A OpenAI lança o gpt-oss-120b e o gpt-oss-20b sob a 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. Estes são os primeiros modelos de linguagem de pesos abertos da empresa desde o GPT-2 e, ao contrário do Whisper ou do CLIP, visam o raciocínio geral e a utilização de ferramentas.

Ambos são Transformers do tipo mixture-of-experts. O modelo 120b tem 117 mil milhões de parâmetros no total, mas ativa apenas 5,1 mil milhões por token ao longo de 36 camadas, com 4 dos 128 especialistas ativos em simultâneo. O modelo 20b ativa 3,6 mil milhões dos 21 mil milhões de parâmetros totais, recorrendo a 4 dos 32 especialistas. Ambos suportam um contexto de 128k via RoPE e usam atenção multi-query agrupada com um tamanho de grupo de 8.

O dimensionamento é intencional. Fornecido nativamente quantizado em MXFP4, o gpt-oss-120b cabe em 80GB de memória — uma única GPU topo de gama — enquanto o gpt-oss-20b corre em 16GB, ficando ao alcance de portáteis de consumo e dispositivos edge. A OpenAI posiciona o 120b como praticamente equivalente ao o4-mini nos principais testes de raciocínio, e o 20b como comparável ao o3-mini.

Pesos, não um endpoint

Este é um modelo de distribuição diferente dos habituais lançamentos de produtos da OpenAI. Não existe uma API hospedada para o gpt-oss. A empresa afirma apenas que 'poderá considerar suporte de API para o gpt-oss no futuro' e encaminha os desenvolvedores que procuram suporte multimodal e ferramentas integradas de volta para a sua plataforma de API proprietária.

Para tornar a utilização apenas com pesos viável, a OpenAI coordenou-se antecipadamente com plataformas de implementação, incluindo vLLM, Ollama, llama.cpp, LM Studio, Azure, AWS, Fireworks, Together AI, entre outras, e trabalhou com a NVIDIA, AMD, Cerebras e Groq na otimização de hardware. A Microsoft está a trazer o gpt-oss-20b otimizado para GPU ao Windows através do Foundry Local e do AI Toolkit para o VS Code, via ONNX Runtime.

A OpenAI também abriu o código da infraestrutura de suporte: o tokenizador o200k_harmony, um renderizador harmony em Python e Rust para o formato de prompt harmony em que os modelos foram pós-treinados, além de implementações de inferência de referência para PyTorch e Apple Metal. Os parceiros iniciais nomeados, AI Sweden, Orange e Snowflake, exploraram hospedagem on-premises e ajuste fino (fine-tuning) em conjuntos de dados especializados.

Cadeia de raciocínio não supervisionada — e um aviso para não a mostrar

Os modelos expõem a cadeia de raciocínio (CoT) completa e suportam três níveis de esforço de raciocínio — baixo, médio, alto — configuráveis com uma única frase na mensagem de sistema. É de notar que a OpenAI não aplicou qualquer supervisão direta à CoT de nenhum dos dois modelos, argumentando que deixar o raciocínio não monitorizado preserva a sua utilidade como sinal para detetar comportamentos indevidos, engano e utilização abusiva.

Esta decisão de design vem acompanhada de um aviso inusitadamente direto: os desenvolvedores não devem mostrar a CoT aos utilizadores. O próprio exemplo da OpenAI torna a razão concreta. Dada uma instrução para nunca dizer a palavra 'cinco', o traço de raciocínio do modelo trabalha abertamente com a palavra proibida antes de produzir uma resposta final em conformidade — contando '1, 2, 3, 4, … e depois cerca de 4,9'.

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

Para equipas que constroem fluxos de trabalho agênticos, isto divide o modelo em duas superfícies com propriedades de segurança distintas: uma camada de output em conformidade, segura para expor, e uma camada de raciocínio bruto que pode conter conteúdo com alucinações ou que viola políticas, e que deve ser isolada dos utilizadores finais.

Testar o modo de falha dos pesos abertos

Como disponibilizar pesos significa que adversários os podem ajustar (fine-tune), a OpenAI realizou um teste pré-lançamento pouco habitual: construiu deliberadamente versões sem recusas, específicas de domínio, em biologia e cibersegurança — 'da forma como um atacante poderia fazer' — usando a sua própria infraestrutura de treino, e depois avaliou-as segundo o seu Preparedness Framework.

A OpenAI relata que esses modelos maliciosamente ajustados não conseguiram atingir níveis elevados de capacidade segundo o seu framework, e afirma que este resultado influenciou a decisão de lançamento. Três grupos independentes de especialistas reviram a metodologia e fizeram recomendações, muitas das quais foram adotadas. A empresa está também a decorrer um Red Teaming Challenge com um fundo de premiação de 500.000 dólares e planeia disponibilizar em código aberto um conjunto de dados de avaliação a partir das descobertas validadas.

O que a disponibilização apenas de pesos muda para equipas que gerem a sua própria infraestrutura

A implicação concreta do gpt-oss é que o raciocínio com a qualidade da OpenAI passa a ser algo que se hospeda, não algo que se chama via API. Para equipas com restrições de residência de dados, requisitos on-premises ou necessidade de ajuste fino em dados proprietários, a licença Apache 2.0 e os alvos de memória de 80GB / 16GB removem os dois obstáculos habituais: termos legais e custo de hardware.

Mas assumir isto significa passar a gerir aquilo que a API da OpenAI antes tratava por si. Não há endpoint gerido, não há multimodalidade e não há ferramentas integradas — monta-se a inferência através de vLLM, Ollama ou de um fornecedor terceiro, configura-se o formato harmony e constrói-se a própria monitorização da cadeia de raciocínio, em vez de confiar numa camada de segurança hospedada. A CoT não supervisionada que a OpenAI manteve legível para fins de investigação é também aquilo que é preciso manter afastado dos utilizadores. O gpt-oss reduz a barreira para correr raciocínio de ponta localmente; eleva a exigência sobre a orquestração e a estrutura de segurança que agora têm de ser fornecidas por conta própria.