GPT OSS 120B
推理大模型GPT Opensources 120B
模型基本信息
是否支持推理过程
支持
最高上下文输入长度
128K tokens
最长输出结果
131072 tokens
模型类型
推理大模型
发布时间
2025-08-06
模型预文件大小
240GB
推理模式
开源和体验地址
官方介绍与博客
官方论文
DataLearnerAI博客
API接口信息
接口速度（满分5分）
接口价格
默认单位：$/100万 tokens；若计费单位不同，则以供应商公开的原始标注为准。
| 模态 | 输入 | 输出 |
|---|---|---|
| 文本 | 0.15 美元/100万 tokens | 0.6 美元/100万 tokens |
GPT OSS 120B模型在各大评测榜单的评分
综合评估
共 6 项评测编程与软件工程
共 3 项评测数学推理
共 3 项评测常识推理
共 1 项评测指令跟随
共 1 项评测发布机构
GPT Opensources 120B模型解读
OpenAI 在 2025 年 8 月推出了 gpt-oss-120b，这是一款开源权重的大规模推理模型，采用 Mixture-of-Experts（MoE）架构，定位为高性价比的可部署推理方案。模型权重与推理实现以 Apache-2.0 许可发布，并配套了使用政策文件，确保在开放使用的同时兼顾合规性与安全性。
该模型的设计目标是在单卡 80GB GPU 环境下运行完整 120B 参数版本，同时保持较高的推理性能和可扩展性。通过精心的路由策略与稀疏激活，gpt-oss-120b 在多项评测中表现接近 OpenAI 的 o4-mini，并支持完整的链式思考输出与工具调用。
核心架构特性
- 层数与专家：36 层 Transformer，每层 MoE 模块含 128 个专家，推理时激活 Top-4。
- 注意力机制：交替的稀疏带状窗口与全局密集注意力。
- 参数规模：总参数约 1168 亿，但每次推理仅激活约 51 亿参数。
- 上下文长度：原生支持 131,072 个 token，采用 RoPE 与 YaRN 扩展。
- 显存需求：单卡 80GB 可运行全量版本，另有 20B 精简版适配 16GB 设备。
这些设计让模型在保持规模的同时显著降低了单次推理成本，也为部署在本地或云端提供了更灵活的选择。
训练与对齐
gpt-oss-120b 在大规模混合数据上训练，涵盖通用文本、编程与 STEM 领域，知识更新至 2024 年 6 月。训练完成后，模型经过监督微调和强化学习优化，不同任务可切换推理努力等级，并支持输出完整的推理链路。
它使用 harmony 格式进行对话交互，官方提供了渲染模板和配套库，方便开发者快速集成到已有系统中。
评测表现
在 AIME、HLE、MMLU、GPQA 等基准上，gpt-oss-120b 的得分普遍高于 o3-mini，部分任务接近 o4-mini。在代码生成、数学推理和工具调用方面表现稳定，但在事实性问答和指令防御上略有不足，幻觉率高于 o4-mini。这意味着在生产部署中，最好配合检索、浏览与结果验证机制，以确保可靠性。
GPT-OSS-120B的评测对比可以参考：
安全性与稳健性
OpenAI 对 gpt-oss-120b 进行了对抗性安全评估，包括在生物、化学和网络安全领域的微调实验，未达到高风险能力阈值。在拒绝越狱的表现上与 o4-mini 接近，但在复杂提示注入的防御上略逊一筹。
部署与生态
开发者可以通过 Hugging Face 获取权重，并使用官方提供的 PyTorch、Triton、Metal 实现进行本地推理。模型兼容 Transformers、vLLM、Ollama、LM Studio 等主流推理框架，也已在部分云平台上线。对于需要在低显存硬件上运行的场景，可选择 20B 参数版本作为替代。
总结
gpt-oss-120b 在开源权重模型中，结合了大规模 MoE 架构、高推理性能和较低的部署门槛，为企业和开发者提供了一个可控、可定制的推理模型选择。虽然在部分稳健性和事实性上仍有改进空间，但在数据主权、离线可用性和工具集成等方面具有明显优势。
关注DataLearnerAI公众号
关注DataLearnerAI微信公众号，接受最新大模型资讯
