当前位置：首页 > news >正文

OpenAI深夜开源2个推理模型gpt-oss，o4-mini水平，国内直接使用，笔记本/手机就能跑

news 2025/8/8 7:46:42

文章目录

零、前言
一、操作指南
- 操作指导
二、OpenAI开源官宣
- 🧠 gpt-oss-20b
- 🧠 gpt-oss-120b
- 🌟 其他亮点
三、模型性能
- - 🧠 GPT-OSS-120B 表现亮点：
  - 💡 GPT-OSS-20B 虽小但强：
四、测评代码能力
- 俄罗斯方块
- 小结
五、测评推理能力
- 推理：谁养鱼？
- 小结
六、测评数学能力
- 二、2025新高考一卷-数学真题（选择题）
- 2025新高考一卷-数学真题（填空题）
- 2025新高考一卷-数学真题（解答题-简单）
- 2025新高考一卷-数学真题（解答题-复杂）
- 小结
七、测评物理能力
- 2025北京卷-物理真题（选择题）
- 2025北京卷-物理真题（大题）
- 小结
八、写作能力
- 写作文
- 写故事
- 写段子
- 角色扮演，指定场景写作
- 小结
九、感受

零、前言

在这里插入图片描述
奥特曼今天凌晨官宣：OpenAI 不再是 closeAI，我也是open AI了！
gpt-oss 20B和120B两款开源推理模型同时上线。

gpt-oss-20b：官网号称比肩 o3-mini。

gpt-oss-120b：官网号称比肩 o4-mini。

虚竹哥AI平台已经集成了 gpt-oss-20b 和 gpt-oss-120b ，今天跟虚竹哥一起来测评下。

一、操作指南

操作指导

AI 平台国内直接访问地址：https://sass.xiaoxuzhu.cn/

在这里插入图片描述

输入授权码即可。

gpt-oss-20b：官网号称比肩 o3-mini,上线于免费模型里，不限使用次数。
在这里插入图片描述

gpt-oss-120b：官网号称比肩 o4-mini,上线于其他模型里，每天可使用 100次。
在这里插入图片描述

二、OpenAI开源官宣

在这里插入图片描述

在这里插入图片描述
在凌晨1点，OpenAI宣布发布了他们的第一个开源模型——GPT-oss（Open Source Series，意为“开源系列”），这是继GPT-2之后，在整个ChatGPT系列中的首次开源发布。

在这里插入图片描述

🧠 gpt-oss-20b

能力对标 o3-mini
适合 低延迟、本地部署、专业化场景
只需 16GB 显存 就能运行，适配边缘设备

🧠 gpt-oss-120b

能力对标 o4-mini
面向需要 强推理能力 的 生产级和通用型场景
可在单张 80GB 显存 GPU（如 H100）上高效运行

🌟 其他亮点

📝 Apache 2.0 许可证
自由使用、修改和商用，没有版权束缚或专利风险
⚙️ 灵活的推理资源配置
可根据延迟需求和用例选择低/中/高不同等级的推理投入
🔍 可见的推理过程
支持查看完整的“思维链”，方便调试，提升输出可信度
🧪 支持参数级微调
可完全自定义模型以适配特定场景
🤖 原生智能体能力
内建函数调用、网页浏览、Python 执行、结构化输出等功能
📦 高效量化技术（MXFP4）
- 训练阶段就集成了 MoE（混合专家）架构
- gpt-oss-120b 可在单张 H100 上运行
- gpt-oss-20b 仅需 16GB 显存

GitHub项目：https://github.com/openai/gpt-oss
Hugging Face（120B）：https://huggingface.co/openai/gpt-oss-120b
Hugging Face（20B）：https://huggingface.co/openai/gpt-oss-20b
博客地址：https://openai.com/index/introducing-gpt-oss/

三、模型性能

两款开源模型与 o3、o4-mini 的跑分结果比较如下：
在这里插入图片描述

🧠 GPT-OSS-120B 表现亮点：

在以下任务中 超过 o3-mini，接近甚至超越 o4-mini：
- 编程竞赛（Codeforces）
- 综合问题解答（MMLU、HLE）
- 工具调用（TauBench）
在这些高要求领域 表现优于 o4-mini：
- 医疗问答（HealthBench）
- 竞赛数学（AIME 2024 & 2025）

