美國西海岸時間2025年8月5日，OpenAI發(fā)布了兩款開源大模型——GPT-OSS 120B以及GPT-OSS-20B，目前這兩款模型均可以從Hugging Face平臺下載，用戶可以對其進行修改定制和商業(yè)應(yīng)用。包括亞馬遜AWS、微軟Azure在內(nèi)的主流云平臺也已經(jīng)開始提供基于這兩款模型的服務(wù)。這是自從2019年11月以來，OpenAI第一次發(fā)布開源大模型。

歷史真是諷刺。OpenAI的名稱來源，就是“開放”“開源”，這曾被Sam Altman自詡為AI時代的核心精神和生存之道?？墒菑?019年初開始，OpenAI就處心積慮地偏離了開源軌道：那年2月，它以“安全問題”為借口，拒絕公布GPT-2的全部參數(shù)權(quán)重，只公布了一個7.74億參數(shù)的“部分模型”；直到當年11月，在GPT-2乏人問津的情況下，它才羞羞答答地公布了全部15億參數(shù)。至于后來大放異彩的GPT-3、GPT-3.5以及GPT-4系列大模型，則既沒有公布過參數(shù)權(quán)重，也沒有公布過技術(shù)路線白皮書。

截止昨天，OpenAI成為了當今全球AI大模型基礎(chǔ)研發(fā)第一集團當中，寥寥幾家“沒有任何新版開源大模型”的開發(fā)者之一。還有一家是Anthropic, 自從成立以來就從未發(fā)布過開源大模型。考慮到Anthropic本來就是對OpenAI不滿的離職員工成立的，還真驗證了一句話：“不是一家人，不進一家門。”

在它們的競爭對手當中，谷歌從2024年開始就維持著開源的Gemma系列大模型，與閉源的Gemini系列大模型齊頭并進；Meta的LLaMA系列大模型是當今主流開源大模型的精神源頭，自不必說；來自法國的Mistral的第一版大模型就有開源版本；馬斯克的Grok也是在成立之初就公布了開源大模型；阿里巴巴的Qwen已經(jīng)成為衍生版本系列最多的開源大模型之一；更不要說DeepSeek了，如果不是開源，它絕不可能獲得這么大的影響力和應(yīng)用范圍。

有人肯定會追問：為什么要開源？對于競爭對手來說，開源當然是好事，便于互相學(xué)習(xí)借鑒（以及抄襲）。對于全人類來說，開源當然是好事，因為歷史一再證明開放能促進技術(shù)進步。但是對于OpenAI這種領(lǐng)先的開發(fā)者來說，為什么要開源呢？開源固然會吸引技術(shù)社區(qū)的更多關(guān)注、有助于形成良好的生態(tài)系統(tǒng)，可是GPT已經(jīng)是全世界關(guān)注度最高的大模型了，開源還有什么實際意義呢？（除了為自己正名，甩掉“CloseAI”的帽子之外？）

答案很明確：開源大模型可以下載安裝到本地硬件設(shè)備里，完全從本地運行，這對于一部分客戶相當有吸引力。不妨總結(jié)一下：

• 客戶可以把所有數(shù)據(jù)存儲在本地，而不是上傳到第三方平臺，從而最大限度地保護了數(shù)據(jù)安全。無論對于國家機密還是商業(yè)機密來說，這種安全性都很重要。

• 客戶可以基于自身需求，對開源大模型進行微調(diào)(fine-tune)，從而契合特定行業(yè)應(yīng)用場景。醫(yī)療、金融等復(fù)雜或敏感行業(yè)對此需求尤其旺盛。

• 對于預(yù)算有限的客戶來說，在本地硬件上運行大模型，或許比購買閉源大模型使用權(quán)更劃算。例如GPT-OSS-2B甚至可以運行在筆記本電腦上。

當然，在本地部署開源大模型，就意味著客戶要為自己的信息安全和技術(shù)維護負責(zé)。在權(quán)衡利弊之后，許多大型行業(yè)客戶還是會更偏好開源大模型。這就是LLaMA系列大模型在歐美深受大企業(yè)歡迎的原因，也是DeepSeek在今年年初席卷國內(nèi)政企客戶的原因。DeepSeek的技術(shù)水平或許能與GPT-4o1相比，但是如果不是開源，它的應(yīng)用速度會非常慢，無論對B端還是C端都是如此！

