مقدمه
عرضه مدلهای GPT-OSS توسط شرکت OpenAI در تاریخ ۵ اوت ۲۰۲۵، نقطه عطفی در تاریخ هوش مصنوعی بهشمار میآید و بازگشت مهمی به سمت مدلهای با وزن باز پس از پنج سال انتشار مدلهای عمدتاً بسته محسوب میشود.
OpenAI ابتدا در سال ۲۰۱۹ با GPT-2 به پیشرفتهای بزرگی دست یافت، اما پس از آن به مدلهای بسته روی آورد. با این حال، تقاضای جهانی رو به رشدی برای شفافیت بیشتر، قابلیت شخصیسازی و اجرای محلی مدلها، منجر به معرفی GPT-OSS شد؛ دو مدل با مجوز Apache 2.0 با نامهای GPT-OSS-120b و GPT-OSS-20b. این مدلها به پژوهشگران، توسعهدهندگان و کسبوکارها اجازه میدهند تا مدلها را دانلود، بررسی، اصلاح و بر روی سختافزار شخصی خود بهینهسازی کنند و وابستگی به راهکارهای ابری را کاهش دهند.
مشخصات سریع
مدلتعداد پارامترهانیازمندی حافظه GPUمجوزGPT-OSS-120b۱۲۰ میلیارد۸۰ گیگابایتApache 2.0GPT-OSS-20b۲۰ میلیارد۱۶ گیگابایتApache 2.0
از فضای ابری به محلی GPT-OSS
GPT-OSS-120b: دارای ۱۲۰ میلیارد پارامتر؛ نیازمند حدود ۸۰ گیگابایت حافظه GPU.
GPT-OSS-20b: دارای ۲۰ میلیارد پارامتر؛ بهینهشده برای GPUهای ۱۶ گیگابایتی.
مجوز Apache 2.0 برای تسهیل شفافیت و شخصیسازی.
این دو مدل عملکردی تقریباً همارز با o4‑mini و o3‑mini ارائه میدهند.
دسترسی آسان از طریق Hugging Face، Azure AI Foundry، AWS، و Databricks فراهم شده و مجوز Apache 2.0 اجازه کاربرد تجاری و سفارشیسازی وسیع را میدهد
مزایای جامعه هوش مصنوعی با عرضه GPT-OSS
اجرای مقرونبهصرفه و شخصیسازی مدلها بر روی سختافزار محلی.
سرعتبخشی به نوآوری از طریق همکاری آزاد.
توانمندسازی کسبوکارهای کوچکتر، مراکز آموزشی و پژوهشگران مستقل.
چالشها و محدودیتهای فنی
اگرچه GPT‑OSS در معیارهای استنتاج عملکردی نزدیک به مدلهای بسته دارد، در برخی آزمونها مانند PersonQA کمی فاصله عملکردی مشاهده شده است.
OpenAI ادعا کرده این مدلها با دقیقترین آزمایشهای ایمنی تست شدهاند و حتی نسخههای دستکاریشده با اهداف مخرب نیز ناکارآمد شناخته شدهاند؛ با این حال، نگرانی در مورد سوءاستفاده و حملات jailbreak همچنان مطرح است.
چشمانداز آینده
با انتشار این مدلها، OpenAI قصد دارد فضای رقابت با META (مدل LLaMA) و شرکتهای چینی مانند DeepSeek را بازتر کند؛ مدلی که در ژانویه همین سال منتشر شد و عملکردی رقابتی داشت.
افزایش استفاده از معماریهای MoE (Mixture-of-Experts) و بهینهسازیهای دقت ترکیبی و مشارکت فعال جامعه جهانی انتظار میرود.
کاربرد عملی GPT-OSS
استفاده عملی و بهینهسازی زودهنگام GPT-OSS برای کاربردهای تخصصی صنعتی، با نمایش مزایای فوری و قابلیت شخصیسازی.
یکی از شرکتهای نوپا در حوزه پزشکی، پس از دانلود مدل GPT‑OSS‑20b، آن را برای تحلیل دادههای تخصصی بیماران آموزش داده و توانسته سرعت پردازش را افزایش دهد و وابستگی به سرورهای مرکزی را کاهش دهد. این نمونه به روشنی نشان میدهد که نسخه سبکتر چگونه مزیت جابهجایی و سفارشیسازی فوری را بههمراه دارد.
نتیجهگیری
GPT-OSS نه تنها هوش مصنوعی با وزن باز را احیا میکند، بلکه مسیر آینده توسعه هوش مصنوعی را متحول میسازد. ماهیت شفاف و قابلیت اجرای محلی آن مزایای عملیاتی قابل توجهی همچون کاهش هزینهها و فرصتهای نوآوری فراهم میکند. با این وجود، ذینفعان باید با چالشهای سختافزاری و مسائل ایمنی همچون آسیبپذیری در برابر jailbreak و… مواجه شوند. با تشویق مشارکت فعال در ارزیابیهای متنباز و تطبیق با زیرساختهای ترکیبی (hybrid) هوش مصنوعی، GPT-OSS نوید پیشرفت سریعتر و مشارکتیتر در حوزه هوش مصنوعی را میدهد و استاندارد جدیدی را در اکوسیستم مدلهای باز تعریف میکند.
خلاصه نکات کلیدی
اولین انتشار مدل متن کامل OpenAI در بازهای بیش از پنج سال.
دسترسی و قابلیت اجرا محلی روی سختافزار معمولی بدون نیاز به ابر.
عملکرد رقابتی با مدلهای بسته قدیمی شرکت.
تحریک نوآوری از طریق مدلهای سبکتر قابل شخصیسازی.
نیاز به توجه ایمنی چون خطر سوءاستفاده یا تولید محتوا اشتباه.
حرکت رهبرانهای در رقابت جهانی هوش مصنوعی برابر META و DeepSeek.
