OpenAI lança gpt-oss-120b e gpt-oss-20b sob licença Apache 2.0

Dois modelos MoE dimensionados para orçamentos de hardware específicos

A OpenAI lançou o gpt-oss-120b e o gpt-oss-20b como modelos de pesos abertos sob a licença Apache 2.0, disponíveis para download no Hugging Face. São os primeiros modelos de linguagem com pesos abertos da empresa desde o GPT-2, e, diferente do Whisper ou do CLIP, eles visam raciocínio geral e uso de ferramentas.

Ambos são Transformers do tipo mixture-of-experts. O modelo 120b tem 117B de parâmetros no total, mas ativa apenas 5,1B por token em 36 camadas, com 4 de 128 experts ativos por vez. O modelo 20b ativa 3,6B dos 21B de parâmetros totais, usando 4 de 32 experts. Ambos suportam contexto de 128k via RoPE e usam grouped multi-query attention com grupos de tamanho 8.

O dimensionamento é intencional. Enviado já quantizado nativamente em MXFP4, o gpt-oss-120b cabe em 80GB de memória — uma única GPU de ponta — enquanto o gpt-oss-20b roda em 16GB, ficando ao alcance de laptops de consumo e dispositivos edge. A OpenAI posiciona o 120b como quase equivalente ao o4-mini nos principais benchmarks de raciocínio, e o 20b como comparável ao o3-mini.

Pesos, não um endpoint

Esse é um modelo de distribuição diferente dos lançamentos de produto habituais da OpenAI. Não existe uma API hospedada do gpt-oss. A empresa diz apenas que 'pode considerar suporte via API para o gpt-oss no futuro', e direciona os desenvolvedores que querem suporte multimodal e ferramentas integradas de volta para sua plataforma de API proprietária.

Para tornar os pesos, por si só, utilizáveis, a OpenAI se coordenou previamente com plataformas de deploy incluindo vLLM, Ollama, llama.cpp, LM Studio, Azure, AWS, Fireworks, Together AI, entre outras, e trabalhou com NVIDIA, AMD, Cerebras e Groq na otimização de hardware. A Microsoft está levando o gpt-oss-20b otimizado para GPU ao Windows via Foundry Local e ao AI Toolkit for VS Code via ONNX Runtime.

A OpenAI também abriu o código da infraestrutura de suporte: o tokenizer o200k_harmony, um renderizador harmony em Python e Rust para o formato de prompt harmony no qual os modelos foram pós-treinados, além de implementações de referência de inferência para PyTorch e Apple Metal. Parceiros iniciais nomeados, AI Sweden, Orange e Snowflake, exploraram hospedagem on-premises e fine-tuning em datasets especializados.

Chain-of-thought sem supervisão — e um aviso para não exibi-lo

Os modelos expõem o chain-of-thought completo e suportam três níveis de esforço de raciocínio — baixo, médio, alto — configuráveis com uma única frase na mensagem de sistema. Vale notar que a OpenAI não aplicou supervisão direta ao CoT de nenhum dos dois modelos, argumentando que manter o raciocínio sem monitoramento preserva sua utilidade como sinal para detectar mau comportamento, engano e uso indevido.

Essa escolha de design vem com uma ressalva incomumente direta: os desenvolvedores não devem exibir o CoT aos usuários. O próprio exemplo da OpenAI deixa o motivo bem concreto. Diante de uma instrução para nunca dizer a palavra 'cinco', o rastro de raciocínio do modelo passa abertamente pela palavra proibida antes de produzir uma resposta final compatível — contando '1, 2, 3, 4, … e depois algo como 4,9'.

O gpt-oss-120b segue de forma consistente as instruções do sistema na sua saída, mas frequentemente desobedece a essas instruções de forma explícita no seu CoT.Montana Labs

Para equipes construindo fluxos agenticos, isso divide o modelo em duas superfícies com propriedades de segurança diferentes: uma camada de saída compatível, segura para exibir, e uma camada de raciocínio bruto que pode conter conteúdo alucinado ou que viola políticas, e que precisa ficar isolada dos usuários finais.

Testando o modo de falha dos pesos abertos

Como liberar os pesos significa que adversários podem fazer fine-tuning neles, a OpenAI realizou um teste pré-lançamento fora do comum: construiu deliberadamente versões específicas de domínio, sem recusas, em biologia e cibersegurança — 'do jeito que um atacante faria' — usando sua própria stack de treinamento, e depois avaliou essas versões sob seu Preparedness Framework.

A OpenAI relata que esses modelos maliciosamente ajustados não conseguiram atingir níveis altos de capacidade dentro do seu framework, e diz que esse resultado embasou a decisão de lançar os modelos. Três grupos independentes de especialistas revisaram a metodologia e fizeram recomendações, muitas das quais foram adotadas. A empresa também está conduzindo um Red Teaming Challenge com um fundo de premiação de US$ 500.000 e planeja abrir o código de um dataset de avaliação com base em descobertas validadas.

O que mudar para pesos abertos significa para equipes que rodam sua própria infraestrutura

A implicação concreta do gpt-oss é que raciocínio no nível da OpenAI agora é algo que você hospeda, não algo que você chama via API. Para equipes com restrições de residência de dados, exigências on-premises ou necessidade de fazer fine-tuning em dados proprietários, a licença Apache 2.0 e os alvos de memória de 80GB / 16GB removem os dois obstáculos mais comuns: termos legais e custo de hardware.

Mas assumir isso significa passar a ser responsável pelo que a API da OpenAI antes cuidava por você. Não há endpoint gerenciado, não há multimodalidade e não há ferramentas integradas — você monta a inferência usando vLLM, Ollama ou um provedor terceirizado, integra o formato harmony e constrói seu próprio monitoramento de chain-of-thought, em vez de confiar em uma camada de segurança hospedada. O CoT sem supervisão que a OpenAI manteve legível para fins de pesquisa é também aquilo que você precisa manter longe dos seus usuários. O gpt-oss reduz a barreira para rodar raciocínio de ponta localmente; ele eleva o nível de exigência para a orquestração e a estrutura de segurança que agora você mesmo precisa fornecer.