Presentamos gpt-oss

Presentamos gpt-oss-120b y gpt-oss-20b, dos modelos de lenguaje avanzados con pesos accesibles, que ofrecen un rendimiento sólido en el mundo real a bajo coste. Disponibles con la flexible licencia Apache 2.0, estos modelos superan en tareas de razonamiento a otros open models de tamaño similar, demuestran sólidas capacidades de uso de herramientas y están optimizados para una implementación eficiente en hardware de consumo. Se entrenaron usando una combinación de aprendizaje por refuerzo y técnicas basadas en los modelos internos más avanzados de OpenAI, incluyendo o3 y otros sistemas de vanguardia.

El modelo gpt-oss-120b alcanza una paridad cercana con OpenAI o4-mini en pruebas básicas de razonamiento, funcionando de manera eficiente en una única GPU de 80 GB. El modelo gpt-oss-20b ofrece resultados similares a OpenAI o3‑mini en pruebas comunes y puede ejecutarse en dispositivos edge con solo 16 GB de memoria, lo que lo hace ideal para casos de uso en el dispositivo, inferencia local o iteración rápida sin una infraestructura costosa. Ambos modelos también ofrecen un rendimiento destacado en el uso de herramientas, llamadas a funciones con pocos ejemplos, razonamiento en cadena (como se observa en los resultados de la suite de evaluación autónoma Tau-Bench) y HealthBench (superando incluso a modelos propietarios como OpenAI o1 y GPT‑4o).

Estos modelos son compatibles con nuestra Responses API⁠(se abre en una ventana nueva) y están diseñados para usarse en flujos de trabajo autónomos, con una capacidad excepcional para seguir instrucciones, utilizar herramientas como búsquedas en la web o ejecución de código de Python y habilidades de razonamiento, incluyendo la posibilidad de ajustar el esfuerzo de razonamiento para tareas que no requieren razonamiento complejo o que buscan obtener resultados finales con latencia muy baja. Son totalmente personalizables, ofrecen razonamiento en cadena completo (CoT) y admiten salidas estructuradas⁠(se abre en una ventana nueva).

La seguridad es fundamental en nuestro enfoque para lanzar todos nuestros modelos y tiene una importancia especial en los open models. Además de someter los modelos a un completo entrenamiento y a una evaluación de seguridad, también introdujimos una capa adicional de evaluación probando una versión de gpt-oss-120b ajustada de forma adversarial según nuestro marco de preparación⁠(se abre en una ventana nueva). Los modelos gpt-oss ofrecen un rendimiento comparable al de nuestros modelos de vanguardia en las pruebas internas de seguridad, brindando a los desarrolladores los mismos estándares de seguridad que nuestros recientes modelos propietarios. Compartimos los resultados de ese trabajo y más detalles en un artículo de investigación y en la tarjeta del modelo. Nuestra metodología fue revisada por expertos externos y representa un avance en el establecimiento de nuevos estándares de seguridad para los modelos con pesos accesibles.

También hemos trabajado con socios iniciales como AI Sweden⁠(se abre en una ventana nueva), Orange⁠(se abre en una ventana nueva) y Snowflake⁠(se abre en una ventana nueva) para explorar usos reales de nuestros open models, tanto alojándolos en instalaciones propias por motivos de seguridad como afinándolos con datos específicos. Estamos encantados de poner a disposición estos open models de alto nivel para que cualquiera, desde desarrolladores independientes hasta grandes compañías o gobiernos, pueda usar y adaptar la IA en su propia infraestructura. Junto con los modelos disponibles en nuestra API, los desarrolladores pueden elegir el rendimiento, el coste y la latencia que mejor se adapten a sus flujos de trabajo de IA.

Los modelos gpt-oss se entrenaron utilizando nuestras técnicas más avanzadas de preentrenamiento y posentrenamiento, con un enfoque especial en el razonamiento, la eficiencia y la utilidad en entornos reales, abarcando una amplia variedad de contextos de implementación. Aunque hemos puesto a disposición otros modelos como Whisper⁠ y CLIP⁠, los modelos gpt-oss son nuestros primeros modelos de lenguaje con pesos accesibles desde GPT‑2^[1].

Cada modelo es un transformador que utiliza la mezcla de expertos (MoE^[2]) para reducir el número de parámetros activos necesarios para procesar la entrada. gpt-oss-120b activa 5100 millones de parámetros por token, mientras que gpt-oss-20b activa 3600 millones. Los modelos tienen, respectivamente, 117 mil millones y 21 mil millones de parámetros en total. Los modelos utilizan patrones de atención alterna entre atención densa y atención dispersa localmente acotada, similares a los de GPT‑3^[3]. Para mejorar la eficiencia en inferencia y uso de memoria, los modelos también utilizan grouped multi-query attention, con un tamaño de grupo de 8. Utilizamos Rotary Positional Embedding (RoPE^[4]) para la codificación posicional y ofrecemos compatibilidad nativa con longitudes de contexto de hasta 128 k.

