OpenAI近日宣布推出两款开源语言模型gpt-oss-120b与gpt-oss-20b，它们可在高端笔记本和手机上运行，性能媲美其商业模型o4-mini和o3-mini。这一举措标志着OpenAI在开源策略上的重要转变，旨在增强AI技术的可访问性和安全性。
随着人工智能技术的不断演进，OpenAI近日宣布推出两款开源语言模型：gpt-oss-120b与gpt-oss-20b。这两款模型是自2019年推出GPT-2以来，OpenAI首次发布的开源权重模型，标志着其在开源策略上的重要调整。gpt-oss-120b与gpt-oss-20b不仅性能接近其商业版本，还能够在消费级硬件上运行，为开发者和研究者提供了更多灵活的选择。
开源策略的转变：从保密到开放
在推出ChatGPT之后，OpenAI一度采取了更为封闭的技术策略，以保护其核心知识产权。然而，随着市场竞争的加剧和其他公司在开源领域取得显著进展，尤其是DeepSeek等开源项目的崛起，OpenAI开始重新审视其开源策略。gpt-oss-120b与gpt-oss-20b的发布，是OpenAI在这一转变上的具体体现。
OpenAI总裁、创始人之一的格雷格·布罗克曼（Greg Brockman）指出，开源模型与托管模型相辅相成，为开发者提供了更丰富的工具选择。通过这一举措，OpenAI希望能够在不同用户群体中建立更广泛的技术影响力，同时推动AI前沿研究的发展。
模型性能：媲美商业版本
gpt-oss-120b与gpt-oss-20b在性能上表现突出。据官方数据显示，gpt-oss-120b在核心推理基准测试中与OpenAI o4-mini几乎持平，能够在单张80GB GPU上高效运行。在竞赛编程（Codeforces）、通用问题解决（MMLU和HLE）以及工具调用（TauBench）方面，gpt-oss-120b的表现优于OpenAI o3-mini，甚至达到或超过了o4-mini的水平。
gpt-oss-20b则在常见基准测试中与OpenAI o3-mini相当，甚至在竞赛数学和健康相关查询方面超过了o3-mini。其仅需16GB内存即可在边端设备上运行，这使其在移动设备上的应用前景更为广阔。
技术细节：优化与创新
gpt-oss-120b与gpt-oss-20b的训练过程结合了强化学习技术，并借鉴了OpenAI的o3和其他前沿内部模型。这些模型使用预训练和后训练技术，注重推理能力、效率以及在各种部署环境中的实际可用性。
两个模型都基于Transformer架构，并采用了混合专家（MoE）技术，以减少处理输入所需的激活参数数量。具体而言，gpt-oss-120b每token激活51亿参数，而gpt-oss-20b每token激活36亿参数。模型的总参数分别为1170亿和210亿，这表明两者在参数规模上均处于较高水平。
此外，gpt-oss-120b和gpt-oss-20b采用了交替的密集型和局部带状稀疏注意力模式，类似于GPT-3。这种设计不仅提升了模型的推理能力，还增强了其在不同设备上的运行效率。gpt-oss-120b支持长达128k上下文长度，这在自然语言处理任务中具有重要意义。
推理强度：灵活适应不同需求
为了适应不同的使用场景，gpt-oss-120b与gpt-oss-20b提供了低、中、高三种推理强度。这种设计让开发者可以根据具体需求在延迟和性能之间进行权衡。例如，在需要快速响应的场景下，可以选择低强度推理；而在需要更高准确性的任务中，则可以切换到高强度模式。
开发者只需在系统消息中用一句话就能设置推理强度，这种简便的操作方式大大降低了模型的使用门槛，使其更易于集成到各种应用场景中。
安全性考量：思维链与数据过滤
在安全性方面，OpenAI也做出了重要努力。gpt-oss-120b与gpt-oss-20b的思维链均未接受任何直接监督，这为监控模型的不当行为、欺骗性输出和滥用风险提供了基础。然而，由于思维链可能包含幻觉信息或有害内容，开发者不应在应用中直接向用户展示思维链内容，而应将其用于后台推理和分析。
为了确保模型的安全性，OpenAI在预训练阶段过滤掉了与化学、生物、放射和核相关的特定有害数据。在后训练过程中，采用了审慎对齐和指令层级技术，教会模型拒绝不安全的提示词，并防御提示词注入攻击。这些措施有助于构建一个更加安全的AI生态系统。
恶意微调：OpenAI的应对策略
