前幾天，OpenAI 終於兌現承諾，釋出了一款全新的開源大型語言模型 gpt-oss，這也是繼 Whisper 與 CLIP 後，睽違五年 OpenAI 首度開源新模型。在過去幾年，由於對安全風險的擔憂和商業模式的轉變，OpenAI 似乎變得不再那麼「Open」，選擇了一條以閉源 API 為主的道路。
然而，這次 gpt-oss 的發布，不僅模型權重使用 Apache 2.0 協議 可以自由商用，更算是正面回應了市場對於模型透明度與本地部署的需求。畢竟，在上週 OpenAI 又爆出聊天記錄外洩事件，這也體現了處理機密或個資資訊時，自行部署模型的重要性。
今天，我們就來好好介紹 gpt-oss 的規格與性能，並分享如何在本機與線上使用它！
gpt-oss 模型規格介紹
OpenAI 這次發布的 gpt-oss 有兩種參數版本：20B 與 120B。兩者都採用了 MoE (混合專家模型) 架構，這代表模型在推理時並非動用所有參數，大幅降低了計算資源需求。
- gpt-oss-20b: 啟用參數量為 3.6B，主要針對消費級硬體，僅需 16GB VRAM 即可運行。
- gpt-oss-120b: 啟用參數量為 5.1B，可在單張 80GB 記憶體的專業顯卡（如 H100 或 MI300X）上運行。
為了提升效率，gpt-oss 還具備以下特點：
- 原生 MXFP4 量化: 降低推理時所需的計算資源。
- 分組多重查詢注意力 (GQA): 群組大小為 8，提升推論與記憶體效率。
- 128K 上下文長度: 支援超長文本的輸入與理解。
- 專屬 Tokenizer: 開源了名為
o200k_harmony的 Tokenizer，它同時也是 o4-mini 和 gpt-4o 所使用的，能有效壓縮 Token 數量，提升模型效率。
訓練資料方面，gpt-oss 主要以英文為主，著重於 STEM 領域、程式編寫與一般知識，並透過 GPT-4o 過濾掉生化等危險內容，避免模型被濫用。
性能評測表現
在官方公布的評測中，gpt-oss 的表現相當亮眼，號稱與自家的 o3-mini、o4-mini 相當。
-
程式能力 (Codeforces): 120B 版本在可調用工具時略輸 o3 與 o4-mini，但 20B 版本在不調用工具時超越了 o3-mini。
-
人類的最終測試 (Humanity’s Last Exam): 120B 與 20B 在可使用工具的情況下，與 o4-mini 相當。
-
醫療知識 (HealthBench): OpenAI 特別納入了自家的醫療領域測試集，gpt-oss 表現不俗，但官方也強調模型不能取代專業醫療人員。
-
工具調用 (Tau-Bench): 120B 表現相當不錯，但 20B 則稍有差距。
一個有趣的功能是，開發者可以透過在系統訊息中加入 reasoning_effort 指令，設定低、中、高三種推理強度，在延遲與效能之間進行取捨。
如何使用 gpt-oss？
介紹完規格與性能，接著來看看我們該如何實際使用這款模型。
線上使用
對於想快速體驗的使用者，有以下幾種推薦的線上平台：
-
OpenAI gpt-oss Playground: 官方提供的試玩介面，操作簡潔直白，可以選擇不同模型和調整推理強度。
-
Poe: 由 Quora 創建的模型整合網站，提供眾多開源與閉源模型，免費用戶每天有 3000 點積分可使用。
-
Groq: 使用自研 LPU 進行推理，速度極快。每日提供免費額度，但 gpt-oss 的額度給得較少，適合輕度或 API 調用需求。
本機部署 (Ollama)
