OpenAI negaidīti ir satricinājis mākslīgā intelekta ainavu, laižot klajā GPT-OSS — tā pirmo lielo atvērtā pirmkoda modeli vairāk nekā piecu gadu laikā. Šī attīstība iezīmē atkāpšanos no uzņēmuma nesenās stratēģijas, kas galvenokārt bija vērsta uz patentētiem modeļiem un slēgtiem pakalpojumiem. Ar GPT-OSS OpenAI atgriežas pie savām saknēm, atverot durvis ikvienam vai jebkurai organizācijai piekļūt, palaist un pielāgot jaudīgu valodas modeli, nepaļaujoties uz mākoņplatformu vai interneta savienojumiem.
Jaunais modelis ir pieejams divās versijās: viena ar 120.000 miljardiem parametru un vieglāka ar 20.000 miljardiem . Jaudīgākā versija var darboties ar vienu profesionālu grafisko karti ar vismaz 80 GB atmiņu, savukārt mazākā versija ir paredzēta parastajiem galddatoriem un klēpjdatoriem ar 16 GB RAM, ievērojami demokratizējot piekļuvi uzlabotām mākslīgā intelekta iespējām . Abas versijas var bez maksas lejupielādēt no tādām platformām kā Hugging Face un izvietot populāros pakalpojumos, piemēram, Azure vai AWS.
Tehniskās īpašības un izmantotā tehnoloģija
Ar GPT-OSS OpenAI ir ieviesis divus modeļus, kas izstrādāti, izmantojot uz Transformer balstītu arhitektūru un ekspertu sajaukumu (MoE) . Tas optimizē atmiņas izmantošanu un latentumu, aktivizējot tikai noteiktu daļu ekspertu uz vienu ievades marķieri, tādējādi palielinot efektivitāti, nezaudējot jaudu. 120B izdevums izmanto 36 blokus un aktivizē 5.100 miljardu parametru uz vienu marķieri, savukārt 20B izdevums izmanto 24 blokus un aktivizē 3.600 miljardus, padarot to piemērotu pieejamākai aparatūrai.
Abi modeļi galvenokārt tika apmācīti, izmantojot angļu valodas datus no STEM jomām, programmēšanas un vispārējām zināšanām , tostarp papildu uzraudzītas regulēšanas un pastiprināšanas fāzi, lai uzlabotu to atbilstību cilvēku sniegtajām instrukcijām . To iespējas ietver domu ķēdes spriešanu , spēju sadalīt starpposmus pirms atbildes sniegšanas un ārēju rīku, piemēram, tīmekļa pārlūkošanas un Python koda izpildes, izmantošanu.
Pieejamība, licencēšana un integrācijas iespējas
Viena no GPT-OSS galvenajām priekšrocībām ir tās Apache 2.0 licence , kas novērš daudzus ierastos ierobežojumus, kas raksturīgi citiem patentētiem modeļiem: tā ļauj to izmantot komerciāliem mērķiem, izplatīt atkārtoti un integrēt visu veidu projektos, sākot no maziem jaunuzņēmumiem līdz lielām publiskām organizācijām vai pētniecības un attīstības iniciatīvām. Modeļa svari ir pieejami MXFP4 formātā un ietver atsauces implementācijas PyTorch un Apple Metal, kā arī pilnīgu saderību ar tādiem rīkiem kā Ollama, llama.cpp, LM Studio un vLLM , atvieglojot tā lietošanu gan profesionālā, gan mājas vidē.
GPT-OSS-20B instalēšana un izvietošana ir īpaši vienkārša, pateicoties tādām utilītprogrammām kā LM Studio, kas ļauj lietotājiem bez programmēšanas pieredzes lejupielādēt un testēt modeli lokāli, izmantojot grafisko saskarni. Turklāt OpenAI ir publicējis ieteikumus un detalizētu dokumentāciju modeļu precizēšanai un pielāgošanai, kā arī gatavas integrācijas mākoņa un lokālajām platformām.
Drošība, testēšana un atbildīga pieeja
GPT-OSS ieviešana ir koncentrējusies ne tikai uz atvērtību, bet arī uz drošību un modeļu atbildīgu izmantošanu . OpenAI ir ieviesis jaunus pārskatīšanas un validācijas mehānismus, lai novērstu ar ļaunprātīgu izmantošanu saistītus riskus, īpaši tādās jutīgās jomās kā kiberdrošība un ļaunprātīgu aģentu izveide. Šajā nolūkā ir ieviesta konkurējoša testēšanas metodoloģija (red teaming), kurā neatkarīgi eksperti veic ārējas pārskatīšanas un protokoli, lai simulētu ekstremālus ekspluatācijas scenārijus.
Līdztekus modeļu publicēšanai OpenAI ir uzsācis tīkla apvienošanas izaicinājumu ar finansiālu atlīdzību tiem, kas identificē ievainojamības vai problemātisku uzvedību, meklējot aktīvu sadarbību ar globālo kopienu risku noteikšanā. Turklāt GPT-OSS atklāj savu spriešanas ķēdi , atvieglojot atbilžu auditu un uzraudzību, lai novērstu neobjektivitāti vai kritiskas kļūdas.
Veiktspēja un salīdzinājums ar citiem atvērtiem modeļiem
Akadēmiskajos etalonos un spriešanas testos GPT-OSS-120B darbojas līdzvērtīgi un dažās jomās pat pārspēj jaunākos patentētos OpenAI modeļus, piemēram, o4-mini, un noteiktos kontekstos pārspēj citus, piemēram, DeepSeek R1 vai Llama sēriju. 20B versija, kas ir optimizēta mājas ierīcēm, saglabā lielisku līdzsvaru starp efektivitāti un veiktspēju , ar ļoti konkurētspējīgiem rezultātiem matemātikas, kodēšanas un veselības uzdevumos.
OpenAI brīdina, ka šie atvērtie modeļi var būt vairāk pakļauti "halucinācijām" (faktu kļūdām) salīdzinājumā ar to mākonī balstītiem analogiem, ņemot vērā atšķirības apmācībā un uzraudzībā. Tomēr lietotājiem tagad ir iespēja izmantot augsta līmeņa modeļus, neizmantojot tiešsaistes pakalpojumus.