考虑到开源模型可能被攻击者恶意微调的风险，OpenAI采取了一系列措施进行应对。为此，公司针对生物学和网络安全数据对模型进行了微调，模拟攻击者的方式，并为每个领域创建了一个特定领域的“不拒绝”版本。通过这种方式，OpenAI能够评估这些模型在不同场景下的能力水平，确保其不会被滥用。
测试结果显示，即便使用行业领先的训练堆栈进行微调，这些经过恶意微调的模型仍无法达到高能力水平。这一结果表明，OpenAI在模型安全性方面的投入取得了显著成效。
红队挑战：构建更安全的开源生态系统
为了进一步提升开源模型的安全性，OpenAI还发起了一个奖金50万美元的“红队挑战”，鼓励全球的研究人员、开发人员和爱好者帮助识别新的安全问题。这一挑战不仅有助于发现潜在的安全漏洞，还能够促进整个AI社区对开源模型安全性的关注和研究。
通过这一举措，OpenAI希望推动行业在安全训练和对齐研究方面的发展，为未来的AI技术应用奠定更加坚实的基础。
行业影响：开源与闭源的平衡
OpenAI在开源策略上的调整，引发了行业对开源与闭源关系的广泛讨论。与OpenAI不同，Meta近期表示将转向更保守的闭源软件策略，并计划成立超级智能实验室，专注于开发闭源模型。这一动向表明，大型科技公司正在重新评估其在开源与闭源之间的战略选择。
在这一背景下，OpenAI的开源举措不仅有助于其在市场竞争中保持领先地位，还能够推动整个AI行业向更加开放和安全的方向发展。通过提供高质量的开源模型，OpenAI希望能够激励更多的开发者和研究者参与到AI技术的创新中。
实际应用：降低使用门槛
开源模型的发布，为新兴市场、资源受限行业及小型组织提供了新的机会。通过使用这些模型，他们可以降低AI技术的使用成本，加速技术落地和应用。例如，在教育、医疗、金融等领域，开源模型可以为资源有限的机构提供更强大的AI支持。
此外，gpt-oss-120b和gpt-oss-20b的高性能表现，使其在实际应用中更具竞争力。无论是企业还是个人开发者，都可以利用这些模型进行创新，推动AI技术的发展。
开源社区：创新与协作的推动力
开源模型的发布，不仅为开发者提供了更多的工具选择，还促进了创新与协作。通过开源，开发者可以更方便地访问和使用这些模型，进而进行二次开发和优化。这种开放性，有助于构建更加活跃的AI社区，推动技术的不断进步。
在这一过程中，OpenAI通过提供高质量、高性能的开源模型，为开发者和研究者创造了更多可能性。他们可以基于这些模型开发新的应用，探索AI技术的边界，甚至进行更深层次的研究。
技术趋势：AI的未来走向
随着AI技术的不断发展，开源与闭源的争论仍在继续。然而，越来越多的公司开始意识到，开源不仅可以促进技术的传播和创新，还可以提高AI系统的安全性。通过共享模型权重，开发者可以更好地理解模型的工作原理，并对其进行优化和调整。
此外，模型轻量化和高效部署也成为了当前AI技术发展的重要趋势。gpt-oss-120b和gpt-oss-20b的成功发布，表明企业在追求高性能的同时，也在关注模型的可部署性和实用性。这种趋势将有助于AI技术更广泛地应用于各种场景，提高技术的可及性和可用性。
未来的展望：AI与人类的协作
在未来的AI发展过程中，开源与闭源的平衡将变得更加重要。通过提供高质量的开源模型，OpenAI希望能够与其他公司和研究者共同推动AI技术的发展，使其更加安全、透明和高效。
同时，随着AI技术的不断成熟，AI与人类的协作将成为新的发展方向。开源模型的发布，为这一协作提供了更多可能性，使得AI技术能够更广泛地应用于实际任务中，提高工作效率和生活质量。
结语
OpenAI推出gpt-oss-120b与gpt-oss-20b，标志着其在开源策略上的重要转变。这两款模型不仅在性能上媲美其商业版本，还在安全性、可部署性和实用性方面取得了显著进展。通过这一举措，OpenAI希望能够推动AI技术的普及和应用，为开发者和研究者提供更多的机会和选择。
在这一过程中，开源社区的作用将愈发重要。通过共享和协作，开发者可以更好地利用这些模型，推动AI技术的创新和发展。未来的AI技术将更加开放、安全和高效，为人类社会带来更多的可能性和价值。
关键字：OpenAI, gpt-oss-120b, gpt-oss-20b, 开源模型, 安全性, 推理能力, 混合专家技术, 消费级硬件, 竞赛编程, 竞赛数学