Entrenamos los modelos con un conjunto de datos de alta calidad, mayoritariamente en inglés y compuesto solo por texto, con un enfoque en disciplinas STEM, programación y conocimiento general. Tokenizamos los datos utilizando un superconjunto de nuestro tokenizador usado en OpenAI o4-mini y GPT‑4o: «o200k_harmony», que también estamos publicando hoy como código abierto.

Para más información sobre la arquitectura y el entrenamiento de nuestros modelos, consulta la tarjeta del modelo.

Los modelos se sometieron a un posentrenamiento mediante un proceso similar al utilizado para o4-mini, que incluye una etapa de ajuste supervisado y una fase de aprendizaje por refuerzo de alto cómputo. Nuestro objetivo fue alinear los modelos con la especificación de modelos de OpenAI Model Spec⁠(se abre en una ventana nueva) y enseñarle a aplicar el razonamiento en cadena (CoT)⁠ y el uso de herramientas antes de generar una respuesta. Al utilizar las mismas técnicas que nuestros modelos propietarios de razonamiento de última generación (SoTA), los modelos demuestran capacidades excepcionales tras el postentrenamiento.

Igual que los modelos de razonamiento de la serie o de OpenAI en la API, estos dos modelos con pesos accesibles permiten ajustar el esfuerzo de razonamiento en tres niveles: bajo, medio y alto, lo que supone un equilibrio entre latencia y rendimiento. Los desarrolladores pueden ajustar fácilmente el esfuerzo de razonamiento con una sola frase en el mensaje del sistema.

Hemos evaluado gpt-oss-120b y gpt-oss-20b en pruebas comparativas académicas estándar para medir las capacidades en programación, matemáticas de competición, salud y uso de herramientas autónomas, comparándolos con otros modelos de razonamiento de OpenAI como o3, o3‑mini y o4-mini.

gpt-oss-120b supera a OpenAI o3‑mini y iguala o supera a OpenAI o4-mini en programación competitiva (Codeforces), resolución general de problemas (MMLU y HLE) y llamadas a herramientas (TauBench). Además, supera a o4-mini en consultas relacionadas con la salud (HealthBench⁠) y matemáticas de competición (AIME 2024 y 2025). A pesar de su tamaño reducido, gpt-oss-20b iguala o supera a OpenAI o3‑mini en estas mismas evaluaciones, incluso obteniendo mejores resultados en matemáticas de competición y salud.

Nuestras investigaciones recientes⁠ han demostrado que monitorizar el razonamiento en cadena (CoT) de un modelo puede ser útil para detectar comportamientos indebidos, siempre que el modelo no se haya entrenado con supervisión directa para alinear dicho razonamiento. Esta perspectiva también es compartida⁠(se abre en una ventana nueva) por otras personas del sector. Siguiendo nuestros principios desde el lanzamiento de la vista previa de OpenAI o1⁠, no aplicamos supervisión directa sobre el razonamiento en cadena (CoT) en ninguno de los modelos gpt-oss. Creemos que esto es fundamental para supervisar el mal comportamiento, el engaño y el uso indebido del modelo. Nuestra esperanza es que, al lanzar un open model con razonamiento en cadena no supervisado, los desarrolladores e investigadores tengan la oportunidad de investigar e implementar sus propios sistemas de supervisión de CoT.

Los desarrolladores no deberían mostrar directamente las cadenas de razonamiento (CoTs) a los usuarios en sus aplicaciones. Pueden contener contenido inventado o perjudicial, incluido lenguaje que no se ajusta a las políticas de seguridad estándar de OpenAI, así como información que el modelo ha sido instruido explícitamente para no incluir en la respuesta final.

Los modelos gpt-oss aprovechan nuestros enfoques más avanzados para el entrenamiento en seguridad. Durante el preentrenamiento, filtramos ciertos datos perjudiciales relacionados con material químico, biológico, radiológico y nuclear (CBRN). Durante el posentrenamiento, utilizamos alineación deliberada⁠ y la jerarquía de instrucciones⁠(se abre en una ventana nueva) para enseñar al modelo a rechazar peticiones inseguras y protegerse frente a inyecciones de instrucciones.

Una vez que se publica un modelo con pesos accesibles, es posible que actores malintencionados puedan afinarlo con fines maliciosos. Hemos evaluado directamente estos riesgos ajustando el modelo con datos especializados en biología y ciberseguridad, creando una versión específica para cada dominio que no rechaza solicitudes, imitando cómo lo haría un atacante. Los resultados de las pruebas mostraron que, aunque se aplicó un ajuste muy extenso con la infraestructura de entrenamiento líder de OpenAI, los modelos ajustados con fines maliciosos no alcanzaron niveles altos de capacidad según nuestro marco de preparación⁠. Esta metodología de afinamiento malicioso fue revisada por tres grupos independientes de expertos, quienes hicieron recomendaciones para mejorar el proceso de entrenamiento y evaluación, muchas de las cuales hemos adoptado. Detallamos estas recomendaciones en la tarjeta del modelo. Estos procesos suponen un avance significativo en la seguridad de los open models. Estos hallazgos confirmaron nuestra decisión de lanzar los modelos gpt-oss. Esperamos que estos modelos contribuyan a acelerar el entrenamiento en seguridad y la investigación en alineamiento en toda la industria.