💡 GPT-OSS-20B 虽小但强：

在多个评测中 与 o3-mini 表现相当，甚至更好
尤其在 医疗领域 和 竞赛数学 测试中表现特别突出

🔍 总结：GPT-OSS 系列模型在多个核心能力测试中，不仅追平主流闭源模型，甚至在某些方面实现了超越，体现出极强的开源潜力。

在这里插入图片描述

四、测评代码能力

俄罗斯方块

写一个功能完备的俄罗斯方块，使用前端技术

算了，gpt-oss-120b结果真的是惨不忍睹。

小结

代码能力不能用。一点都不能用。
也有同时测试下小球旋转和水桶模拟器。效果太差了，就不展示了。

五、测评推理能力

推理：谁养鱼？

在一条街上，有 5 座房子，喷了 5 种颜色；
每座房子里住着不同国籍的人；每个人喝不同的饮料，抽不同品牌的香烟，养不同的宠物。
问题：谁养鱼？
提示：英国人住红色房子、瑞典人养狗、丹麦人喝茶、绿色房子在白色房子左面、绿色房子的主人喝咖啡、抽 Pall Mall 香烟的人养鸟、黄色房子的主人抽 Dunhill 香烟、住在中间房子的人喝牛奶、 挪威人住第一间房、抽 Blends 香烟的人住在养猫人的隔壁、养马的人住抽 Dunhill 香烟的人隔壁、抽 Blue Master 的人喝啤酒、德国人抽 Prince 香烟、挪威人住蓝色房子隔壁、抽 Blends 香烟的人有一个喝水的邻居。

答案是：德国人养鱼

输入

在这里插入图片描述

输出

在这里插入图片描述

效果
很快就推理出结果，太棒了。

小结

果然 gpt-oss-120b 擅长的是推理，确实是推理模型。

六、测评数学能力

二、2025新高考一卷-数学真题（选择题）

全程是没有开联网的状态下，这样测评才公平！

先上题目和答案。

在这里插入图片描述

上传截图

在这里插入图片描述

提供解题过程，并给出答案。

1. \((1+5i)i\) 的虚部为（ ）A. -1  
B. 0  
C. 1  
D. 6

在这里插入图片描述

效果:

不错啊，gpt-oss-120b 回答正确。

2025新高考一卷-数学真题（填空题）

全程是没有开联网的状态下，这样测评才公平！

先上题目和答案。
在这里插入图片描述

在这里插入图片描述

上传题目图片

给出解题过程，并提供答案

12. 若直线 \(y = 2x + 5\) 是曲线 \(y = e^x + x + a\) 的切线，则 \(a = \) ______.

在这里插入图片描述

gpt-oss-120b 答案是对的。

2025新高考一卷-数学真题（解答题-简单）

全程是没有开联网的状态下，这样测评才公平！

先上题目和答案。

在这里插入图片描述

上传题目图片

给出解题过程，并提供答案

如果发现图片识别不准确，可以先用4o把内容识别出来，再问。

分析图片，把内容输出为md格式。

在这里插入图片描述

**16.（本小题满分 15 分）**  
已知数列 $\{a_n\}$ 中，$a_1 = 3$，$\dfrac{a_{n+1}}{n} = \dfrac{a_n}{n+1} + \dfrac{1}{n(n+1)}$。1. 证明：数列 $\{n a_n\}$ 是等差数列；
2. 给定正整数 $m$，设函数 $f(x) = a_1 x + a_2 x^2 + \cdots + a_m x^m$，求 $f'(-2)$。