現(xiàn)在，在闊別近六年之后，OpenAI終于重返開源大模型戰(zhàn)場。在一定程度上，肯定是受到了LLaMA, DeepSeek, Qwen乃至Grok等開源大模型的刺激；但是從商業(yè)角度看，這個決策早晚要做出。因為不管怎么說，有些企業(yè)客戶永遠不可能把至關(guān)重要的數(shù)據(jù)上傳到第三方平臺；政府部門就更不可能了。與其把這片廣闊的市場留給競爭對手占領(lǐng)，還不如自己去占領(lǐng)。如果競爭對手技術(shù)進步的速度慢一點，OpenAI重返開源賽道的速度或許也會慢一點，但也只是慢一點而已。

這也就意味著，2025年成為了一個“開源之年”：國內(nèi)曾經(jīng)領(lǐng)先的百度，以及國外至今還在領(lǐng)先的OpenAI，都發(fā)布了開源大模型。Meta發(fā)布了最新的開源版本，阿里則明顯加快了開源版本的發(fā)布速度。此時此刻，整個世界上的主流大模型開發(fā)商，只有兩家完全沒有開源版本。除了上文提到的Anthropic之外，還有國內(nèi)的字節(jié)跳動——豆包大模型（及其前身云雀）目前尚未有任何形式的開源版本，字節(jié)跳動官方也完全沒有公布過開源計劃。不過單純從技術(shù)角度看，豆包尚不屬于全球第一集團，開源與否對大模型技術(shù)進步的影響不大。

我們再探討下一個話題：本次OpenAI的開源，對全球大模型技術(shù)有什么影響？我不是技術(shù)開發(fā)者，只能從常識角度談一談。我的觀點是：影響是有的，但是有限。這一方面是因為OpenAI沒有開源其最新版本、最新技術(shù)（廢話，換了你也不會），另一方面是因為過去兩年外界對OpenAI技術(shù)路線的“猜測”還是比較成功的，八九不離十。

OpenAI公布的GPT-OSS兩個版本，其訓(xùn)練數(shù)據(jù)截止于2024年6月，訓(xùn)練結(jié)束于2024年8月，其性能大致與GPT-4o3以及o3 mini可比——后兩個模型發(fā)布至今已經(jīng)四個月了。很多評測指出，GPT-OSS-120B的表現(xiàn)優(yōu)于DeepSeek和Qwen的最新版本，其實這沒有提供任何新的信息，因為GPT-4o3的表現(xiàn)本來就優(yōu)于它們。這只能證明OpenAI相對于競爭對手至少還有幾個月的領(lǐng)先優(yōu)勢，而這也是我們早就知道了的事情。

在技術(shù)路線上，從OpenAI自家的白皮書里，我們大致能知道如下信息：

• GPT-OSS采取混合專家架構(gòu)，這一點早已被外界猜到?；旌蠈＜壹軜?gòu)是目前的主流，幾乎所有大模型都在采用。GPT-OSS 120B每層有128個專家，20B每層有32個專家，每個路徑會激活4個最擅長的專家回答——這些細節(jié)還是有用的。

• GPT-OSS是在標準文本基礎(chǔ)上訓(xùn)練的，思維鏈(CoT, chain of thought)架構(gòu)不是在預(yù)訓(xùn)練階段、而是在后訓(xùn)練階段實現(xiàn)的。CoT是所謂“深度推理”大模型的基礎(chǔ)，現(xiàn)在可以確定，OpenAI與其競爭對手一樣，是在后訓(xùn)練階段賦予CoT的。

• 在后訓(xùn)練階段，與GPT-4o3一樣，GPT-OSS采取了CoT RL技術(shù)。后訓(xùn)練過程中還使用了外部API，以及RAG Agents等等，在此就不贅述了。在一定程度上，這證實了外界的猜測。

• OpenAI沒有選擇在后訓(xùn)練階段壓制“大模型幻覺”，因為這樣做會降低CoT的透明度。所以，GPT-OSS深度推理模式的幻覺率很高，這或許是一切深度推理模型繞不過去的問題。

總而言之，上述大部分技術(shù)路線，是外界早已猜測到或者在爭辯之中的。某些技術(shù)細節(jié)，例如后訓(xùn)練的具體手段和工具，或許會給外界很多啟發(fā)，但帶來的改進是有限的。話說回來，如果OpenAI真的還有什么“獨門秘籍”，大概也不會在白皮書當中赤裸裸地公布。這份白皮書證明了一點：過去兩年多，全球大模型開發(fā)者對OpenAI技術(shù)路線的猜測和模仿，大部分是正確的（或者說，OpenAI只承認了其中正確的部分）。作為一個整體，人類模仿的力量是無窮的，因此在歷史上很少有技術(shù)領(lǐng)先者能夠單純依靠自己的力量，長期維持對領(lǐng)先技術(shù)的壟斷。

