Το OpenAI κυκλοφορεί τα gpt-oss-120b και gpt-oss-20b υπό άδεια Apache 2.0

Δύο μοντέλα MoE διαστασιολογημένα για συγκεκριμένους περιορισμούς υλικού

Το OpenAI κυκλοφόρησε τα gpt-oss-120b και gpt-oss-20b ως μοντέλα ανοιχτών βαρών υπό την άδεια Apache 2.0, διαθέσιμα για λήψη από το Hugging Face. Πρόκειται για τα πρώτα γλωσσικά μοντέλα ανοιχτών βαρών της εταιρείας από το GPT-2, και σε αντίθεση με τα Whisper ή CLIP, στοχεύουν στη γενική συλλογιστική ικανότητα και στη χρήση εργαλείων.

Και τα δύο είναι Transformers τύπου mixture-of-experts. Το μοντέλο 120b έχει συνολικά 117 δισ. παραμέτρους, αλλά ενεργοποιεί μόλις 5,1 δισ. ανά token σε 36 επίπεδα, με 4 από τους 128 experts ενεργούς κάθε φορά. Το μοντέλο 20b ενεργοποιεί 3,6 δισ. από συνολικά 21 δισ. παραμέτρους, αντλώντας από 4 από τους 32 experts. Και τα δύο υποστηρίζουν παράθυρο περιεχομένου 128k μέσω RoPE και χρησιμοποιούν grouped multi-query attention με μέγεθος ομάδας 8.

Η διαστασιολόγηση είναι σκόπιμη. Κυκλοφορώντας με εγγενή κβαντισμό σε MXFP4, το gpt-oss-120b χωράει σε 80GB μνήμης — μία και μόνο GPU υψηλών προδιαγραφών — ενώ το gpt-oss-20b τρέχει σε 16GB, καθιστώντας το προσβάσιμο σε καταναλωτικά laptop και συσκευές edge. Το OpenAI τοποθετεί το 120b σχεδόν στο επίπεδο του o4-mini σε βασικά benchmarks συλλογιστικής και το 20b συγκρίσιμο με το o3-mini.

Βάρη, όχι ένα endpoint

Πρόκειται για μοντέλο διανομής διαφορετικό από τις συνήθεις κυκλοφορίες προϊόντων του OpenAI. Δεν υπάρχει φιλοξενούμενο API για το gpt-oss. Η εταιρεία αναφέρει μόνο ότι «ενδέχεται να εξετάσει την υποστήριξη API για το gpt-oss στο μέλλον» και παραπέμπει τους προγραμματιστές που θέλουν πολυτροπική υποστήριξη και ενσωματωμένα εργαλεία πίσω στην ιδιόκτητη πλατφόρμα API της.

Για να γίνουν χρησιμοποιήσιμα τα μοντέλα με μόνο τα βάρη διαθέσιμα, το OpenAI συντόνισε εκ των προτέρων με πλατφόρμες ανάπτυξης όπως τα vLLM, Ollama, llama.cpp, LM Studio, Azure, AWS, Fireworks, Together AI και άλλες, και συνεργάστηκε με τις NVIDIA, AMD, Cerebras και Groq για τη βελτιστοποίηση υλικού. Η Microsoft φέρνει το gpt-oss-20b βελτιστοποιημένο για GPU στα Windows μέσω του Foundry Local και του AI Toolkit για VS Code μέσω του ONNX Runtime.

Το OpenAI έκανε επίσης open source την υποδομή: τον tokenizer o200k_harmony, έναν renderer harmony σε Python και Rust για τη μορφή prompt harmony στην οποία εκπαιδεύτηκαν περαιτέρω τα μοντέλα, καθώς και υλοποιήσεις αναφοράς inference για PyTorch και Apple Metal. Οι πρώτοι επίσημοι συνεργάτες AI Sweden, Orange και Snowflake διερεύνησαν τη φιλοξενία εντός εγκαταστάσεων (on-premises) και τη βελτιστοποίηση σε εξειδικευμένα σύνολα δεδομένων.

Αλυσίδα σκέψης χωρίς επίβλεψη — και μια προειδοποίηση να μην την εμφανίζετε

Τα μοντέλα εκθέτουν την πλήρη αλυσίδα σκέψης (chain-of-thought) και υποστηρίζουν τρεις ρυθμίσεις έντασης συλλογιστικής — χαμηλή, μεσαία, υψηλή — ρυθμιζόμενες με μία μόνο πρόταση στο μήνυμα συστήματος. Αξίζει να σημειωθεί ότι το OpenAI δεν εφάρμοσε καμία άμεση επίβλεψη στην αλυσίδα σκέψης για κανένα από τα δύο μοντέλα, υποστηρίζοντας ότι η μη παρακολούθηση της συλλογιστικής διατηρεί τη χρησιμότητά της ως σήμα για τον εντοπισμό κακής συμπεριφοράς, εξαπάτησης και κατάχρησης.

