OpenAI: gpt-oss-120b (batch)

OpenAI: gpt-oss-120b (batch) adalah model bahasa berbobot terbuka dari OpenAI. Ini adalah model Mixture-of-Experts (MoE) dengan total 117 miliar parameter, yang mana 5,1 miliar di antaranya diaktifkan per forward pass. Model ini dirilis oleh penyedia pada 2025-08-05 dan berada dalam kategori teks. Sufiks "batch" pada model id menunjukkan varian batch dari model ini sebagaimana dilayani di api14.

Model ini menerima teks sebagai input dan mengembalikan teks sebagai output, dengan context window sebesar 131.072 token dan output maksimum 117.964 token. Knowledge cutoff-nya adalah 2024-06-30. Model ini dibangun untuk kasus penggunaan produksi yang bersifat high-reasoning, agentic, dan general-purpose, serta mendukung kontrol reasoning, sehingga Anda dapat menentukan seberapa besar upaya reasoning yang diterapkan model dan apakah konten reasoning disertakan dalam respons.

Kemampuan tersebut mengarah pada serangkaian penggunaan praktis yang cukup luas. Konteks yang panjang dan output maksimum yang besar cocok untuk tugas analisis dokumen panjang, peringkasan, dan generasi di mana input dan jawabannya sama-sama besar. Fokus pada reasoning dan agentic membuatnya cukup cocok untuk pemecahan masalah multi-langkah, alur kerja berbasis tool, dan ekstraksi terstruktur, karena model ini mendukung tool calling dan structured outputs. Generasi teks general-purpose, seperti pekerjaan penyusunan draf dan transformasi, juga merupakan konsekuensi dari desain text-in, text-out-nya.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "openai/gpt-oss-120b:batch". Karena antarmukanya kompatibel dengan OpenAI, pustaka klien OpenAI yang ada dan bentuk request yang ada dapat digunakan dengannya. Parameter request yang didukung adalah 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 dan top_p. Kontrol sampling (temperature, top_p, top_k, min_p, parameter penalti, seed dan stop), batas output (max_tokens), kontrol reasoning (reasoning, reasoning_effort, include_reasoning), serta penggunaan terstruktur dan tool (response_format, structured_outputs, tools, tool_choice) semuanya tersedia, sehingga Anda dapat menyetel baik bentuk maupun determinisme respons.

Satu hal yang perlu diingat adalah modalitas: input dan output hanya berupa teks, jadi jika tugas Anda bergantung pada gambar atau audio, model ini bukan pilihan yang tepat. Knowledge cutoff 2024-06-30 juga berarti apa pun setelah tanggal tersebut berada di luar data pelatihannya, dan Anda harus menyediakan informasi terbaru dalam prompt atau melalui tool di tempat yang memang penting. Dalam batasan tersebut, kombinasi context window yang besar, output maksimum yang besar, serta dukungan reasoning dan tool mencakup sebagian besar beban kerja produksi teks.