需要強調(diào)的是，GPT-OSS只是“開放權(quán)重”(Open Weight)大模型，不是完整意義上的“開源”大模型。它公布的只是參數(shù)及其取值（權(quán)重），一份34頁的技術(shù)白皮書，以及其他少量選擇性的信息。如果我們真的要以相同手段“復(fù)刻”一個成品，至少缺失如下環(huán)節(jié)：

• 訓(xùn)練中使用的各種“腳手架模型”，包括語料質(zhì)量、語料相似度檢測、語料清洗模型，以及用于“對齊”人類價值觀的Reward模型，等等。某些競爭對手會部分予以公布，但OpenAI還沒有。

• 預(yù)訓(xùn)練階段使用的語料庫，這是一項核心技術(shù)秘密，尤其是在大模型訓(xùn)練語料使用量越來越大、優(yōu)質(zhì)語料越來越難找的情況下。Meta曾經(jīng)部分公布過LLaMA使用的語料，而OpenAI沒有公布。

• 訓(xùn)練過程中使用的其他工具。如果是標準化工具還好，如果是獨家工具，那么就算披露了其名稱，外界也不可能模仿。

完全滿足上述“開源”條件的大模型非常罕見，尤其是商業(yè)公司，幾乎不可能發(fā)布這種“全面開源”的大模型。原因很簡單：大家發(fā)布開源大模型是為了滿足部分客戶的需求、培育開發(fā)者生態(tài)，而不是方便別人抄襲。OpenAI這次提供的信息有價值，但不太足夠，這大概就是它想要達到的效果。這不禁讓我想起了某些科技巨頭的招股說明書——洋洋灑灑幾百頁，看起來提供了大量財務(wù)和業(yè)務(wù)信息，但是只要涉及到關(guān)鍵的用戶和技術(shù)問題，就以各種方式回避。在此就不點名了。

附帶說一句，OpenAI公布了GPT-OSS的訓(xùn)練細節(jié)：基于英偉達H100 GPU，其中1200億參數(shù)版本消耗了210萬H100小時，200億版本則是前者的六分之一。從這里我們可以推斷出GPT-OSS訓(xùn)練使用的算力集群規(guī)?！僭O(shè)訓(xùn)練時間為30天，則使用了2917張H100；若為45天，則使用了1944張?？紤]到訓(xùn)練數(shù)據(jù)截止于2024年6月、完成于7月底或8月初，所以訓(xùn)練時間不太可能明顯超過45天。

因此，GPT-OSS還沒用上最新的Blackwell系列GPU，也沒有使用“萬卡集群”或更大規(guī)模的集群。這是否意味著頂尖大模型的訓(xùn)練算力需求其實沒那么高呢？且慢下結(jié)論，因為GPT-OSS畢竟不是OpenAI的當家模型，只是OpenAI內(nèi)部訓(xùn)練的無數(shù)個模型之一。GPT-4的參數(shù)規(guī)模高達1.37萬億，是OSS的十倍以上，算力需求肯定會遠過之。寶貴的B100/200 GPU可能完全被用于GPT-4.5以及GPT-5的訓(xùn)練，遺憾的是，OpenAI不太可能披露上面兩個模型的訓(xùn)練細節(jié)。

我猜，GPT-OSS可能是OpenAI最后幾個用Hopper架構(gòu)GPU訓(xùn)練的大模型之一；GPT-4.5以后的大模型可能完全是基于Blackwell訓(xùn)練的。但這只是我的猜測。至于不再用于訓(xùn)練的H100，則將轉(zhuǎn)而承擔(dān)推理任務(wù)，畢竟深度推理模型的普及就意味著推理需求的大爆發(fā)。無論Scaling Law還成不成立，全世界的算力恐怕還需要增長3-4倍以滿足蓬勃的訓(xùn)練及推理需求。

本文沒有獲得OpenAI或其任何競爭對手的資助或背書。

本文作者并不持有OpenAI的任何股份，也不直接持有其競爭對手的任何股份。但是透過基金、信托計劃等持有其競爭對手的股份幾乎是不可避免的。