gpt-oss-120b

gpt-oss-120b · Rodzina: gpt-oss

Otwartowagowy model rozumujący OpenAI (MoE, 117B/5,1B aktywnych) na licencji Apache 2.0; mieści się na jednym GPU 80 GB. Konfigurowalny wysiłek rozumowania.

✓ Aktywny✓ Publiczny dostęp⚖ Open weightsModel rozumowaniaLLMModel używający narzędzi📁 gpt-oss

Okno kontekstowe

128K

tokenów

Parametry

117B (5,1B aktywnych)

parametrów

Max output

131 072

tokenów

Data premiery

5 sierpnia 2025

🏢OpenAIProducent

Dostęp:APIDownloadHostedWdrożenie:💻 Lokalnie☁ Cloud

Przegląd

gpt-oss-120b to otwartowagowy model rozumujący OpenAI, wydany 5 sierpnia 2025 r. wraz z mniejszym gpt-oss-20b. Modele udostępniono na licencji Apache 2.0, z pełnym dostępem do wag, co pozwala na komercyjne i niekomercyjne wdrożenia oraz dostrajanie.

Model wykorzystuje architekturę mixture-of-experts (MoE) opartą na transformerze: 117 mld parametrów łącznie, z czego 5,1 mld jest aktywnych na token; 128 ekspertów (4 aktywne na token) i 36 warstw. Dzięki kwantyzacji MXFP4 wag MoE model mieści się na pojedynczym GPU 80 GB (np. NVIDIA H100 lub AMD MI300X).

gpt-oss-120b to model rozumujący z konfigurowalnym poziomem wysiłku (low/medium/high) i widocznym łańcuchem myśli. Obsługuje okno kontekstowe 131 072 tokenów, użycie narzędzi (przeglądanie sieci, wykonywanie kodu Python), wywoływanie funkcji oraz wyjście strukturyzowane; wymaga formatu odpowiedzi harmony. Przyjmuje i generuje wyłącznie tekst. Data graniczna wiedzy to czerwiec 2024.

W testach (tryb wysokiego rozumowania) model osiąga 96,6% na AIME 2024 i 97,9% na AIME 2025 (z narzędziami), 80,9% na GPQA Diamond, 90,0% na MMLU, 2622 Elo na Codeforces oraz 57,6% na HealthBench. OpenAI podaje, że gpt-oss-120b osiąga wyniki zbliżone do modelu o4-mini. Model jest dostępny do pobrania na Hugging Face oraz przez wielu dostawców inferencji.

Klasyfikacja

Model rozumowaniaLLMModel używający narzędzi

Rodzina: gpt-oss

Zastosowania

Kodowanie Autonomiczne workflow agentowe Q&A / Odpowiadanie na pytania Asystent badawczy

Dostęp i wdrożenie

APIPobieranieHostowane

LokalnieChmura

Wagi: Open weights

Kluczowe parametry

📏 Kontekst: 128K

🧩 Parametry: 117B (5,1B aktywnych)

✓ Narzędzia · ✓ Fine-tuning

📥 Wejście: tekst

Platformy

OpenAI API Hugging Face Hub Ollama OpenRouter Amazon Bedrock Microsoft Azure AI Foundry Vertex AI

Specyfikacja techniczna

Okno kontekstowe

128K

tokenów

Parametry

117B (5,1B aktywnych)

parametrów

Max output tokens

131 072

tokenów na odpowiedź

Knowledge cutoff

1 cze 2024

Data graniczna wiedzy

Licencja

Apache 2.0

Wymagania sprzętowe

Mieści się na pojedynczym GPU 80 GB (np. NVIDIA H100 lub AMD MI300X) dzięki kwantyzacji MXFP4 wag MoE.

Funkcje:✓ Używanie narzędzi✓ Fine-tuning

Modalności

⬇ Wejście (Input)

text

⬆ Wyjście (Output)

textcode

Możliwości i zastosowania

Natywne możliwości modelu

Zaawansowane rozumowanie

Zdolność do wieloetapowego, ustrukturyzowanego rozumowania: analiza problemów, planowanie kroków, wnioskowanie na podstawie hipotez. Modele reasoning-first (np. GPT-5.1 Thinking) dedykują część inferencji na łańcuchy myślowe zanim udzielą odpowiedzi.

Kategoria: reasoning

Rozumowanie matematyczne

Zdolność modelu do rozwiązywania zadań matematycznych wymagających wieloetapowego rozumowania — równania, dowody, kombinatoryka, geometria, rachunek różniczkowy, zadania konkursowe.

Kategoria: reasoning

Programowanie

Generowanie, analizowanie i modyfikowanie kodu w wielu językach programowania. Obejmuje pisanie funkcji, debugowanie, refaktoryzację, code review, tworzenie testów. Mierzone benchmarkami takimi jak HumanEval, SWE-bench.

Kategoria: coding

Zdolności agentowe

Zdolność modelu do autonomicznego planowania i wykonywania wieloetapowych zadań poprzez sekwencyjne użycie narzędzi, utrzymywanie kontekstu i adaptację do wyników pośrednich.

Kategoria: planning

Użycie narzędzi

Zdolność modelu do wywoływania zewnętrznych funkcji, API i narzędzi w trakcie rozmowy: kalkulator, wyszukiwarka, edytor kodu, baza danych. Model decyduje kiedy i jak użyć narzędzia oraz interpretuje jego wynik.

Kategoria: planning

Wyjście strukturyzowane

Generowanie danych w ustrukturyzowanych formatach, np. JSON.

Kategoria: structured_generation

Długi kontekst

Obsługa dużych okien kontekstowych — dziesiątek do setek tysięcy (lub milionów) tokenów wejścia. Umożliwia analizę całych baz kodu, długich dokumentów, wielu równolegle rozmów bez utraty wcześniejszych informacji. GPT-5.1 wspiera 400 000 tokenów.

Kategoria: language

Adaptacyjny wysiłek rozumowania

Model sam decyduje ile 'myślenia' poświęcić na konkretne zapytanie: proste pytania odpowiadane szybko, złożone problemy dostają więcej cykli inferencji. Cecha GPT-5.1 (Instant i Thinking) skracająca czas dla łatwych zadań, wydłużająca dla trudnych.

Kategoria: reasoning

Dziedziny zastosowań

Kodowanie Autonomiczne workflow agentowe Q&A / Odpowiadanie na pytania Asystent badawczy

Wyniki benchmarków

7 benchmarków

AIME 2024

accuracy · tryb wysokiego rozumowania, z narzędziami

96.6%