Para fomentar un ecosistema de código abierto más seguro, estamos organizando un Red Teaming Challenge⁠(se abre en una ventana nueva) para invitar a investigadores, desarrolladores y entusiastas de todo el mundo a identificar nuevos riesgos de seguridad. El reto cuenta con un fondo de premios de 500 000 USD, que se otorgará tras la evaluación de un jurado compuesto por expertos de OpenAI y otros laboratorios de primer nivel. Al final del desafío, publicaremos un informe y haremos público un conjunto de datos de evaluación basado en los hallazgos validados, para que toda la comunidad pueda beneficiarse de inmediato. Obtén más información y participa aquí⁠(se abre en una ventana nueva).

Los pesos de los modelos gpt-oss-120b y gpt-oss-20b están disponibles gratuitamente para la descarga en Hugging Face, y vienen cuantizados de forma nativa en formato MXFP4. Esto permite que el modelo gpt-oss-120B se ejecute con solo 80 GB de memoria, mientras que gpt-oss-20b requiere únicamente 16 GB.

Los modelos se han posentrenado con nuestro formato de indicaciones harmony⁠(se abre en una ventana nueva), y hemos publicando como código abierto el renderizador harmony⁠(se abre en una ventana nueva) en Python y Rust para facilitar su adopción. También hemos publicado implementaciones de referencia para ejecutar inferencias con PyTorch y en la plataforma Metal de Apple, junto con herramientas de ejemplo para el modelo.

Hemos diseñado estos modelos para que sean flexibles y fáciles de ejecutar en cualquier lugar, ya sea localmente, en el dispositivo o a través de proveedores de inferencia externos. Para apoyar esto, nos asociamos antes del lanzamiento con plataformas líderes de implementación como Hugging Face, Azure, vLLM, Ollama, llama.cpp, LM Studio, AWS, Fireworks, Together AI, Baseten, Databricks, Vercel, Cloudflare y OpenRouter para facilitar el acceso amplio a los modelos por parte de los desarrolladores. En el lado del hardware, hemos trabajado con líderes del sector como NVIDIA, AMD, Cerebras y Groq para garantizar un rendimiento optimizado en todo tipo de sistemas.

Como parte del lanzamiento de hoy, Microsoft también está llevando versiones optimizadas para GPU del modelo gpt-oss-20b a dispositivos Windows. Impulsados por ONNX Runtime, estos modelos soportan inferencia local y están disponibles a través de Foundry Local y el AI Toolkit para VS Code, facilitando a los desarrolladores de Windows la creación con open models.

Para los desarrolladores que buscan modelos totalmente personalizables que puedan afinar y desplegar en sus propios entornos, gpt-oss es una opción ideal. Para quienes buscan soporte multimodal, herramientas integradas y una integración fluida con nuestra plataforma, los modelos disponibles a través de nuestra API siguen siendo la mejor opción. Seguimos escuchando atentamente los comentarios de los desarrolladores y es posible que consideremos ofrecer compatibilidad con API para gpt-oss en el futuro.

Si quieres probar los modelos, accede a nuestro open model playground⁠(se abre en una ventana nueva). Para obtener más información sobre cómo utilizar los modelos con distintos proveedores del ecosistema o cómo afinarlos, consulta nuestras guías⁠(se abre en una ventana nueva).

El lanzamiento de gpt-oss-120b y gpt-oss-20b representa un avance significativo para los modelos con pesos accesibles. Dado su tamaño, estos modelos suponen avances significativos tanto en capacidad de razonamiento como en seguridad. Al añadir estos open models a nuestra oferta actual de API, nuestro objetivo es acelerar la investigación de vanguardia, fomentar la innovación y permitir un desarrollo de IA más seguro y transparente en una amplia variedad de casos de uso.

Estos open models también reducen las barreras para los mercados emergentes, los sectores con recursos limitados y las organizaciones más pequeñas que quizás no disponen del presupuesto o la flexibilidad necesarios para adoptar modelos propietarios. Con herramientas potentes y accesibles a su alcance, personas de todo el mundo pueden construir, innovar y generar nuevas oportunidades para sí mismas y para los demás. El acceso amplio a estos potentes modelos con pesos accesibles creados en EE. UU. contribuye a ampliar las bases democráticas de la IA.

Un ecosistema saludable de open models es una dimensión clave para lograr que la IA sea accesible y beneficiosa para todos. Estamos publicando nuestros propios open models para explorar cómo podemos contribuir a este ecosistema y evaluar si las ventajas y beneficios de estos modelos justifican que OpenAI siga invirtiendo en open models en el futuro. Si estás trabajando con nuestros open models, tus comentarios sobre los puntos fuertes y aplicaciones reales serán clave para orientar nuestra decisión.

Animamos a desarrolladores e investigadores a usar estos modelos para probar ideas, colaborar y llevar más allá los límites de lo que se puede lograr. Estamos deseando ver lo que eres capaz de crear.