qiáng)。比如，DeepSeek R1有671b，qwen3有235b，kimi k2大約有1040b。

另外，開源程度還有待提升，相關(guān)技術(shù)報(bào)告沒有公開，技術(shù)細(xì)節(jié)不得而知。

開頭Sam Altman寫了，gpt-oss是幾十億美金研究的結(jié)果，錢花得值嗎？和MiniMax和DeepSeek花了不到幾百萬美金搞出M1和R1一對(duì)比，不知道是在表達(dá)誠意還是別的什么。

總的來說，OpenAI模型開源給電腦端的模型增加了一個(gè)選擇，但僅限于文本模型。未來oss開源系列是否還會(huì)有更多模態(tài)的好模型，還需要時(shí)間來驗(yàn)證。