OpenAI пусна два ИИ-модела – те са почти толкова бързи, колкото O3-mini и O4-mini и могат да работят на един графичен процесор

OpenAI пусна два ИИ-модела за разсъждение, за които разработчикът твърди, че притежават сходни възможности с тези на моделите от серията „o“. И двата продукта са достъпни на платформата Hugging Face.

Компанията предлага две разработки: по-мощният gpt-oss-120b, който изисква графична карта на Nvidia, за да работи, докато по-лекият gpt-oss-20b изисква потребителски лаптоп с 16GB RAM. Последният път, когато OpenAI пусна проект с отворен код, беше преди повече от пет години, когато това беше GPT-2. Новите модели, според компанията, могат да изпращат прекалено сложните заявки към облачни системи, ако не могат да обработят някои заявки самостоятелно.

Като признат световен лидер в AI индустрията, OpenAI се стреми да направи своите модели с отворен код по-мощни от съществуващите и твърди, че е успяла. В тестовете за кодиране Codeforces, моделите gpt-oss-120b и gpt-oss-20b са постигнали съответно 2622 и 2516 точки, побеждавайки DeepSeek R1, но изоставайки от o3 и o4-mini. В бенчмарка Humanity’s Last Exam (HLE), gpt-oss-120b и gpt-oss-20b са постигнали съответно 19% и 17,3% — по-ниско от o3, но по-високо от флагманските модели с отворен код DeepSeek и Alibaba Qwen.

Отбелязва се, че новите отворени модели на OpenAI халюцинират, т.е. дават отговори, които уверено не са верни, по-често от затворените o3 и o4-mini. Разработчикът нарече този резултат „очаквано, тъй като по-малките модели имат по-малко познания за света от по-големите, напреднали модели и са склонни към по-изразени халюцинации“. В теста PersonQA моделите gpt-oss-120b и gpt-oss-20b са халюцинирали в отговорите си съответно в 49% и 53% от случаите; за сравнение, за o3 и o4-mini тези цифри са съответно 16% и 36%.

OpenAI е обучил отворените си модели, използвайки същите процеси като при затворените модели, но и двата са използвали метода MoE (Mixture-of-Experts), за да консумират по-малко параметри за отговаряне на въпросите. Моделът gpt-oss-120b, например, има 177 милиарда параметъра, но активира само 5,1 милиарда на токен, което спомага за подобряване на ефективността. Той използва и обучение с подсилване с висока изчислителна мощност — процес за разграничаване на правилното от грешното в симулирани среди; той се използва за обучение на моделите от серията o. Отворените модели също използват подобен процес за обработка на отговорите, което изисква допълнително време и ресурси.

OpenAI твърди, че отворените модели са подходящи за използване в AI-агентите и са способни да имат достъп до уеб-търсене и инструментите за изпълнение на Python код. Подчертава се, че те не са мултимодални, което означава, че са проектирани да работят само с текст и не могат да обработват или генерират изображения или звук. Моделите са достъпни под лиценза Apache 2.0, който се счита за един от най-демократичните. В същото време компанията отказва да разкрие какви данни са използвани за обучението им.

OpenAI е провел и отделно проучване, за да провери дали хипотетични нападатели биха могли да използват новите модели в кибератаки или за разработване на биологични или химически оръжия — с помощта на външни експерти е установено, че те все още биха могли да окажат известна незначителна помощ в областта на биологичната наука, но няма доказателства, че потенциално биха могли да надхвърлят установения „праг на способности“ дори след процедура за фина настройка.