OpenAI: gpt-oss-120b (batch)

OpenAI: gpt-oss-120b (batch) är en språkmodell med öppna vikter från OpenAI. Det är en Mixture-of-Experts-modell (MoE) med 117 miljarder parametrar totalt, varav 5,1 miljarder aktiveras per framåtpassning. Den släpptes av leverantören 2025-08-05 och tillhör kategorin text. Suffixet "batch" i modell-id:t anger batchvarianten av denna modell så som den tillhandahålls på api14.

Modellen tar emot text och returnerar text, med ett kontextfönster på 131 072 tokens och en maximal utdata på 117 964 tokens. Dess kunskapsgräns är 2024-06-30. Den är byggd för produktionsanvändningsfall inom hög resonemangsförmåga, agentiska och allmänna ändamål, och den stöder resonemangskontroller, så du kan bestämma hur mycket resonemangsinsats modellen ska tillämpa och huruvida resonemangsinnehåll ska inkluderas i svaret.

Dessa egenskaper pekar mot en ganska bred uppsättning praktiska användningsområden. Den långa kontexten och den stora maximala utdatan passar för analys, sammanfattning och generering av långa dokument där både indata och svar är stora. Fokuset på resonemang och agentiska förmågor gör den lämplig för flerstegsproblemlösning, verktygsdrivna arbetsflöden och strukturerad extrahering, eftersom den stöder verktygsanrop och strukturerade utdata. Allmän textgenerering, såsom utkast och omvandlingsarbete, följer också av dess design med text in och text ut.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t "openai/gpt-oss-120b:batch". Eftersom gränssnittet är OpenAI-kompatibelt fungerar befintliga OpenAI-klientbibliotek och förfrågningsformat med det. De stödda förfrågningsparametrarna är 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 och top_p. Samplingskontroller (temperature, top_p, top_k, min_p, straffen, seed och stop), utdatagränser (max_tokens), resonemangskontroller (reasoning, reasoning_effort, include_reasoning) samt strukturerad användning och verktygsanvändning (response_format, structured_outputs, tools, tool_choice) är alla tillgängliga, så du kan finjustera både formen och determinismen hos svaren.

En sak att ha i åtanke är modalitet: indata och utdata är endast text, så om din uppgift är beroende av bilder eller ljud är denna modell inte rätt val. Kunskapsgränsen 2024-06-30 innebär också att allt efter detta datum ligger utanför dess träningsdata, och du bör tillhandahålla aktuell information i prompten eller via verktyg där det är viktigt. Inom dessa gränser täcker kombinationen av ett stort kontextfönster, en stor maximal utdata samt resonemang och verktygsstöd de flesta arbetsbelastningar för textproduktion.