左手职场.右手AI

有故事.有方法.有工具

2025年8月6日

2025年第167篇，总第933篇原创文章

全文1209字，阅读时间约4分钟

大家好，我是山哥！一个深耕采购供应链领域20多年的老司机，曾在GE、维谛技术、当纳利、药明康德、信达生物等全球知名企业担任高管，曾实操若干采购供应链降本增效项目（累计降本数十亿），深谙企业战略和管理、组织发展和领导力提升。目前all in “AI+行业/领域应用”，人社部AIGC教材副主编，微博认证“AI专家”，沃顿商学院校友，社科院AI经济学博士在读。

凌晨了，还在被时差困扰的我依然没睡。

突然，浏览器弹窗跳出OpenAI的更新公告——标题只有两行字，却足以震撼业界：“推出gpt-oss系列，突破开源权重推理模型的性能边界”。

是的，你没看错。这是自2019年推出GPT-2后，OpenAI首次开放超大规模模型的完整权重。这两款模型不仅性能对标其闭源旗舰产品，比如，120b版本对标o4-mini，20b版本对标o3-mini，更以极低的运行成本和高度灵活的开源协议，为开发者、企业和普通用户打开了一扇通往AI创新的大门。

看来，OpenAI是把“压箱底”的大语言模型搬了出来，还一口气给了两份。大的叫gpt-oss-120b，小的叫gpt-oss-20b，允许任何人下载、改代码、做商业用途，不收授权费，只要求在Apache 2.0许可证底下留一行版权说明。

这可不是小打小闹的“试用版”，正如OpenAI在官网上说的：120b版本的推理成绩几乎追平内部最新一代o4-mini，却只要一张80 GB显存的显卡就能跑完；20b版本的成绩和o3-mini旗鼓相当，而内存需求低到16 GB，笔记本也能带得动。换句话说，过去只有大厂才烧得起的“大模型”，现在普通人就能搬回家。“一张消费级显卡，就能跑动对标GPT-4级别的大模型”，这在以前是想都不敢想的！

简单看一下两款开源产品的性能评估情况：

在编程（Codeforces）、通用问题求解（MMLU/HLE）、工具调用（TauBench）等测试中，gpt-oss-120b超越o3-mini，持平或优于o4-mini，

在健康（HealthBench）和竞赛数学（AIME）中，gpt-oss-120b表现更佳。

gpt-oss-20b性能匹配o3-mini，部分领域（如数学、健康）实现反超。

故事还得从架构说起。两个模型都用了“混合专家”思路：像请一堆专科医生，每次只叫其中几位出诊，既省人力又保证质量。120b总参数量1170亿，但每走一步只激活51亿；20b总参数210亿，实际只动用36亿。省下来的算力直接变成电费和水冷账单上的零头。

为了让模型“接地气”，训练数据特意往STEM、代码和日常知识倾斜，英文为主，却涵盖足够多的数学、医学、程序片段，保证写得了代码，也答得了“孩子发烧怎么办”。配套 tokenizer 一口气扩到20万级词表，连emoji都没落下。

后训练阶段，OpenAI照搬了自家旗舰产品的“配方”：先监督微调，再高强度强化学习。模型学会在看到复杂问题时先写一段“内心戏”——链式思考，再给出最终答案。

用户可以在系统提示里轻描淡写地写一句“请用高推理强度”或“越快越好”，模型便自动调整“思考时间”。

安全是绕不开的话题。预训练阶段，所有涉及生化、核武、极端暴力场景的数据被提前剔除；后训练阶段又加入“指令层级”机制，让模型先判断请求是否越界，再决定是否回答。OpenAI甚至“自黑”了一把：把120b版本故意拿去“黑化”微调，模拟坏人拿到权重后会怎样。结论让人松一口气——就算用公司最强训练栈“喂毒”，模型也达不到高风险门槛。三家外部安全机构复核了这套流程，报告一并公开。

当然，开源不等于免费午餐。模型不会自己学会回答“今天中午吃什么”，也不会自动遵守当地法律。开发者需要微调、需要过滤、需要监控。OpenAI把最重的训练成本扛了，把最灵活的二次开发空间留给世界。

最后，据奥特曼透露，“今天发布的开源产品还不足为奇，后面几天会有很多新东西，然后是一个产品大升级”。

估计是GPT 5要来了！拭目以待！

图片OpenAI官网、Reddit