OpenAI veröffentlicht gpt-oss-120b und gpt-oss-20b als Open-Weight-Modelle

ArtikelOpenAIForschung

OpenAI stellt mit gpt-oss-120b und gpt-oss-20b zwei quelloffene Mixture-of-Experts-Modelle mit Reasoning- und Tool-Use-Fähigkeiten unter der Apache-2.0-Lizenz bereit.

Das Wichtigste

  1. Zwei Modellgrößen als Mixture-of-Experts (MoE): gpt-oss-120b (116,8 Mrd. Parameter gesamt, 5,1 Mrd. aktiv) und gpt-oss-20b (20,9 Mrd. Parameter gesamt, 3,6 Mrd. aktiv).
  2. Dank MXFP4-Quantisierung (4,25 Bit pro Parameter) läuft das 120b-Modell auf einer einzelnen 80-GB-GPU, die 20b-Variante auf Systemen ab 16 GB RAM.
  3. Unterstützt variable Reasoning-Stufen (low, medium, high), vollständige Chain-of-Thought (CoT), Structured Outputs und ein Kontextfenster von 131.072 Tokens via YaRN.
  4. Neues Harmony-Chat-Format definiert Rollenhierarchien (System > Developer > User > Assistant > Tool) und Kanäle für CoT-Analyse, Kommentare und finale Antworten.
  5. In Benchmarks wie SWE-bench Verified, GPQA und AIME übertrifft gpt-oss-120b das Modell OpenAI o3-mini und nähert sich o4-mini an.
  6. Sicherheitsanalysen im Rahmen des Preparedness Frameworks zeigen keine Einstufung als 'High Risk' in den Bereichen Biologie/Chemie, Cyber oder KI-Selbstoptimierung – selbst nach adversarialem Fine-Tuning.

Warum das relevant ist

Mit der Freigabe unter Apache 2.0 bringt OpenAI hochentwickelte CoT-Reasoning-Modelle direkt in die Open-Source-Community. Entwickler erhalten Zugriff auf transparente Denkpfade und Agenten-Werkzeuge, die lokal auf Standard-Hardware betrieben werden können.

Einordnung

Die Architektur setzt konsequent auf Effizienz: Durch den geringen Anteil aktiver Parameter pro Forward-Pass und die 4,25-Bit-Quantisierung minimiert OpenAI den Ressourcenbedarf bei der Inferenz drastisch. Zugleich adressiert OpenAI im Model Card detailliert die Risiken offener Gewichte. Da Sicherheitsfilter nach dem Download manipuliert werden können, mussten Risikotests simulieren, was bösartige Akteure durch Fine-Tuning erreichen können. Dass gpt-oss-120b bestehende Open-Source-Grenzwerte bei biologischen Gefahren laut OpenAI nicht signifikant verschiebt, diente als zentrale Begründung für die Veröffentlichung.

Gefunden in

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • Link:Tencent Hy Team

    Tencent veröffentlicht MoE-Modell Hy4-preview unter Apache-2.0-Lizenz

    Das Tencent Hy Team hat Hy4-preview als quelloffenes Mixture-of-Experts-Modell (MoE) mit 770 Milliarden Gesamtparametern und 49 Milliarden aktiven Parametern pro Token vorgestellt. Das Flaggschiff-Modell bietet ein Kontextfenster von 1 Million Tokens und wurde für Aufgaben in Softwareentwicklung, Büroarbeit und wissenschaftlicher Forschung optimiert.

    KI & AI· Ankündigung

  • Link:ornith-ai

    Ornith-1.5-397B: Open-Source-MoE-Modell mit Fokus auf Coding und Reasoning

    ornith-ai hat das multimodale Mixture-of-Experts-Modell Ornith-1.5-397B unter MIT-Lizenz veröffentlicht. Das 397 Milliarden Parameter schwere Modell setzt auf kontinuierliche Selbstverbesserung und erzielt in Programmier- und Reasoning-Benchmarks Ergebnisse auf dem Niveau führender proprietärer Modelle.

    KI & AI· Sammlung

  • Link:Xiaomi MiMo Team

    Xiaomi veröffentlicht MiMo-V2.5-Pro als Open-Source-Modell

    Xiaomi hat MiMo-V2.5-Pro vorgestellt, ein quelloffenes Mixture-of-Experts-Modell mit 1,02 Billionen Parametern und 42 Milliarden aktiven Parametern. Das Modell bietet ein Kontextfenster von bis zu 1 Million Tokens und zielt speziell auf komplexe Agenten-Workflows und langanhaltende Software-Engineering-Aufgaben ab.

    KI & AI· Ankündigung

  • Artikel:DeepSeek AI

    DeepSeek veröffentlicht DeepSeek-V4 Preview als Open Source mit 1M Kontext

    DeepSeek hat die Preview-Version von DeepSeek-V4 als Open Source freigegeben. Die Modellreihe umfasst die Varianten DeepSeek-V4-Pro und DeepSeek-V4-Flash, bietet standardmäßig ein Kontextfenster von einer Million Tokens und bringt neue Architekturen zur Rechenzeit- und Speicheroptimierung mit.

    KI & AI· Ankündigung

Lassen Sie uns über Ihr Projekt sprechen

Standorte

  • Mattersburg
    Johann Nepomuk Bergerstraße 7/2/14
    7210 Mattersburg, Austria
  • Wien
    Ungargasse 64-66/3/404
    1030 Wien, Austria

Dieser Inhalt wurde teilweise mithilfe von KI erstellt.