OpenAI: gpt-oss-120b (batch)

OpenAI: gpt-oss-120b (batch) to model językowy o otwartych wagach od OpenAI. Jest to model typu Mixture-of-Experts (MoE) z łączną liczbą 117 miliardów parametrów, z których 5,1 miliarda jest aktywowanych na jeden przebieg w przód. Został udostępniony przez dostawcę 2025-08-05 i należy do kategorii tekstowych. Sufiks "batch" w identyfikatorze modelu wskazuje na wariant wsadowy tego modelu udostępniany na api14.

Model przyjmuje tekst i zwraca tekst, z oknem kontekstu wynoszącym 131 072 tokeny i maksymalnym wyjściem 117 964 tokeny. Jego data odcięcia wiedzy to 2024-06-30. Jest zbudowany do zastosowań produkcyjnych wymagających zaawansowanego rozumowania, pracy agentowej i zastosowań ogólnego przeznaczenia, i obsługuje kontrolę rozumowania, więc możesz zdecydować, jak duży wysiłek rozumowania model zastosuje i czy treść rozumowania zostanie uwzględniona w odpowiedzi.

Te możliwości wskazują na dość szeroki zestaw praktycznych zastosowań. Długi kontekst i duże maksymalne wyjście pasują do zadań analizy, streszczania i generowania długich dokumentów, gdzie zarówno dane wejściowe, jak i odpowiedź są duże. Nacisk na rozumowanie i pracę agentową czyni go rozsądnym wyborem do wieloetapowego rozwiązywania problemów, przepływów pracy opartych na narzędziach i ekstrakcji strukturalnej, ponieważ obsługuje wywoływanie narzędzi i wyjścia strukturalne. Generowanie tekstu ogólnego przeznaczenia, takie jak prace redakcyjne i transformacyjne, również wynika z jego konstrukcji tekst na wejściu, tekst na wyjściu.

Wywołujesz go przez API zgodne z OpenAI na api14, używając identyfikatora modelu "openai/gpt-oss-120b:batch". Ponieważ interfejs jest zgodny z OpenAI, istniejące biblioteki klienckie OpenAI i kształty żądań działają z nim. Obsługiwane parametry żądania to 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 i top_p. Kontrola próbkowania (temperature, top_p, top_k, min_p, kary, seed i stop), limity wyjścia (max_tokens), kontrola rozumowania (reasoning, reasoning_effort, include_reasoning) oraz użycie struktur i narzędzi (response_format, structured_outputs, tools, tool_choice) są dostępne, więc możesz dostroić zarówno kształt, jak i determinizm odpowiedzi.

Jedna rzecz do zapamiętania to modalność: wejście i wyjście są wyłącznie tekstowe, więc jeśli twoje zadanie zależy od obrazów lub dźwięku, ten model nie jest odpowiedni. Data odcięcia wiedzy 2024-06-30 oznacza również, że wszystko po tej dacie jest poza jego danymi treningowymi, i powinieneś dostarczyć aktualne informacje w prompcie lub przez narzędzia tam, gdzie ma to znaczenie. W tych granicach połączenie dużego okna kontekstu, dużego maksymalnego wyjścia oraz rozumowania i obsługi narzędzi pokrywa większość obciążeń związanych z produkcją tekstu.