OpenAI gpt-oss-120b மற்றும் gpt-oss-20b: திறந்த எடை மாடல்களுக்கு இது ஒரு புதிய சகாப்தமா?

பொருளடக்கம்

OpenAI ஒரு புரட்சிகரமான வெளியீட்டை அறிவித்துள்ளது: GPT-OSS-120B மற்றும் GPT-OSS-20B . இந்த இரண்டு அதிநவீன திறந்த-எடை மாதிரிகள் இப்போது Apache 2.0 உரிமத்தின் கீழ் பொதுமக்களுக்குக் கிடைக்கின்றன.

இந்த வெளியீட்டை உண்மையிலேயே உற்சாகப்படுத்துவது அணுகல்தன்மை, செயல்திறன் மற்றும் பாதுகாப்பு ஆகியவற்றின் கலவையாகும். GPT-OSS உடன், OpenAI டெவலப்பர்கள், ஆராய்ச்சியாளர்கள் மற்றும் நிறுவனங்கள் தங்கள் சொந்த வன்பொருளில் உயர்தர AI மாதிரிகளை பகுத்தறிவு திறன்களில் சமரசம் செய்யாமல் இயக்குவதற்கான கதவைத் திறந்துள்ளது.

GPT-OSS என்றால் என்ன?

GPT-OSS என்பது பெரிய மொழி மாதிரிகளின் ஒரு குடும்பமாகும் - GPT-OSS-120B மற்றும் GPT-OSS-20B - திறந்த பயன்பாட்டிற்காக வடிவமைக்கப்பட்டுள்ளது. அவை நிஜ உலக பகுத்தறிவு, கருவி பயன்பாடு மற்றும் குறைந்த தாமத பதில்களுக்கு உகந்ததாக உள்ளன. சிறந்த பகுதி? நீங்கள் அவற்றை உள்ளூரில் பயன்படுத்தலாம்.

இரண்டு மாடல்களும் செயல்திறனை அதிகரிக்க அதிநவீன நிபுணர் கலவை (MoE) கட்டமைப்பைப் பயன்படுத்துகின்றன. ஒரு டோக்கனுக்கு குறைவான செயலில் உள்ள அளவுருக்களுடன், அவை வன்பொருள் தேவைகளைக் குறைக்கும் அதே வேளையில் சக்தியைத் தக்கவைத்துக்கொள்கின்றன.

அது ஏன் முக்கியம்?

திறந்த-எடை மாதிரிகள் AI ஐ ஜனநாயகப்படுத்துகின்றன. அவை சிறிய நிறுவனங்கள், ஆராய்ச்சியாளர்கள் மற்றும் பொழுதுபோக்கு ஆர்வலர்கள் தனியுரிம APIகளின் செலவுகள் அல்லது கட்டுப்பாடுகள் இல்லாமல் பெரிய அளவிலான மொழி மாதிரிகளை ஆராய அனுமதிக்கின்றன.

நீங்கள் சுகாதாரம், கல்வி, நிறுவன ஆட்டோமேஷன் அல்லது ரோபாட்டிக்ஸ் ஆகியவற்றில் பணிபுரிந்தாலும், உங்கள் சொந்த AI குழாய்களை உருவாக்க GPT-OSS ஒரு பாதுகாப்பான மற்றும் நெகிழ்வான தளத்தை வழங்குகிறது.

தனியுரிம மாதிரிகளை எதிர்த்துப் போட்டியிடும் செயல்திறன்

OpenAI இன் படி, GPT-OSS-120B முக்கிய பகுத்தறிவு அளவுகோல்களில் GPT-4o-mini உடன் கிட்டத்தட்ட சமமாக உள்ளது . இது ஒரு ஒற்றை 80 GB GPU இல் இயங்குகிறது மற்றும் போட்டி கோடிங் (Codeforces), சுகாதார கேள்வி பதில் (HealthBench) மற்றும் பொது பகுத்தறிவு (MMLU) போன்ற பணிகளில் நம்பமுடியாத அளவிற்கு சிறப்பாக செயல்படுகிறது.

GPT-OSS-20B, அதன் சிறிய அளவு இருந்தபோதிலும், மினுமினுப்பாகவும் இருக்கிறது. 16 GB நினைவகம் மட்டுமே தேவைப்படும் இது, விளிம்பு வரிசைப்படுத்தல் மற்றும் குறைந்த விலை சூழல்களுக்கு ஏற்றது.

