OpenAI: gpt-oss-120b (batch)

OpenAI: gpt-oss-120b (batch) è un modello linguistico a pesi aperti di OpenAI. È un modello Mixture-of-Experts (MoE) con 117 miliardi di parametri totali, di cui 5,1 miliardi attivati per ogni forward pass. È stato rilasciato dal provider il 2025-08-05 e appartiene alla categoria testo. Il suffisso "batch" nell'id del modello indica la variante batch di questo modello così come servita su api14.

Il modello accetta testo in input e restituisce testo in output, con una finestra di contesto di 131.072 token e un output massimo di 117.964 token. Il suo knowledge cutoff è 2024-06-30. È progettato per casi d'uso di produzione ad alto ragionamento, agentici e general-purpose, e supporta i controlli di ragionamento, quindi puoi decidere quanta effort di ragionamento applica il modello e se il contenuto di ragionamento è incluso nella risposta.

Queste capacità indicano un insieme piuttosto ampio di usi pratici. Il contesto lungo e l'ampio output massimo si adattano ad attività di analisi, riassunto e generazione di documenti lunghi in cui sia l'input sia la risposta sono grandi. L'attenzione al ragionamento e all'agenticità lo rende adatto a risoluzione di problemi multi-step, workflow guidati da strumenti ed estrazione strutturata, poiché supporta il tool calling e gli output strutturati. Anche la generazione di testo general-purpose, come attività di redazione e trasformazione, deriva dal suo design text-in, text-out.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id del modello "openai/gpt-oss-120b:batch". Poiché l'interfaccia è compatibile con OpenAI, le librerie client OpenAI esistenti e le forme delle richieste funzionano con esso. I parametri di richiesta supportati sono 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 e top_p. I controlli di campionamento (temperature, top_p, top_k, min_p, le penalità, seed e stop), i limiti di output (max_tokens), i controlli di ragionamento (reasoning, reasoning_effort, include_reasoning) e l'uso strutturato e degli strumenti (response_format, structured_outputs, tools, tool_choice) sono tutti disponibili, quindi puoi regolare sia la forma sia il determinismo delle risposte.

Una cosa da tenere a mente è la modalità: input e output sono solo testo, quindi se il tuo compito dipende da immagini o audio, questo modello non è adatto. Il knowledge cutoff del 2024-06-30 significa anche che qualsiasi cosa successiva a quella data è fuori dai suoi dati di addestramento, e dovresti fornire informazioni recenti nel prompt o tramite strumenti dove è importante. Entro questi limiti, la combinazione di una grande finestra di contesto, un grande output massimo e il supporto a ragionamento e strumenti copre la maggior parte dei carichi di lavoro di produzione testuale.