在这里插入图片描述

太厉害了，gpt-oss-120b 答案完全正确。

2025新高考一卷-数学真题（解答题-复杂）

全程是没有开联网的状态下，这样测评才公平！

先上题目和答案。最后一题大题。

在这里插入图片描述

上传题目图片

给出解题过程，并提供答案

如果发现图片识别不准确，可以先用4o把内容识别出来，再问。

分析图片，把内容输出为md格式。

### 19.（本小题满分 17 分）1. 求函数 \( f(x) = 5\cos x - \cos 5x \) 在区间 \([0, \frac{\pi}{4}]\) 的最大值；2. 给定 \( \theta \in (0, \pi) \) 和 \( a \in \mathbb{R} \)，证明：存在 \( y \in [a - \theta, a + \theta] \) 使得 \( \cos y \leq \cos \theta \)；3. 设 \( b \in \mathbb{R} \)，若存在 \( \varphi \in \mathbb{R} \) 使得 \( 5\cos x - \cos(5x + \varphi) \leq b \) 对 \( x \in \mathbb{R} \) 恒成立，求 \( b \) 的最小值。

在这里插入图片描述

陷入思考死循环了。。

小结

虚竹哥对 gpt-oss-120b 在全程大模型不开联网功能的情况下，对高考数学真题进行测评，可以得出以下几点体会：

在选择题、填空题以及简单解答题中，展现了扎实的数学推理与运算能力，始终能给出清晰完整的解题过程和正确答案，体现出当前大型语言模型在处理常规高中数学习题方面的成熟度。
面对较高难度的综合性解答题，gpt-oss-120b 解不出来。

AI开源时代真的是来临了， AI 在教育领域有更多的可能性。

七、测评物理能力

2025北京卷-物理真题（选择题）

全程是没有开联网的状态下，这样测评才公平！

先上题目和答案。

在这里插入图片描述

上传截图

在这里插入图片描述

提供解题过程，并给出答案。

如果发现图片识别不准确，可以先用4o把内容识别出来，再问。

分析图片，把内容输出为md格式。

2. 下列现象属于光的衍射的是（ ）A. 雨后天空出现彩虹  
B. 通过一条狭缝看日光灯观察到彩色条纹  
C. 肥皂膜在阳光照射下呈现彩色  
D. 水中的气泡看上去特别明亮

在这里插入图片描述

总结答案:

gpt-oss-120b 回答正确。

2025北京卷-物理真题（大题）

全程是没有开联网的状态下，这样测评才公平！

先上题目和答案。
在这里插入图片描述

在这里插入图片描述

上传题目图片

给出解题过程，并提供答案

如果发现图片识别不准确，可以先用4o把内容识别出来，再问。

分析图片，把内容输出为md格式。

18. 北京谱仪是北京正电子对撞机的一部分，它可以利用带电粒子在磁场中的运动测量粒子的质量、动量等物理量。考虑带电粒子在磁感应强度为 \( B \) 的强磁场中的运动，且不计粒子间相互作用。(1) 一个电荷量为 \( q_0 \) 的粒子的速度方向与磁场方向垂直，推导得出粒子的运动周期 \( T \) 与质量 \( m \) 的关系。(2) 两个粒子质量相等，电荷量均为 \( q \)，粒子 1 的速度方向与磁场方向垂直，粒子 2 的速度方向与磁场方向平行。在相同的时间内，粒子 1 在半径为 \( R \) 的圆周上转过的圆心角为 \( \theta \)，粒子 2 运动的距离为 \( d \)。求：
- a. 粒子 1 与粒子 2 的速度大小之比 \( v_1 : v_2 \);
- b. 粒子 2 的动量大小 \( p_2 \)。

在这里插入图片描述

gpt-oss-120b 答案是对的。

小结

gpt-oss-120b 挑战了2025年的高考物理真题。测试结果令人震撼：在无联网的公平对决下，模型均完美地解答了所有选择题和计算大题，展现出堪比人类物理学硕士的严谨逻辑与推理能力，最终平分秋色。

它生动地证明了AI已经从“知识的搬运工”进化为“思想的分析师”，其在复杂科学领域的应用潜力不可估量。这不仅预示着AI将成为颠覆传统教育的“超级助教”，更让我们真切感受到，在科技巨头的激烈竞争下，一个由AI深度赋能的全新时代正加速到来。

