最近AI圈子里掀起了一阵热潮，OpenAI一口气推出了两款开源模型gpt-oss-120b和gpt-oss-20b。这两款模型不仅参数量惊人，还特别强调了对Agent工作流的支持。作为第三方评测机构，我们从实际应用角度出发，深入分析这两款模型在性能、工具调用、推理能力等方面的表现，看看它们到底能给开发者带来哪些新机会。

性能与性价比如何达到“王炸”水平？

在实际测试中，gpt-oss-120b在核心推理能力上展现出不俗的实力。这款模型能够在80GB消费级显卡上流畅运行，而更小的gpt-oss-20b甚至能在16GB内存设备上完成本地推理。这种轻量化设计让开发者在边缘计算场景下也能轻松部署，大大降低了硬件成本。对于需要快速迭代的项目来说，这种高性价比的配置无疑是个好消息。

为什么说这两款模型是为“AI代理”量身打造？

OpenAI在模型设计时特别强化了工具使用能力和指令执行效果。相比传统对话模型，这两款模型能更自然地调用外部工具，比如执行Python代码或进行网络搜索。这种能力在开发智能应用时至关重要，因为它能让AI代理在复杂任务中灵活应对，比如自动完成数据采集、分析和决策流程。这种设计让模型在实际项目中展现出更强的适应性。

MoE架构与128k上下文如何提升效率？

这两款模型采用的混合专家架构是关键。虽然参数量巨大，但通过动态激活部分专家，有效控制了计算成本。同时支持的128k超长上下文窗口，让模型能处理更复杂的任务。这种设计特别适合需要理解长文档或持续对话的应用场景，比如客服系统、智能助手等。在实际测试中，这种架构优势明显，能显著提升处理复杂任务的效率。

gpt-oss-120b: 117B总参数，5.1B活动参数，36层，每层128个专家（激活4个）。

gpt-oss-20b: 21B总参数，3.6B活动参数，24层，每层32个专家（激活4个）。

用数据说话：硬核性能全方位解读

在编程能力测试中，gpt-oss-120b（带工具）的Elo评分达到2622分，与顶级模型o3（2706分）、o4-mini（2719分）处于同一梯队。更让人惊喜的是，小尺寸的gpt-oss-20b（带工具）评分为2516分，远超o3-mini（2073分）。这种表现说明模型在代码生成和理解方面有很强的实力，对工程师来说是极大的福音。

健康领域对话能力如何？

在健康咨询场景测试中，gpt-oss系列表现出色。常规HealthBench测试中，gpt-oss-20b得分59.8%，gpt-oss-120b得分57.6%，均超过o4-mini（50.1%）和o3（42.5%）。在更复杂的HealthBench Hard测试中，gpt-oss-120b（30%）仅略低于o3（31.6%），但远超其他模型。这种专业能力在医疗健康领域尤为关键，能帮助AI代理更好地理解用户需求。

数学竞赛能力表现如何？

在数学竞赛测试中，所有顶级模型表现都很接近。gpt-oss系列与o-series模型互有胜负，例如在AIME 2025测试中，gpt-oss-20b（98.7%）甚至超过gpt-oss-120b和o3。这种表现证明模型具备强大的逻辑推理和数学计算能力，适合需要处理复杂数学问题的应用场景。

综合知识与推理能力如何？

在MMLU、GPQA Diamond和Humanity's Last Exam等测试中，gpt-oss-120b展现出与顶级模型相当的实力。MMLU测试中准确率90%，GPQA Diamond测试中80.1%，Humanity's Last Exam测试中19%。这些成绩说明模型在学术、科学和跨学科领域有很强的知识储备，能应对各种复杂问题。

AI代理核心能力表现如何？

在Tau-Bench Retail测试中，gpt-oss-120b的准确率67.8%，接近表现最好的o3（70.4%），且优于o4-mini（65.6%）。这种函数调用能力是构建AI代理的关键，意味着开发者可以放心地让模型调度各种外部工具，打造更复杂的自动化应用。这种能力在实际项目中能显著提升系统的智能化水平。

未经监督的“思维链”有何特点？

模型的思维链设计很特别，采用未经直接监督的方式。这种设计让模型的思考过程更接近真实情况，调试时看到的CoT就是模型最原始的想法。这种自然的思维过程能帮助开发者更好地理解模型的决策逻辑，提高应用的可解释性和可信度。

如何将这些能力应用到实际项目中？

目前模型已在Hugging Face开放下载，Azure、AWS、NVIDIA等大厂也提供支持。这种成熟的生态让开发者能快速将模型集成到自己的产品中。无论是开发智能客服系统，还是构建自动化工作流，这些模型都能提供强大的支持。对于需要AI鞋履或AI服装工具的开发者来说，这些能力能显著提升产品的智能化水平。

写在最后

这两款模型的推出，为开发者提供了更多选择。从实际测试来看，它们在性能、工具调用和推理能力等方面都表现出色。对于需要AI鞋履或AI服装工具的开发者来说，这些能力能显著提升产品的智能化水平。建议开发者根据具体需求，选择合适的模型进行开发。欢迎在实际应用中交流使用心得，共同探索AI技术的更多可能性。