一句话结论：OpenAI 在 2025 年 8 月 5 日推出开放权重模型系列 GPT-OSS，包含 GPT-OSS-120B 与 GPT-OSS-20B 两款，均采用 MoE 架构与 Apache 2.0 协议，原生支持最长 128K tokens 上下文。这是该机构自 GPT-2 之后首次发布可本地部署的模型权重，20B 版本可在 16GB 内存设备上运行。
GPT-OSS 是什么：OpenAI 时隔多年重开权重
按 OpenAI 公布的信息，GPT-OSS 是全新的开放权重大语言模型系列，也是自 GPT-2 以来该机构首次发布支持本地部署的模型权重。这个时间点值得留意：在闭源 API 路线主导数年之后重新开放权重，意味着开源与闭源之间的策略边界正在松动。
需要厘清一个概念：「开放权重」（open weights）与通常说的「开源」（open source）并不完全等同。开放权重意味着你可以下载、部署、微调、商用这些参数，但训练数据、训练代码与完整流程未必公开。GPT-OSS 属于前者——它的价值在可用性，而非可复现性。
两款型号：120B 与 20B 的分工
GPT-OSS-120B：性能优先
官方数据显示，GPT-OSS-120B 在 MMLU、HumanEval、HealthBench 等基准测试中表现接近 OpenAI 内部的 o4-mini（GPT-4-mini）模型。这个对标很关键——它意味着开放版本在通用能力上并没有被刻意阉割到只能做玩具。
GPT-OSS-20B：本地优先
轻量版本 GPT-OSS-20B 可在 16GB 内存设备上运行，面向本地 Agent、私有助手等轻量级生成任务。16GB 这个门槛是务实的——它基本对应主流消费级笔记本与中端显卡的水平，把「本地跑一个能用的模型」从发烧友专属变成了大众可及。
关键技术参数对比
| 项目 | GPT-OSS-120B | GPT-OSS-20B |
|---|---|---|
| 定位 | 高性能版本 | 轻量版本 |
| 架构 | Mixture-of-Experts | Mixture-of-Experts |
| 上下文长度 | 原生支持最长 128K tokens | 原生支持最长 128K tokens |
| 硬件门槛 | 需更高显存配置 | 16GB 内存设备可运行 |
| 典型场景 | 长文本处理、复杂推理 | 本地 Agent、私有助手 |
| 许可协议 | Apache 2.0 | Apache 2.0 |
| 基准参考 | 接近 o4-mini（MMLU/HumanEval/HealthBench） | 面向轻量生成任务 |
为什么 MoE 架构在这里很关键
两款模型都采用 Mixture-of-Experts（MoE）架构。MoE 的核心思路是：模型总参数量很大，但每次推理只激活其中一部分专家网络，从而在保持生成能力的同时显著降低计算资源消耗。
这解释了为什么 20B 版本能在 16GB 设备上跑起来——实际参与计算的参数远小于模型名义规模。对部署方来说，MoE 的代价是显存占用仍取决于需要驻留的专家数量，规划硬件时不能只看「20B」这个数字。
128K 上下文解决的是什么问题
官方强调两款模型原生支持最长 128K tokens 的上下文输入，适用于法律、金融、教育等需要处理超长文本的场景。这几个行业有个共同点：核心文档动辄几十上百页，且不允许切割处理——合同条款的相互引用、财报的跨期对照、教材的知识连贯性，一旦切碎就会丢失关键信息。
128K tokens 大致相当于一本中等厚度的书，足以把整份材料一次性喂给模型，避免 RAG 分块带来的上下文断裂。
Agentic 能力：不只是聊天
按官方说明，GPT-OSS 支持函数调用、结构化输出、Python 执行与 Web 浏览等 Agentic 能力。这四项恰好是构建本地智能体的基础设施：函数调用让模型能触发外部动作，结构化输出保证结果可被程序解析，Python 执行提供确定性计算，Web 浏览补齐实时信息。
把这些能力放在可本地部署的权重里，指向很明确——让开发者能在自己的机器上搭出完整 Agent，而不必把所有数据都送到云端。
Apache 2.0 协议意味着什么
两款模型均采用 Apache 2.0 许可协议，允许自由下载、部署、微调及商用。对企业用户来说，这消除了最常见的一道障碍：商用授权。官方也明确提到，这降低了中小企业与开发者进入大模型生态的门槛。
目前两款模型已在 Hugging Face 上线，可获取权重与使用文档。
怎么用：部署路径建议
先按硬件选型号
16GB 内存设备直接选 20B；有更多显存再考虑 120B。不要为了性能参数硬上超出硬件能力的版本，推理速度会让你放弃使用。
长文本场景优先发挥 128K
法律合同、财报、教材这类材料，优先用整篇输入而不是分块检索，能明显减少跨段引用错误。
本地 Agent 从确定性任务做起
先把结构化输出和 Python 执行用起来处理格式固定的任务，再逐步加入 Web 浏览这类不确定性更高的动作。
常见问题
GPT-OSS 是真正的开源模型吗？
它是「开放权重」模型：权重可自由下载、部署、微调与商用（Apache 2.0），但训练数据与训练流程并未一并公开。若你需要完全可复现的开源定义，需留意这一区别。
20B 版本真的能在 16GB 设备上流畅运行吗？
官方给出的口径是「可在 16GB 内存设备上运行」，指的是可运行性而非流畅度。实际体验受量化方式、并发数与上下文长度影响，长上下文会显著增加内存占用。
与闭源 API 相比，本地部署划算吗？
取决于调用量与数据敏感度。高频、稳定、涉及敏感数据的场景，本地部署长期成本更低且可控；低频、需要最强能力的场景，API 更省心。建议按实际 token 消耗测算后再决定。
小结
GPT-OSS 的意义有两层：对开发者，它提供了一组协议干净、可商用、能本地跑的实用模型；对行业，它标志着头部厂商重新承认开放权重路线的价值。MoE 架构带来的效率、128K 上下文覆盖的长文本场景、完整的 Agentic 能力，让这组模型不只是「开放版的 GPT-2」，而是真正能进生产环境的选择。