Hindi inaasahang niyanig ng OpenAI ang tanawin ng artificial intelligence sa paglulunsad ng GPT-OSS , ang una nitong pangunahing open-source model sa loob ng mahigit limang taon. Ang pag-unlad na ito ay nagmamarka ng pag-alis mula sa kamakailang estratehiya ng kumpanya, na pangunahing nakatuon sa mga proprietary model at closed services. Gamit ang GPT-OSS, bumabalik ang OpenAI sa pinagmulan nito, na nagbubukas ng pinto para sa sinuman o anumang organisasyon na ma-access, patakbuhin, at i-customize ang isang makapangyarihang language model nang hindi umaasa sa cloud platform o koneksyon sa internet nito.
Ang bagong modelo ay makukuha sa dalawang bersyon: isa na may 120.000 bilyong parameter at isang mas magaan na may 20.000 bilyon . Ang mas malakas na variant ay maaaring tumakbo sa isang propesyonal na GPU na may hindi bababa sa 80 GB ng memorya, habang ang mas maliit na bersyon ay nakatuon sa mga konbensyonal na desktop at laptop computer na may 16 GB ng RAM, na lubos na nagpapadali sa pag-access sa mga advanced na kakayahan ng AI . Ang parehong bersyon ay maaaring ma-download nang libre mula sa mga platform tulad ng Hugging Face at i-deploy sa mga sikat na serbisyo tulad ng Azure o AWS.
Mga teknikal na katangian at teknolohiyang ginamit
Gamit ang GPT-OSS , ipinakilala ng OpenAI ang dalawang modelo na dinisenyo gamit ang arkitekturang nakabatay sa Transformer at mixture-of-experts (MoE) . Ino-optimize nito ang paggamit ng memorya at latency sa pamamagitan ng pag-activate lamang ng piling bahagi ng mga eksperto sa bawat input token, na nagpapataas ng kahusayan nang hindi isinasakripisyo ang lakas. Ang edisyong 120B ay gumagamit ng 36 na bloke at nag-a-activate ng 5.100 bilyong parameter bawat token, habang ang edisyong 20B ay gumagamit ng 24 na bloke at nag-a-activate ng 3.600 bilyon, na ginagawa itong angkop para sa mas abot-kayang hardware.
Ang parehong modelo ay pangunahing sinanay sa datos na nasa wikang Ingles mula sa mga larangan ng STEM, programming, at pangkalahatang kaalaman , kabilang ang isang karagdagang yugto ng pinangangasiwaang pag-tune at pagpapatibay upang mapabuti ang kanilang pagkakahanay sa mga tagubilin ng tao . Kabilang sa kanilang mga kakayahan ang chain-of-thought reasoning , ang kakayahang buwagin ang mga intermediate na hakbang bago magbigay ng tugon, at ang paggamit ng mga panlabas na tool tulad ng web browsing at Python code execution.
Availability, paglilisensya at mga opsyon sa pagsasama
Isa sa mga pangunahing bentahe ng GPT-OSS ay ang lisensya nitong Apache 2.0 , na nag-aalis ng marami sa mga karaniwang paghihigpit ng iba pang mga modelong pagmamay-ari: pinapayagan nito ang komersyal na paggamit, muling pamamahagi, at pagsasama sa lahat ng uri ng proyekto, mula sa maliliit na startup hanggang sa malalaking pampublikong organisasyon o mga inisyatibo sa R&D. Ang mga bigat ng modelo ay makukuha sa format na MXFP4 at kasama ang mga implementasyon ng sanggunian sa PyTorch at Apple Metal, pati na rin ang ganap na pagiging tugma sa mga tool tulad ng Ollama, llama.cpp, LM Studio, at vLLM , na nagpapadali sa paggamit nito sa parehong propesyonal at mga kapaligiran sa bahay.
Ang pag-install at pag-deploy ng GPT-OSS-20B ay partikular na madali salamat sa mga utility tulad ng LM Studio, na nagbibigay-daan sa mga user na walang karanasan sa programming na i-download at subukan ang modelo nang lokal gamit ang isang graphical interface. Bukod pa rito, ang OpenAI ay naglathala ng mga rekomendasyon at detalyadong dokumentasyon para sa pagpino at pag-aangkop ng mga modelo, pati na rin ang mga handa nang integrasyon para sa cloud at on-premises na mga platform.
Kaligtasan, pagsubok at responsableng diskarte
Ang paglulunsad ng GPT-OSS ay nakatuon hindi lamang sa pagiging bukas kundi pati na rin sa seguridad at responsableng paggamit ng mga modelo. Nagsama ang OpenAI ng mga bagong mekanismo ng pagsusuri at pagpapatunay upang maiwasan ang mga panganib na nauugnay sa maling paggamit, lalo na sa mga sensitibong lugar tulad ng cybersecurity at paglikha ng mga malisyosong ahente. Para sa layuning ito, nagpatupad ito ng isang adversarial testing methodology (red teaming), na may mga panlabas na pagsusuri ng mga independiyenteng eksperto at mga protocol upang gayahin ang mga matinding senaryo ng pagsasamantala.
Kasabay ng paglabas ng mga modelo, naglunsad ang OpenAI ng isang network teaming challenge na may mga gantimpalang pinansyal para sa mga nakakatukoy ng mga kahinaan o problematikong pag-uugali, na humihingi ng aktibong pakikipagtulungan mula sa pandaigdigang komunidad sa pagtuklas ng panganib. Bukod pa rito, inilalantad ng GPT-OSS ang reasoning chain nito , na nagpapadali sa pag-awdit ng mga tugon at pagsubaybay upang maiwasan ang bias o kritikal na mga pagkakamali.
Pagganap at paghahambing sa iba pang bukas na mga modelo
Sa mga akademikong benchmark at mga pagsusulit sa pangangatwiran , ang GPT-OSS-120B ay gumaganap nang kapantay, at nalalagpasan pa nga sa ilang aspeto, ang mga kamakailang proprietary na modelo ng OpenAI tulad ng o4-mini, at nahihigitan ang iba tulad ng DeepSeek R1 o ang seryeng Llama sa ilang partikular na konteksto. Ang bersyong 20B, na na-optimize para sa mga device sa bahay, ay nagpapanatili ng mahusay na balanse sa pagitan ng kahusayan at pagganap , na may lubos na mapagkumpitensyang mga marka sa matematika, coding, at mga gawain sa kalusugan.
Nagbabala ang OpenAI na ang mga bukas na modelong ito ay maaaring mas madaling kapitan ng "mga halusinasyon" (mga pagkakamali sa katotohanan) kumpara sa kanilang mga katapat na nakabatay sa cloud, dahil sa mga pagkakaiba sa pagsasanay at pagsubaybay. Gayunpaman, mayroon na ngayong opsyon ang mga gumagamit na gumamit ng mga modelong may mataas na antas nang hindi nangangailangan ng mga online na serbisyo.
