OpenAI: gpt-oss-120b (batch)

OpenAI: gpt-oss-120b (batch) é um modelo de linguagem de pesos abertos da OpenAI. É um modelo Mixture-of-Experts (MoE) com 117 mil milhões de parâmetros totais, dos quais 5,1 mil milhões são ativados por passagem direta. Foi lançado pelo fornecedor em 2025-08-05 e situa-se na categoria de texto. O sufixo "batch" no id do modelo indica a variante batch deste modelo, tal como servida em api14.

O modelo recebe texto e devolve texto, com uma janela de contexto de 131.072 tokens e uma saída máxima de 117.964 tokens. O seu limite de conhecimento é 2024-06-30. Foi concebido para casos de uso de produção de alto raciocínio, agênticos e de propósito geral, e suporta controlos de raciocínio, para que possa decidir quanto esforço de raciocínio o modelo aplica e se o conteúdo de raciocínio é incluído na resposta.

Essas capacidades apontam para um conjunto bastante amplo de utilizações práticas. O contexto longo e a grande saída máxima adequam-se a tarefas de análise, resumo e geração de documentos longos, em que tanto a entrada como a resposta são grandes. O foco em raciocínio e comportamento agêntico torna-o uma escolha razoável para resolução de problemas em vários passos, fluxos de trabalho orientados por ferramentas e extração estruturada, uma vez que suporta chamadas a ferramentas e saídas estruturadas. A geração de texto de propósito geral, como trabalho de redação e transformação, também decorre do seu design de texto para texto.

Pode chamá-lo através da API compatível com OpenAI do api14, usando o id de modelo "openai/gpt-oss-120b:batch". Como a interface é compatível com OpenAI, as bibliotecas de cliente OpenAI existentes e as formas de pedido funcionam com ele. Os parâmetros de pedido suportados são 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. Os controlos de amostragem (temperature, top_p, top_k, min_p, as penalizações, seed e stop), os limites de saída (max_tokens), os controlos de raciocínio (reasoning, reasoning_effort, include_reasoning) e o uso estruturado e de ferramentas (response_format, structured_outputs, tools, tool_choice) estão todos disponíveis, para que possa ajustar tanto a forma como o determinismo das respostas.

Uma coisa a ter em conta é a modalidade: a entrada e a saída são apenas texto, por isso, se a sua tarefa depende de imagens ou áudio, este modelo não é o mais adequado. O limite de conhecimento de 2024-06-30 também significa que tudo o que seja posterior a essa data está fora dos seus dados de treino, e deve fornecer informação recente no prompt ou através de ferramentas onde isso for relevante. Dentro desses limites, a combinação de uma janela de contexto grande, uma saída máxima grande e raciocínio mais suporte a ferramentas cobre a maioria das cargas de trabalho de produção de texto.