OpenAI: gpt-oss-120b (batch)

OpenAI : gpt-oss-120b (batch) est un modèle de langage à poids ouverts d'OpenAI. C'est un modèle Mixture-of-Experts (MoE) avec 117 milliards de paramètres au total, dont 5,1 milliards sont activés par passe avant. Il a été publié par le fournisseur le 2025-08-05 et appartient à la catégorie texte. Le suffixe "batch" dans l'identifiant du modèle indique la variante batch de ce modèle telle que servie sur api14.

Le modèle prend du texte en entrée et renvoie du texte en sortie, avec une fenêtre de contexte de 131 072 tokens et une sortie maximale de 117 964 tokens. Sa date de coupure des connaissances est le 2024-06-30. Il est conçu pour des cas d'usage en production à fort raisonnement, agentiques et polyvalents, et il prend en charge les contrôles de raisonnement, ce qui vous permet de décider de l'effort de raisonnement appliqué par le modèle et si le contenu de raisonnement est inclus dans la réponse.

Ces capacités ouvrent sur un ensemble assez large d'usages pratiques. Le contexte long et la sortie maximale élevée conviennent à l'analyse de documents longs, au résumé et aux tâches de génération où l'entrée et la réponse sont toutes deux volumineuses. L'accent mis sur le raisonnement et les capacités agentiques en fait un choix raisonnable pour la résolution de problèmes en plusieurs étapes, les flux de travail pilotés par outils et l'extraction structurée, puisqu'il prend en charge l'appel d'outils et les sorties structurées. La génération de texte polyvalente, comme la rédaction et les travaux de transformation, découle également de sa conception texte en entrée, texte en sortie.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "openai/gpt-oss-120b:batch". Comme l'interface est compatible OpenAI, les bibliothèques clientes OpenAI existantes et les formats de requête fonctionnent avec. Les paramètres de requête pris en charge sont frequency_penalty, include_reasoning, logit_bias, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k et top_p. Les contrôles d'échantillonnage (temperature, top_p, top_k, min_p, les pénalités, seed et stop), les limites de sortie (max_tokens), les contrôles de raisonnement (reasoning, reasoning_effort, include_reasoning), ainsi que l'usage structuré et des outils (response_format, structured_outputs, tools, tool_choice) sont tous disponibles, ce qui vous permet de régler à la fois la forme et le déterminisme des réponses.

Un point à garder en tête est la modalité : l'entrée et la sortie sont uniquement du texte, donc si votre tâche dépend d'images ou d'audio, ce modèle n'est pas adapté. La date de coupure des connaissances du 2024-06-30 signifie également que tout ce qui est postérieur à cette date est hors de ses données d'entraînement, et vous devez fournir les informations récentes dans le prompt ou via des outils lorsque cela compte. Dans ces limites, la combinaison d'une grande fenêtre de contexte, d'une sortie maximale élevée et du raisonnement plus la prise en charge des outils couvre la plupart des charges de travail de production de texte.