OpenAI: gpt-oss-120b (batch)

OpenAI: gpt-oss-120b (batch) is een open-weight taalmodel van OpenAI. Het is een Mixture-of-Experts (MoE) model met 117 miljard totale parameters, waarvan 5,1 miljard worden geactiveerd per forward pass. Het werd door de provider uitgebracht op 2025-08-05 en valt in de tekstcategorie. Het achtervoegsel "batch" in het model-id geeft de batchvariant van dit model aan zoals geserveerd op api14.

Het model neemt tekst als invoer en retourneert tekst als uitvoer, met een contextvenster van 131.072 tokens en een maximale uitvoer van 117.964 tokens. De knowledge cutoff is 2024-06-30. Het is gebouwd voor high-reasoning, agentic en algemene productiegebruiksscenario's, en het ondersteunt reasoning-besturing, zodat u kunt bepalen hoeveel reasoning-inspanning het model toepast en of reasoning-inhoud in het antwoord wordt opgenomen.

Die mogelijkheden wijzen op een vrij breed scala aan praktische toepassingen. De lange context en grote maximale uitvoer zijn geschikt voor lange documentanalysetaken, samenvattingstaken en generatietaken waarbij zowel de invoer als het antwoord groot is. De focus op reasoning en agentic maakt het een redelijke keuze voor meerstapsprobleemoplossing, toolgestuurde workflows en gestructureerde extractie, omdat het tool calling en structured outputs ondersteunt. Algemene tekstgeneratie, zoals het opstellen en transformeren van tekst, volgt ook uit het tekst-in, tekst-uit-ontwerp.

U roept het aan via de OpenAI-compatibele API van api14 met het model-id "openai/gpt-oss-120b:batch". Omdat de interface OpenAI-compatibel is, werken bestaande OpenAI-clientbibliotheken en request-vormen ermee. De ondersteunde request-parameters zijn 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 en top_p. Sampling-besturing (temperature, top_p, top_k, min_p, de penalties, seed en stop), uitvoerlimieten (max_tokens), reasoning-besturing (reasoning, reasoning_effort, include_reasoning), en gestructureerd en toolgebruik (response_format, structured_outputs, tools, tool_choice) zijn allemaal beschikbaar, zodat u zowel de vorm als de determinisme van antwoorden kunt afstemmen.

Een ding om in gedachten te houden is modaliteit: invoer en uitvoer zijn alleen tekst, dus als uw taak afhankelijk is van afbeeldingen of audio, is dit model niet de juiste keuze. De knowledge cutoff van 2024-06-30 betekent ook dat alles na die datum buiten de trainingsdata valt, en u moet recente informatie in de prompt of via tools aanleveren waar dat belangrijk is. Binnen die grenzen dekt de combinatie van een groot contextvenster, een grote maximale uitvoer en reasoning plus toolondersteuning de meeste tekstproductieworkloads.