OpenAI har uventet rystet landskabet for kunstig intelligens med lanceringen af GPT-OSS , deres første store open source-model i over fem år. Denne udvikling markerer et afvigelse fra virksomhedens seneste strategi, som primært havde fokuseret på proprietære modeller og lukkede tjenester. Med GPT-OSS vender OpenAI tilbage til sine rødder og åbner døren for, at enhver eller enhver organisation kan få adgang til, køre og tilpasse en kraftfuld sprogmodel uden at være afhængig af sin cloudplatform eller internetforbindelser.
Den nye model fås i to versioner: en med 120.000 milliarder parametre og en lettere med 20.000 milliarder . Den kraftigere variant kan køre på en enkelt professionel GPU med mindst 80 GB hukommelse, mens den mindre version er rettet mod konventionelle stationære og bærbare computere med 16 GB RAM, hvilket demokratiserer adgangen til avancerede AI-funktioner betydeligt . Begge versioner kan downloades gratis fra platforme som Hugging Face og implementeres på populære tjenester som Azure eller AWS.
Tekniske egenskaber og anvendt teknologi
Med GPT-OSS har OpenAI introduceret to modeller designet med en Transformer-baseret arkitektur og mixture-of-experts (MoE) . Dette optimerer hukommelsesforbrug og latenstid ved kun at aktivere en udvalgt brøkdel af eksperter pr. input-token, hvilket øger effektiviteten uden at ofre strøm. 120B-udgaven bruger 36 blokke og aktiverer 5.100 milliarder parametre pr. token, mens 20B-udgaven bruger 24 blokke og aktiverer 3.600 milliarder, hvilket gør den velegnet til mere overkommelig hardware.
Begge modeller blev primært trænet på engelsksprogede data fra STEM-felter, programmering og almen viden , inklusive en yderligere fase med overvåget tuning og forstærkning for at forbedre deres overensstemmelse med menneskelige instruktioner . Deres evner omfatter tankekæderæsonnement , evnen til at opdele mellemliggende trin, før der gives et svar, og brugen af eksterne værktøjer såsom websurfing og Python-kodeudførelse.
Tilgængelighed, licens- og integrationsmuligheder
En af de største fordele ved GPT-OSS er dens Apache 2.0-licens , som eliminerer mange af de sædvanlige begrænsninger fra andre proprietære modeller: den muliggør kommerciel brug, omdistribution og integration i alle typer projekter, fra små startups til store offentlige organisationer eller F&U-initiativer. Modelvægtene er tilgængelige i MXFP4-format og inkluderer referenceimplementeringer i PyTorch og Apple Metal, samt fuld kompatibilitet med værktøjer som Ollama, llama.cpp, LM Studio og vLLM , hvilket letter brugen i både professionelle og hjemmemiljøer.
Installation og implementering af GPT-OSS-20B er særligt nemt takket være værktøjer som LM Studio, der giver brugere uden programmeringserfaring mulighed for at downloade og teste modellen lokalt ved hjælp af en grafisk brugerflade. Derudover har OpenAI udgivet anbefalinger og detaljeret dokumentation til finjustering og tilpasning af modellerne, samt færdige integrationer til cloud- og lokale platforme.
Sikkerhed, testning og ansvarlig tilgang
Lanceringen af GPT-OSS har ikke kun fokuseret på åbenhed, men også på sikkerhed og ansvarlig brug af modellerne. OpenAI har indarbejdet nye gennemgangs- og valideringsmekanismer for at forhindre risici forbundet med misbrug, især inden for følsomme områder som cybersikkerhed og oprettelse af ondsindede agenter. Med dette for øje har det implementeret en kontradiktorisk testmetode (red teaming) med eksterne gennemgange foretaget af uafhængige eksperter og protokoller til at simulere ekstreme udnyttelsesscenarier.
Sideløbende med udgivelsen af modellerne har OpenAI lanceret en netværksteaming-udfordring med økonomiske belønninger til dem, der identificerer sårbarheder eller problematisk adfærd og søger aktivt samarbejde fra det globale samfund om risikodetektion. Derudover afdækker GPT-OSS sin ræsonnementskæde , hvilket letter revision af svar og overvågning for at forhindre bias eller kritiske fejl.
Ydeevne og sammenligning med andre åbne modeller
I akademiske benchmarks og ræsonnementstests klarer GPT-OSS-120B sig på niveau med, og overgår endda på nogle områder, nyere proprietære OpenAI-modeller som o4-mini, og overgår andre som DeepSeek R1 eller Llama-serien i visse sammenhænge. 20B-versionen, der er optimeret til hjemmeenheder, opretholder en fremragende balance mellem effektivitet og ydeevne med yderst konkurrencedygtige scorer i matematik, kodning og sundhedsopgaver.
OpenAI advarer om, at disse åbne modeller kan være mere tilbøjelige til "hallucinationer" (faktuelle fejl) sammenlignet med deres cloudbaserede modparter, givet forskellene i træning og overvågning. Brugere har dog nu mulighed for at bruge modeller på højt niveau uden at have brug for onlinetjenester.