ஒப்பீட்டு அட்டவணை

மாதிரி	மொத்த அளவுருக்கள்	செயலில் உள்ள அளவுருக்கள்	நிபுணர்கள்	அடுக்குகள்	சூழல் நீளம்
ஜிபிடி-ஓஎஸ்எஸ்-120பி	117பி	5.1பி	128 (4 செயலில்)	36 தமிழ்	128 கி
ஜிபிடி-ஓஎஸ்எஸ்-20பி	21பி	3.6 பி	32 (4 செயலில்)	24 ம.நே.	128 கி

பயிற்சி மற்றும் கட்டிடக்கலை

இந்த மாதிரிகள் ஸ்பார்ஸ் அட்டென்ஷன் மற்றும் க்ரூப்டு மல்டி-க்வரி அட்டென்ஷன் (MQA) ஆகியவற்றால் மேம்படுத்தப்பட்ட டிரான்ஸ்பார்மர் கட்டமைப்பை அடிப்படையாகக் கொண்டவை. GPT-OSS ரோட்டரி பொசிஷனல் எம்பெடிங்கை (RoPE) பயன்படுத்துகிறது மற்றும் 128,000 டோக்கன்கள் வரை நீண்ட சூழல் நீளங்களை ஆதரிக்கிறது.

அவர்களுக்கு முதன்மையாக ஆங்கிலத் தரவு, STEM, பொது அறிவு மற்றும் நிரலாக்கத்தை வலியுறுத்தும் வகையில் பயிற்சி அளிக்கப்பட்டது. டோக்கனைசர், o200k_harmony , திறந்த மூலத்திலும் கிடைக்கிறது.

பயிற்சிக்குப் பிந்தைய மற்றும் பகுத்தறிவு முறைகள்

OpenAI இன் உள் மாதிரிகளைப் போலவே, GPT-OSS பயிற்சிக்குப் பிந்தைய செயல்முறையை மேற்பார்வையிடப்பட்ட நுணுக்கச் சரிசெய்தல் மற்றும் வலுவூட்டல் கற்றலை உள்ளடக்கியது. தாமதம் மற்றும் துல்லியத் தேவைகளைப் பொறுத்து டெவலப்பர்கள் பகுத்தறிவு முயற்சியைக் கட்டுப்படுத்தலாம் - குறைந்த, நடுத்தர அல்லது அதிக .

இது GPT-OSS ஐ குறிப்பாக சாட்பாட்கள், ஆராய்ச்சி உதவியாளர்கள் அல்லது சுகாதார தகவல் அமைப்புகள் போன்ற பயன்பாடுகளுக்கு ஏற்றதாக மாற்றுகிறது.

பாதுகாப்பு: ஒரு முக்கிய கவலை

GPT-OSS உயர் பாதுகாப்பு தரநிலைகளை பூர்த்தி செய்வதை உறுதி செய்வதற்காக OpenAI அதன் தயார்நிலை கட்டமைப்பைப் பின்பற்றியது . மோசமான தவறான பயன்பாட்டு சூழ்நிலைகளை உருவகப்படுத்த அவர்கள் மாதிரிகளை எதிர்மறையாக மேம்படுத்தினர், மேலும் விரிவான தீங்கிழைக்கும் பயிற்சி பெற்றாலும், மாதிரிகள் அதிக ஆபத்து திறன் வரம்புகளை அடைய முடியாது என்பதைக் கண்டறிந்தனர்.

இந்த வெளியீட்டில் புதிய பாதுகாப்பு பாதிப்புகளைக் கண்டறிய $500,000 பரிசுத் தொகையுடன் கூடிய Red Teaming Challenge-ம் அடங்கும் . நீங்கள் மேலும் அறியலாம் அல்லது இங்கே பங்கேற்கலாம் .

மதிப்பீட்டு அளவுகோல்கள்

OpenAI இரண்டு மாடல்களையும் பின்வரும் பணிகளில் தரப்படுத்தியது:

ஹெல்த்பெஞ்ச்: GPT-OSS-120B, GPT-4o-mini மற்றும் o3 மாடல்களை வீழ்த்தி 59.8% மதிப்பெண் பெற்றது.
AIME 2025: GPT-OSS-20B 71.5% மதிப்பெண் பெற்றது, GPT-4o-mini உடன் இணையாக.
GPQA: GPT-OSS-120B 90% துல்லியத்தை எட்டிய ஒரு அறிவியல் பகுத்தறிவு சோதனை.

இந்த முடிவுகள் GPT-OSS இன் போட்டித்தன்மையை நிரூபிக்கின்றன, குறிப்பாக கட்டமைக்கப்பட்ட பகுத்தறிவு மற்றும் கருவி பயன்பாடு தேவைப்படும் களங்களில்.