對於有本地部署需求的用戶，我會直接推薦使用 Ollama，它現在已內建聊天介面，讓操作更方便。
步驟 1. 下載並安裝 Ollama
前往 Ollama 官網，點擊 “Download” 下載並完成安裝。
步驟 2. 下載 gpt-oss 模型
打開終端機或命令提示字元，輸入以下指令來下載模型：
|
|
步驟 3. 執行模型
模型下載完成後，有兩種方式可以與模型對話：
- 命令列模式: 在終端機輸入
ollama run gpt-oss。 - 圖形化介面: 在工作列右下角找到 Ollama 圖示，點擊右鍵選擇 “Open Ollama” 即可打開聊天介面。
另外，LM Studio 也是一個不錯的選擇，它提供了更豐富的模型管理功能，核心同樣是使用 llama.cpp，速度基本上與 Ollama 沒有差異。
實際能力測試
接下來，讓我們來實際測試看看 gpt-oss 的表現如何。
邏輯推理：左輪手槍問題
現在請回答這個邏輯思考題:
想像你正被綁在椅子上動彈不得，歹徒拿著一把6個槍膛全空的左輪手槍，再裝兩顆子彈進兩個緊鄰的槍膛內，並旋轉槍膛。然後對著你的腦袋扣板機一下，很幸運你還活著，這時他說再扣一次板機就放你走，你希望先旋轉後再扣或直接扣板機？為什麼？
120B 模型能正確回答這個經典的推理問題。而 20B 模型雖然做法有點取巧（直接列出所有可能），但最終也答對了，並且解釋與數學計算都正確。
文字處理：計算大寫字母與特定字母數量
20B 模型就能夠精準地計算出 “The Walking Fish is a YouTuber” 中所有的大寫字母數量，也能正確回答 “strawberry” 中有幾個 “r”。
幻覺測試：虛構名詞與事件
- 量子纏繞穩定器: 120B 能正確辨識出這是不存在的名詞。20B 一開始也辨識出來，但後續的科普內容卻出現幻覺，捏造了不存在的科幻作品作為例子。
- 2023年紐約時報頭條: 120B 正確指出沒有這篇關於火星運河的報導。但 20B 模型則被誤導，沒有發現這是一則假新聞。
長文理解與重組：逐字稿轉文章
將影片逐字稿轉換為文章時，模型大致上能完成任務，但出現了一些小問題，例如將 Markdown 連結語法寫成 HTML，並在缺乏資訊時自行腦補了 mcp.json 設定檔的內容。
程式編寫能力
- 製作部落格頁面: 120B 的生成結果完美符合預期。20B 的版本則在 CDN 引用上出了點小錯，手動修正後，介面佈局甚至比 120B 的更好。
- 製作動畫: 要求生成「一個旋轉的六邊形內有顆球在彈跳」的動畫。120B 生成了相當完美的結果，物理效果非常真實。20B 的版本雖然物理效果有些詭異，但它已是少數能讓球體成功與邊框互動的 30B 以下模型。
總結與個人看法
整體來說，gpt-oss 的表現相當不錯。20B 的模型大小加上 MoE 架構，讓許多普通家用電腦都能夠順暢運行。在程式編寫方面，我個人的簡單測試感覺比 Qwen3 30B 的表現要好一些。
這裡有個小插曲，我在知乎上看到一篇瘋狂吹捧 Qwen3 並貶低 gpt-oss 的文章。我好奇地用它文中的範例進行了測試，結果發現 gpt-oss-20b 在程式方面的能力，依然勝過未量化的 Qwen3 30B，並非文章所說的「被完爆」。我個人懷疑該文作者可能使用了更強的 Qwen3-235b 模型，或是 Qwen3-Coder 來進行不對等的比較。
當然，由於 gpt-oss 的訓練資料以英文為主，在中文文法與表達能力上可能不及 Qwen3，這點是比較合理的。
總而言之，gpt-oss 是一款值得嘗試的強大開源模型，它不僅為開發者和 AI 愛好者提供了更多選擇，也象徵著 OpenAI 在開源道路上邁出了重要的一步。