实测对比OpenAI开源的gpt-oss，奥特曼给的是诚意还是糊弄？

昨晚，OpenAI说了大半年的开源终于兑现了。上一次开源还是2019年的GPT-2。

开源模型的名称很特别：gpt-oss，不是我们见过的GPT-4系列更不是“狼来了”的GPT-5，也不是推理模型o3、o4系列。Oss具体含义官方尚未公布，但大概率是open source series（开源系列）的缩写。

这次OpenAI开源了 gpt-oss-120b 和 gpt-oss-20b 两个MoE架构的文本模型，原生基于MXFP4训练，采用Apache 2.0开源协议。

其中gpt-oss-120b总参数达1170亿，激活参数仅 51 亿。包含36层和128个专家，每次激活4个专家；gpt-oss-20b：总参数210 亿，激活参数36亿，拥有24层和32个专家，同样每次激活4个专家。

模型在ollama、huggingface都可以下载使用。gpt-oss-120b模型需要显存65G以上（运行需要多张高性能显卡桥接），gpt-oss-20b需要14G显存以上（推荐4080及以上显卡）。

除了 MoE 架构，这两个模型还融合了多项技术，如交替使用的密集和局部带状稀疏注意力机制、分组多查询注意力（grouped multi-query attention）、旋转位置嵌入（RoPE）、能够处理长达128k的上下文窗口。

预训练、后训练方法

预训练阶段，gpt-oss 在一个以英文为主、专注于 STEM（科学、技术、工程和数学）、编程及通用知识的纯文本数据集上进行训练。分词器用的是跟o4-mini和GPT-4o上使用的相同分词器o200k_harmony，在GitHub也同时开源了。在数据处理上，OpenAI 特别过滤了与化学、生物、放射性和核（CBRN）相关的有害信息，以确保模型的安全性。

后训练阶段，流程与o4-mini类似，包含了监督微调（supervised fine-tuning）和高计算量的强化学习（RL）两个核心步骤。这一阶段的目标是使模型与OpenAI的模型规范（OpenAIModelSpec）对齐，并教会模型使用“思维链”（Chain-of-Thought, CoT）进行推理和工具使用。一个有意思的设计是，模型支持通过系统消息设置低、中、高三种不同的推理努力程度。在安全方面，模型通过“审慎对齐”（deliberative alignment）和“指令层级”（instruction hierarchy）等技术，学习如何拒绝不安全的指令，确保了其在实际应用中的可靠性。

实测对比gpt-oss-20b VS qwen3-30b

模型好不好用才是最重要的。我们选了两个任务分别测试OpenAI的gpt-oss-20b和阿里的qwen3-30b，分别代表创意写作和代码能力。测试环境是ollama的0.11.2版本（ollama有UI界面了）。

任务1：写一首莎士比亚风格的十四行诗

难点：结构和规律较为复杂，分为三段四行诗和一个结尾的两行对句。十四行中每行结尾韵脚格式通常为abab cdcd efef gg。

gpt-oss-20b的回答

思考长达10分钟，可以看到“光”“王”“心”“今”等字的重复，而不是韵母重复。但基本符合十四行诗韵脚规则。

qwen3-30b的回答

思考仅40秒，但第三小部分末尾的“心”“冰”“沦”“空”不符合EFEF的规则。押韵好得多。

任务2：小球旋转碰撞实验

难点：要写代码还要考虑物理规律

提示词：

生成一个html文件，展示5个小球在5层有缺口的同圆心的圆形旋转球壳中的碰撞运动轨迹。小球出现位置在圆心附近，小球受重力和弹力影响。每层球壳的表面除了缺口占1/10外都是封闭的，而且顺时针和逆时针每层一一交替。维度设定是2D

gpt-oss-20b的回答

思考时间长达11分钟，球壳没有缺口，导致球掉不下来。

qwen3-30b的回答

思考仅7秒，球壳有缺口，但球也掉不下来。有说明、暂停等额外功能。

测试下来的整体感受是：

gpt-oss-20b中文理解不如qwen3-30b，但逻辑能力和稳定性尚可，思考时间较长。gpt-oss-120b能力应该会更好，但是65G的显存要求让绝大部分设备还是没有尝试的机会。

至顶AI实验室洞见

从这次开源可以看见一些创新之处，gpt-oss采用原生MXFP4精度训练，这是很罕见的。年初DeepSeek R1成功采用FP8混合精度训练已经让大家吃了一惊，原生FP4恐怕只会更难。

OpenAI开源的尺寸不够大，诚意不够。本次开源的最强模型仅120b，相比其它厂商开源的最强模型都小得多，然而往往模型越大越强。比如，DeepSeek R1有671b，qwen3有235b，kimi k2大约有1040b。

另外，开源程度还有待提升，相关技术报告没有公开，技术细节不得而知。

开头Sam Altman写了，gpt-oss是几十亿美金研究的结果，钱花得值吗？和MiniMax和DeepSeek花了不到几百万美金搞出M1和R1一对比，不知道是在表达诚意还是别的什么。

总的来说，OpenAI模型开源给电脑端的模型增加了一个选择，但仅限于文本模型。未来oss开源系列是否还会有更多模态的好模型，还需要时间来验证。