OpenAI 回歸初心：發布 2019 年以來首批開源模型

在一項震撼 AI 社群的重大舉措中，OpenAI 發布了自 2019 年以來首批開放權重模型。該公司宣布推出兩個新模型——gpt-oss-120b 和 gpt-oss-20b——使用者可以下載並在自己的硬體上執行，而非透過雲端存取。這標誌著 OpenAI 策略的重大轉變，在專注於 GPT-4 等專有封閉式模型多年後，重新回歸開源根基。

這些開源模型的發布正值 AI 領域競爭日趨激烈之際，Meta 的 Llama 和 Mistral AI 等競爭對手憑藉自家開源產品獲得了顯著進展。透過在 Apache 2.0 授權下免費提供這些模型，OpenAI 正策略性地定位自己，以在封閉和開放 AI 生態系統中都保持相關性。

與需要強大伺服器基礎設施的 OpenAI 雲端模型不同，新的 gpt-oss 模型設計為可在較為平實的硬體配置上執行。較大的 gpt-oss-120b 模型擁有 1170 億參數，但採用專家混合（MoE）架構，將每個 token 的活躍參數減少至僅 51 億。這項創新讓模型能在單一 AI 加速器 GPU（如 Nvidia H100）上執行，儘管需要約 80GB 記憶體，這超出了大多數消費級設備的能力範圍。

較小的 gpt-oss-20b 更加親民，總共 210 億參數透過 MoE 技術減少至每個 token 36 億參數。根據 OpenAI 表示，這個模型可以在僅需 16GB 記憶體的消費級機器上執行，適合本地開發、邊緣運算以及資料隱私至關重要的情況。兩個模型都擁有令人印象深刻的 128,000 token 上下文視窗，讓它們能在單次操作中處理大量文字。

這些新模型的突出特色是可配置的思維鏈（CoT）能力。使用者可以將推理層級設定為低、中或高，較高設定會產生更好的輸出，但代價是增加運算資源和時間消耗。這種靈活性讓開發者只需調整系統提示中的一行，就能在效能與資源限制之間取得平衡。

在效能方面，OpenAI 聲稱 gpt-oss-120b 在大多數測試中的基準表現介於他們的專有 o3 和 o4-mini 模型之間，而 gpt-oss-20b 的表現類似於 o3-mini。這些模型在數學和程式設計任務中表現特別出色，儘管在知識型測試（如人類最終考試）中表現較為遜色，o3 使用工具得分 24.9%，相較之下 gpt-oss-120b 為 19%。

值得注意的是，這些開源模型僅支援文字，缺乏 OpenAI 最新專有產品的多模態能力。這項限制是刻意設計的，因為該公司將這些模型視為雲端服務的補充，而非替代品。他們特別強調低延遲、客製化和現場資料安全為優先考量的使用情境。

OpenAI 在這些發布中認真對待安全性。該公司進行了廣泛測試，包括嘗試「將 gpt-oss 調教成邪惡」作為安全評估的一部分。根據他們的準備框架，即使是經過對抗性微調的模型版本，也未能在生物、化學、網路或 AI 自我改進類別中達到高能力水準。這表明 OpenAI 的審慎對齊和指令層級方法為防範嚴重濫用提供了有意義的保護措施。

這次發布的策略意義重大。透過提供與專有雲端服務良好整合的開源模型，OpenAI 正在創建一個端到端生態系統，即使客戶需要在本地處理資料時，也能將他們保持在自己的技術軌道內。這一舉措直接對抗了完全開源 AI 供應商日益增長的影響力，確保 OpenAI 在整個 AI 部署情境範圍內保持相關性。

對開發者社群而言，這些模型代表了重大機會。Apache 2.0 授權允許廣泛修改和商業使用，讓研究人員和企業能夠針對特定應用微調模型，而不必擔心困擾其他一些開放模型的授權問題。Microsoft Azure 等主要雲端供應商已經開始將這些模型整合到他們的 AI 平台中，Azure AI Foundry 提供簡化的部署選項。

這次發布也強化了讓強大 AI 能力民主化的更廣泛趨勢。隨著 OpenAI、Meta、Mistral 等公司之間競爭加劇，最終受益者是開發者和終端使用者，他們能以更少限制和更低成本獲得日益強大的模型。

如果你有興趣親自試用這些模型，它們今天就可以在 HuggingFace 上下載，GitHub 儲存庫提供額外資源和文件。OpenAI 也在自己的基礎設施上託管標準版本供測試使用，詳細技術訊息可透過他們的模型卡和研究部落格文章取得。

隨著開放和封閉 AI 之間的界線持續模糊，OpenAI 的最新舉措表明，未來可能不是贏者全拿，而是一個多元生態系統，兩種方法共存並相互補充。對於一家名稱有時似乎與其商業實務不符的公司而言，gpt-oss 的發布代表了朝向實現 OpenAI 中「Open」字面意義的有意義一步。