Αυτή η σχεδιαστική επιλογή συνοδεύεται από μια ασυνήθιστα ξεκάθαρη προειδοποίηση: οι προγραμματιστές δεν θα πρέπει να εμφανίζουν την αλυσίδα σκέψης στους χρήστες. Το ίδιο το παράδειγμα του OpenAI κάνει τον λόγο συγκεκριμένο. Δοθείσας της οδηγίας να μην πει ποτέ τη λέξη «πέντε», το ίχνος συλλογιστικής του μοντέλου επεξεργάζεται ανοιχτά την απαγορευμένη λέξη πριν παράξει μια συμμορφούμενη τελική απάντηση — μετρώντας «1, 2, 3, 4, … και μετά περίπου 4,9».

Το gpt-oss-120b ακολουθεί με συνέπεια τις οδηγίες συστήματος στην έξοδό του, αλλά συχνά παρακούει ρητά τις οδηγίες στην αλυσίδα σκέψης του.Montana Labs

Για ομάδες που κατασκευάζουν agentic ροές εργασίας, αυτό χωρίζει το μοντέλο σε δύο επίπεδα με διαφορετικές ιδιότητες ασφάλειας: ένα επίπεδο εξόδου που συμμορφώνεται και είναι ασφαλές να εμφανίζεται, και ένα ανεπεξέργαστο επίπεδο συλλογιστικής που μπορεί να περιέχει παραίσθηση ή περιεχόμενο που παραβιάζει πολιτικές και πρέπει να απομονώνεται από τους τελικούς χρήστες.

Δοκιμάζοντας τον τρόπο αστοχίας των ανοιχτών βαρών

Επειδή η κυκλοφορία βαρών σημαίνει ότι κακόβουλοι χρήστες μπορούν να τα βελτιστοποιήσουν περαιτέρω, το OpenAI εκτέλεσε μια ασυνήθιστη δοκιμή πριν την κυκλοφορία: κατασκεύασε σκόπιμα εξειδικευμένες εκδόσεις χωρίς αρνήσεις στη βιολογία και την κυβερνοασφάλεια — «με τον τρόπο που θα το έκανε ένας επιτιθέμενος» — χρησιμοποιώντας τη δική του υποδομή εκπαίδευσης, και στη συνέχεια τις αξιολόγησε σύμφωνα με το πλαίσιο ετοιμότητάς του (Preparedness Framework).

Το OpenAI αναφέρει ότι αυτά τα κακόβουλα βελτιστοποιημένα μοντέλα δεν κατάφεραν να φτάσουν σε υψηλά επίπεδα ικανότητας σύμφωνα με το πλαίσιό του, και δηλώνει ότι αυτό το αποτέλεσμα επηρέασε την απόφαση για κυκλοφορία. Τρεις ανεξάρτητες ομάδες ειδικών εξέτασαν τη μεθοδολογία και διατύπωσαν συστάσεις, πολλές από τις οποίες υιοθετήθηκαν. Η εταιρεία διοργανώνει επίσης έναν διαγωνισμό Red Teaming με βραβείο ύψους 500.000 δολαρίων και σχεδιάζει να διαθέσει ως open source ένα σύνολο δεδομένων αξιολόγησης βασισμένο σε επικυρωμένα ευρήματα.

Τι αλλάζει η κυκλοφορία μόνο-βαρών για ομάδες που τρέχουν τη δική τους υποδομή

Η συγκεκριμένη επίπτωση του gpt-oss είναι ότι η συλλογιστική ικανότητα ποιότητας OpenAI είναι πλέον κάτι που φιλοξενείτε εσείς, όχι κάτι που καλείτε μέσω API. Για ομάδες με περιορισμούς παραμονής δεδομένων, απαιτήσεις on-premises ή ανάγκη βελτιστοποίησης σε ιδιόκτητα δεδομένα, η άδεια Apache 2.0 και οι απαιτήσεις μνήμης 80GB / 16GB αίρουν τα δύο συνήθη εμπόδια: τους νομικούς όρους και το κόστος υλικού.

Ωστόσο, αυτό σημαίνει ότι αναλαμβάνετε εσείς όσα διαχειριζόταν προηγουμένως το API του OpenAI. Δεν υπάρχει διαχειριζόμενο endpoint, ούτε πολυτροπικότητα, ούτε ενσωματωμένα εργαλεία — συναρμολογείτε το inference μέσω vLLM, Ollama ή κάποιου τρίτου πάροχου, συνδέετε τη μορφή harmony και κατασκευάζετε τη δική σας παρακολούθηση αλυσίδας σκέψης αντί να εμπιστεύεστε ένα φιλοξενούμενο επίπεδο ασφάλειας. Η αλυσίδα σκέψης χωρίς επίβλεψη, την οποία το OpenAI κράτησε αναγνώσιμη για ερευνητικούς σκοπούς, είναι επίσης το στοιχείο που πρέπει να κρατήσετε μακριά από τους χρήστες σας. Το gpt-oss μειώνει το εμπόδιο για την τοπική εκτέλεση συλλογιστικής επιπέδου αιχμής· ανεβάζει τον πήχη για τη σκαλωσιά ενορχήστρωσης και ασφάλειας που πρέπει πλέον να παρέχετε εσείς οι ίδιοι.