全网开扒 GPT-oss，惊喜发现……
奥特曼还是谦虚了，这性能岂止是 o4-mini 的水平，直接 SOTA 击穿一众开源模型。
不仅轻松通过多项性能测试，网友也整起了各种花活：
论文解读、整理数据，甚至造出类似于 Grok 4 Heavy 的 GPT-oss Pro 版。
背后架构也是被大佬们挖掘得明明白白，只能说开源真妙哇！
终于理解奥特曼提前预告的那句话是啥意思了：
即将进入 SaaS 的快时尚时代。
估计接下来 OpenAI 还有不少好东西要陆续发布……
全网开测 GPT-oss
首先，全网最关注的基准测试新鲜出炉，GPT-oss 直接登顶开源模型王座。
横扫 GPQA Diamond、AIME 2024、AIME 2025 和 Codeforces 榜单，超越 DeepSeek R1、Qwen3、Llama 4、Kimi K2 等一众开源模型。
不过在 MMLU 上确实还是 Qwen3-235B 更胜一筹，Kimi-K2 也在 SWE-Bench 上得分更高。
在核心推理基准测试中，GPT-oss 实现了与 o4-mini 等同的效果，可以在单个 80GB 的 GPU 上高效运行。
另外在一些常见基准测试中，性能也比肩 o3-mini，且只需要一个 16GB 内存的边缘设备，预计 GPT-oss 将会成为本地推理或快速迭代的理想选择，而无需昂贵的基础设施。
最小的 20B 模型可以轻松通过以下三项编码测试，比一些规模远超过它 2-3 倍的模型效果要好得多：
-
模拟球在旋转六边形内弹跳，GPT-oss 以较高的准确性尽可能还原了真实物理情况。
另外，AWS 今天也宣布将通过 Amazon Bedrock 和 Amazon SageMaker AI 平台正式上线该 OpenAI 开源模型，直接能够快速便捷地构建生产式 AI 应用。
除了民间网友的实测，一些专业大佬们也加入了这场开源风暴。
吴恩达测试 GPT-oss-120B 后，认为其性能相当强大：
Qwen 著名研究员 Binyuan Hui 也表示如果 GPT-oss 完全使用的是合成数据训练，那么该方法将有助于小模型实现更好的性能。
也欢迎屏幕前的你动手体验 GPT-oss，并在评论区留下你的实测结果。
参考链接：
[1]x.com/rasbt/statu…
[2]cookbook.openai.com/articles/gp…
[3]x.com/mattshumer_…
[4]x.com/RafaCrackYT…
[5]x.com/hud_evals/s…
[6]simonwillison.net/2025/Aug/5/…
[7]x.com/AdamZweiger…
[8]x.com/arithmoquin…欢迎在评论区留下你的想法！
— 完 —
