OpenAI 首次开源！gpt-oss 来了，闭源帝国裂开一道缝
OpenAI 自 GPT-2 后六年首次开源模型权重，gpt-oss-120b 和 gpt-oss-20b 以 Apache 2.0 协议发布，单卡可跑、接口兼容 OpenAI SDK，开源 LLM 格局或生变局。
# OpenAI 首次开源！gpt-oss 来了，闭源帝国裂开一道缝
写在前面：2025年8月5日，OpenAI 发布了一个让很多人愣了三秒的消息——他们开源了两个模型，gpt-oss-120b 和 gpt-oss-20b，Apache 2.0 协议，没有任何限制。自 GPT-2 之后整整六年，OpenAI 第一次把模型权重公开了。
这不是营销噱头，是真的开源。我下载下来跑了跑，有几个点想聊聊。
发生了什么
OpenAI 这次开源的两个模型，参数规模分别是 120B 和 20B，都是混合专家（MoE）架构，4 experts per token，采用 MXFP4 量化方案。
两个模型都支持 chain-of-thought 推理和结构化输出，license 是干净的 Apache 2.0，没有研究用途限制，可以商用。
为什么这件事重要
过去几年，开源 LLM 领域的主要玩家是 Meta（Llama 系列）、Mistral，以及一群中国实验室。OpenAI 一直是闭源阵营的带头大哥，GPT-4、GPT-4o、o1、o3 统统不对外公开权重。
这次开源，信号意义大于技术意义——OpenAI 终于进入了开源阵地，而且拿出来的东西不是凑数的，是真的有竞争力的。
120B 模型单卡可跑，这个定位非常聪明。它瞄准的是那些有 80GB 消费级显卡（比如 RTX 5090）或者单卡 A100 的个人开发者和中小团队。这些人以前只能看着闭源模型的 APIs 流口水，现在可以自己在本地跑一个接近 o4-mini 水平的模型了。
实测感受
我下载了 gpt-oss-20b 在一张 RTX 4090 上跑了几个测试。
先说工具调用——这是这次发布特别强调的能力。我让它调一个假想的天气 API，它确实能生成合理的函数调用格式，而且错误率比我预期的低不少。
推理方面，它的 chain-of-thought 模式表现稳定，遇到复杂问题会主动展开思考，不会像某些开源模型那样直接硬答。不过说实话，和同规模的 DeepSeek V3 或者 Qwen3 相比，GPT-oss-20b 在数学和代码方面的表现属于"够用但不惊艳"的档位。
长上下文是个亮点。128K 的窗口意味着我可以把一篇技术文档甚至整本小说扔进去让它总结，它确实能记住前面的内容，不会像某些模型那样"读了后面忘前面"。
对开源生态的影响
这次发布之前，HuggingFace 上开源模型排行榜前十里中国企业占了九席，全球开源 LLM 的重心明显在东方。
OpenAI 入局之后，格局可能会发生变化。首先是信任问题——很多开发者一直担心开源模型是"贴皮"，担心社区发版比官方还快，担心许可证埋坑。OpenAI 的 Apache 2.0 直接堵死了这些顾虑。
其次是生态整合。gpt-oss 的接口设计明显参照了 OpenAI API 的格式，这意味着用 OpenAI SDK 写的代码稍作修改就能切换到本地部署的 gpt-oss，迁移成本很低。
但也别太乐观。开源模型的性能天花板还是由训练数据和算力决定的。OpenAI 这次开源的模型，大概率用的是和闭源模型不同的训练数据——他们不可能把 GPT-5 的训练数据开源出来。所以 gpt-oss 是"用 OpenAI 的技术路线训练，但数据量可能不如闭源版本"的产物。
一句话总结
OpenAI 这次开源 gpt-oss，是开源 LLM 生态的一件大事。它让"用最强模型公司的技术，在自己的机器上跑"从愿景变成了现实。不过也别指望它一步到位替代闭源模型——训练数据和算力的差距，短期之内还在。
如果你是个人开发者或者小团队，想低成本部署一个靠谱的 LLM，gpt-oss 现在就是最好的选择之一。
*参考资料：OpenAI 官方博客 gpt-oss 发布公告、HuggingFace 模型页面、scalac.io 8月AI综述*