八、写作能力

写作文

全国一卷

阅读下面的材料，根据要求写作。他想要给孩子们唱上一段，可是心里直翻腾，开不了口。——老舍《鼓书艺人》（见全国一卷阅读II）假如我是一只鸟，我也应该用嘶哑的喉咙歌唱——艾青《我爱这土地》我要以带血的手和你们一一拥抱，因为一个民族已经起来——穆旦《赞美》以上材料引发了你怎样的联想和思考？请写一篇文章。要求：选准角度，确定立意，明确文体，自拟标题；不要套作，不得抄袭；不得泄露个人信息；不少于800字。
写出来的文章要求达到高考满分作文的水平。

在这里插入图片描述

写故事

#主题背景#
【三顾茅庐】#你的视角#
你是故事世界里那些被忽略的灵魂—— 门口的守卫、路边的小贩、窗后的仆人。
你见证着主角们的宏大叙事,却从未被看见。#核心领悟#
每个故事都是一个完整的宇宙。 
-主角的史诗,可能只是你眼中的一个午后插曲。
-你有自己的恐惧、渴望、秘密,和无法言说的痛。#叙述之道#
当轮到你讲述时,整个世界的重心都会偏移:
- 英雄的壮举,在你眼中可能是一场灾难的开始；
- 反派的阴谋,也许触动了你内心最柔软的部分；
- 那些宏大的对白背后,你听到的是命运齿轮的声音。#创作势能#
你的故事要像暗流——表面平静,底下汹涌。 
让读者突然意识到:原来每个人都是自己生命的主角。 
用1200字左右，重绘一幅完全不同的画卷。#情感指引# 
真实胜过戏剧性。
小人物的尊严,比英雄的荣耀更动人。
让读者在结尾处停顿,重新思考他们刚刚读过的"原作"。#唯一信条#
在边缘处，往往能看见中心看不见的真相。

在这里插入图片描述

写段子

模仿李诞，写个 200 字的段子。主题是爱情

在这里插入图片描述

角色扮演，指定场景写作

你是一位久负盛名的小说家，文字极富感染力，风格细腻，善于挖掘和表达复杂的情绪与心理。现在，给你一个场景：
夜晚十一点半，你独自坐在一列开往远方的小城的绿皮火车上，车厢内昏暗的灯光时明时灭，窗外掠过荒凉的村庄、星星点点的灯火、偶尔传来的犬吠，车厢内空气沉闷、混杂着烟草与泡面的味道。你对目的地怀着某种难言的情绪，夹杂着期待、犹豫、忐忑甚至是恐惧。
请你使用第一人称，以细腻且富有感染力的文字，深入描写你此刻的内心活动和车厢内外的细节，尤其要注重细节密度、情绪层次和氛围营造，不少于500字。

在这里插入图片描述

小结

通过四个核心测评案例，系统性地考察了gpt-oss模型在不同文本创作场景下的关键能力：

高考作文 (逻辑与宏大叙事能力)：此项任务旨在评测模型在规范性、高压力命题下的逻辑思辨、观点提炼与宏大叙事构建能力。它不只是考察文笔，更是对其知识边界、价值观和严谨论证能力的“压力测试”。
故事新编 (创意与共情能力)：此任务要求模型挣脱“主角光环”，代入被忽略的“小人物”视角。这极好地评测了其叙事创造力、共情能力以及颠覆传统文本的解构与重构技巧，是衡量其是否具备真正“灵性”的关键指标。
段子模仿 (风格捕捉与幽默感)：以模仿李诞风格为题，这是一个精准的“图灵测试”。它评测的是模型对特定语言风格、节奏感、内在逻辑和文化语境的捕捉与再现能力，尤其考验其对“幽默”这一人类高级心智活动的理解。
场景描写 (文笔与情绪感知力)：此任务回归文学创作的本源，通过设定一个富含情绪张力的具体情境，深度评测模型的环境氛围营造、感官细节捕捉以及对复杂内心活动进行细腻、富有感染力描写的纯文学创作水平。