OpenAI: gpt-oss-120b

OpenAI: gpt-oss-120b to model językowy o otwartych wagach od OpenAI. Jest to model Mixture-of-Experts (MoE) z łączną liczbą 117B parametrów, z których 5.1B jest aktywowanych na każdy przebieg w przód. Został udostępniony przez dostawcę 2025-08-05 i jest przeznaczony do zastosowań produkcyjnych wymagających zaawansowanego rozumowania, pracy agentowej oraz zastosowań ogólnego przeznaczenia.

Model przyjmuje tekst na wejściu i generuje tekst na wyjściu. Ma okno kontekstu wynoszące 131072 tokeny i maksymalne wyjście 117964 tokenów, więc zarówno długie dane wejściowe, jak i długie generacje mieszczą się swobodnie w pojedynczym żądaniu. Jego data odcięcia wiedzy to 2024-06-30. Jako model MoE aktywuje tylko część swoich parametrów na każdy przebieg w przód, co ma znaczenie, jeśli zależy Ci na sposobie obsługi modelu, a nie tylko na jego wynikach.

Ponieważ jest zbudowany do rozumowania i pracy agentowej, naturalnie sprawdza się w zadaniach, w których model musi przemyśleć problem przed udzieleniem odpowiedzi: wieloetapowa analiza, planowanie i przepływy pracy oparte na narzędziach. Parametry narzędzi i ustrukturyzowanych wyników czynią go użytecznym jako rdzeń rozumujący agenta, który wywołuje funkcje lub zwraca JSON. Ogólne generowanie tekstu, streszczanie i odpowiadanie na pytania dotyczące długich dokumentów również wynikają z dużego okna kontekstu i interfejsu wyłącznie tekstowego.

Wywołujesz go przez API zgodne z OpenAI w api14, używając identyfikatora modelu "openai/gpt-oss-120b". Obsługiwane parametry żądania to frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_a, top_k, top_logprobs i top_p. Zachowanie związane z rozumowaniem jest kontrolowane przez parametry reasoning, reasoning_effort i include_reasoning, a korzystanie z narzędzi przez tools i tool_choice. Próbkowanie można dostroić za pomocą temperature, top_p, top_k, min_p, top_a, parametrów kary i seed, natomiast response_format i structured_outputs odpowiadają za ustrukturyzowane odpowiedzi.

Przed podjęciem decyzji warto zwrócić uwagę na dwa ograniczenia. Wejście i wyjście są wyłącznie tekstowe, więc jeśli Twoja aplikacja musi wysyłać lub odbierać obrazy albo dźwięk, ten model nie jest odpowiednim wyborem. Data odcięcia wiedzy 2024-06-30 oznacza również, że model nie ma wbudowanej świadomości niczego, co wydarzyło się po tej dacie, więc w przypadku pytań o ostatnie wydarzenia musiałbyś dostarczyć informacje w prompcie lub przez narzędzia.