கருவி பயன்பாடு மற்றும் ஒருங்கிணைப்பு

GPT-OSS மாதிரிகள் OpenAI இன் செயல்பாட்டு அழைப்பு APIகள் மற்றும் பிற முகவர் பணிப்பாய்வுகளுடன் தடையின்றி செயல்படுகின்றன . அவை வலையில் உலாவலாம், பைதான் குறியீட்டை இயக்கலாம் மற்றும் பல்வேறு கருவிகளுடன் ஒருங்கிணைக்கலாம்.

நீங்கள் கட்டமைக்கப்பட்ட வெளியீடுகளை அமைக்கலாம், சிந்தனைச் சங்கிலி (CoT) பகுத்தறிவைப் பயன்படுத்தலாம் அல்லது உங்கள் இருக்கும் கருவிகள் மற்றும் APIகளுடன் பல-முகவர் அமைப்புகளாக இணைக்கலாம்.

பயன்படுத்தல் விருப்பங்கள்

எடைகள் Hugging Face இல் பதிவிறக்கம் செய்யக் கிடைக்கின்றன , மேலும் நினைவகத் திறனுக்காக MXFP4 இல் அளவிடப்படுகின்றன. GPT-OSS-20B, ONNX Runtime உடன் கூடிய Windows சாதனங்கள் உட்பட, நுகர்வோர் தர வன்பொருளில் வசதியாக இயங்குகிறது .

OpenAI பின்வரும் வரிசைப்படுத்தல் தளங்களுடன் கூட்டு சேர்ந்துள்ளது:

கட்டிப்பிடிக்கும் முகம்
ஒல்லாமா
எல்.எம். ஸ்டுடியோ
நீலநிறம்
கிளவுட்ஃப்ளேர்
விஎல்எல்எம்

மேலும் NVIDIA, AMD மற்றும் Cerebras போன்ற வன்பொருள் விற்பனையாளர்கள் அனைத்து அமைப்புகளிலும் உகந்த செயல்திறனை உறுதி செய்கிறார்கள்.

உரிமம் மற்றும் பயன்பாட்டு வழக்குகள்

இரண்டு மாடல்களும் அப்பாச்சி 2.0 உரிமத்தின் கீழ் வெளியிடப்படுகின்றன , வணிக மற்றும் கல்வி பயன்பாட்டிற்கான நெகிழ்வுத்தன்மையை வழங்குகின்றன.

இது போன்ற பயன்பாட்டு நிகழ்வுகளுக்கு ஏற்றது:

பாதுகாப்பான ஆன்-பிரைமைஸ் பயன்பாடு
சுகாதாரப் பராமரிப்பு அல்லது சட்ட நிறுவனங்களுக்கான தனிப்பயன் AI குழாய்வழிகள்
டொமைன் சார்ந்த பணிகளுக்கு நன்றாகச் சரிசெய்தல்
உள்ளூர் சாதனங்களில் இயங்கும் நிகழ்நேர உதவியாளர்கள்

எப்படி தொடங்குவது

இன்றே GPT-OSS மாதிரிகளை ஆராயத் தொடங்குங்கள்:

சுருக்கம்

சுருக்கமாக, GPT-OSS இன் முக்கிய சிறப்பம்சங்கள் இங்கே:

இரண்டு சக்திவாய்ந்த மாதிரிகள்: உயர்நிலை GPUகளுக்கு 120B, நுகர்வோர் வன்பொருளுக்கு 20B.
முழுமையாக திறந்த எடை மற்றும் அப்பாச்சி 2.0 உரிமம் பெற்றது
பகுத்தறிவு, கருவி பயன்பாடு மற்றும் நிஜ உலக பணிகளில் வலுவான செயல்திறன்.
அதிநவீன சீரமைப்பு நுட்பங்களுடன் பாதுகாப்பு-சோதனை செய்யப்பட்டது
உள்ளூரில், சாதனத்தில் அல்லது கூட்டாளர்கள் மூலம் பயன்படுத்தக்கூடியது

OpenAI இன் GPT-OSS என்பது வெறும் மாதிரியை விட அதிகம் - இது பொறுப்புடன் புதுமைகளை உருவாக்குவதற்கான அழைப்பு. நீங்கள் ஒரு ஆராய்ச்சியாளராகவோ, டெவலப்பராகவோ அல்லது நிறுவனமாகவோ இருந்தாலும், இந்த திறந்த மாதிரிகள் தடைகள் இல்லாமல் AI ஐ முன்னோக்கி நகர்த்த உங்களுக்கு அதிகாரம் அளிக்கின்றன.