OpenAI于当地时间周二正式宣布推出两款全新的开源AI推理模型，其性能与此前备受关注的o系列模型不相上下。这两款模型在多个权威公开基准测试中均展现出卓越表现，被OpenAI誉为”顶尖水平”。这一举措再次彰显了OpenAI的初心与使命——自2015年创立以来，始终致力于让通用人工智能（AGI）的福祉惠及全人类。OpenAI CEO山姆·奥特曼表示：”我们热切期待全球开发者能够基于美国创造的、秉持我们价值观的开源AI堆栈构建创新技术，让这些先进的AI能力免费服务于大众，创造更多社会价值。”
两款备受瞩目的开源模型分别是：
– gpt-oss-120b：作为规模更大的模型，其性能表现更为出色，甚至能够在单张Nvidia显卡上流畅运行，为开发者提供了强大的算力支持。
– gpt-oss-20b：设计更为轻量化，特别适合资源有限的开发环境，甚至可以在配备16GB内存的普通笔记本电脑上高效运行，大大降低了AI技术的使用门槛。
此次发布标志着OpenAI自五年前推出GPT-2以来，首次向公众呈现新的开源大语言模型。值得注意的是，OpenAI透露，当开发者面临复杂任务挑战时，如图像处理等，这些开源模型可以与OpenAI的闭源模型形成互补，实现协同工作，为开发者提供更全面的AI解决方案。
回顾OpenAI的发展历程，虽然早期曾积极推动模型开源，但近年来逐渐转向闭源策略，通过API接口向企业和开发者提供付费访问服务，成功构建了庞大的商业模式。最新数据显示，ChatGPT的周活跃用户已突破7亿大关，较去年同期实现了四倍的惊人增长。今年1月，OpenAI CEO山姆·奥特曼曾表示，在开源问题上，OpenAI可能”做出了历史性的错误选择”。4月，他在X平台上预告将在数月内发布带推理能力的开放权重模型。然而7月，他又宣布将开源模型的发布无限期推迟。令人意外的是，不到一个月后，奥特曼便”食言”了。
当前开源模型市场格局已发生深刻变化。截至7月31日，GitHub Trending平台上排名前十的模型中，全部都是中国的开源模型，展现出强大的竞争力。其中，Qwen系列独占五席，占据开源世界半壁江山；智谱GLM-4.5位居榜首，Air排名第6；混元3D世界模型作为唯二的多模态模型，位列第3。相比之下，几乎所有美国AI公司都选择了闭源路线，对大模型进行技术封锁。曾经作为开源AI模型领域领军企业的Meta，其Llama系列模型在过去一年中逐渐落后。7月30日，马克·扎克伯格在公开信中坦言，将”谨慎选择”哪些模型继续开源，哪些则转为闭源。这位曾经的”开源旗手”正式转向，为闭源策略留下了空间。就在公开信发布前一周，《纽约时报》报道，Meta新成立的超级智能实验室已暂停最大开源模型”Behemoth”的内部测试，原因是”性能未达预期”。
在此背景下，特朗普政府于7月呼吁美国AI公司加大开源力度，推动全球采用符合美国价值观的AI技术。OpenAI此次推出gpt-oss正是积极响应这一号召，希望通过这一举措赢得开发者和政府的双重认可，同时应对来自中国AI的激烈竞争。
OpenAI宣称，此次推出的开源模型在性能上已达到同类领先水平。在编程竞赛平台Codeforces（工具辅助）测试中：gpt-oss-120b得分2622分；gpt-oss-20b得分2516分。两款模型表现优于DeepSeek的R1模型，但略逊于o3和o4-mini。（OpenAI开源模型在Codeforces上的表现）在另一项跨学科测试——Humanity’s Last Exam（工具辅助）中：gpt-oss-120b得分19%；gpt-oss-20b得分17.3%。成绩同样不及o3模型，但超过了DeepSeek和通义千问等现有顶尖开源模型。（OpenAI开源模型在Humanity’s Last Exam测试中的表现）
值得注意的是，这两款开源模型的”幻觉”问题（生成虚假信息）发生率明显高于最新的闭源模型o3和o4-mini。OpenAI解释称，这与小型模型知识储备不足、更容易产生幻觉的预期结果一致。在OpenAI内部用于测试人物相关知识准确性的PersonQA基准中：gpt-oss-120b幻觉率高达49%；gpt-oss-20b幻觉率为53%。相比之下，早期的o1模型仅为16%，最新的小型闭源模型o4-mini为36%。
在训练方法上，OpenAI表示，开源模型与闭源模型采用了相似的专家混合（MoE）机制，显著提升了模型运行效率。例如，拥有1170亿参数的gpt-oss-120b，每次推理实际调用的参数仅有51亿个。OpenAI特别强调，这些开源模型特别适合用于AI智能体，可调用网络搜索、Python代码执行等工具辅助推理。但目前它们仅支持文本处理，无法处理图像或音频。
OpenAI以Apache 2.0开源许可协议发布新模型，这意味着企业可以免费使用甚至进行商业化，无需获得OpenAI的额外授权。这两款模型此前曾因安全考量多次延迟发布。经测试，新模型在生化攻击等方面的潜在风险略有提升，但并未达到”危险”的能力门槛，仍在可控范围内。
