OpenAI publie un modèle de langage open-weight de grande taille

• OpenAI a dévoilé pour la première fois le modèle de langage open-weight à grande échelle (gpt-oss)
• Deux modèles sont proposés, gpt-oss-120b et gpt-oss-20b, avec de bonnes performances et une prise en charge étendue des appareils
• La licence Apache 2.0 permet une utilisation commerciale, une personnalisation et une distribution libres
• OpenAI met en place un entraînement à la sécurité, une revue par des experts externes et une procédure de tests de sécurité complets
• Les modèles sont téléchargeables et utilisables directement depuis Hugging Face et GitHub, avec des ressources de fine-tuning, déploiement et personnalisation, ainsi qu'un Playground

---

Modèles open d'OpenAI

• OpenAI a publié un modèle d'inférence open-weight à grande échelle (gpt-oss), personnalisable pour chaque cas d'usage et exécutable partout
• Les fichiers du modèle peuvent être téléchargés directement via Hugging Face et GitHub, et une démo est disponible via le Playground basé sur le web
• Diffusé sous licence Apache 2.0, il peut être utilisé commercialement, personnalisé et distribué librement, sans crainte de copyleft ni de problème de brevet

• gpt-oss-120b : modèle de grande taille pour centre de données, ordinateurs de bureau hautes performances et ordinateurs portables
• gpt-oss-20b : modèle de taille moyenne pouvant fonctionner sur la plupart des ordinateurs de bureau et portables

Principales caractéristiques

• Optimisation des tâches d'agent

  • L'utilisation d'outils et le respect des consignes sont des atouts, notamment pour les usages liés aux agents, comme la recherche web et l'exécution de code Python

• Personnalisation et fine-tuning

  • Ajustement possible d'hyperparamètres comme reasoning_effort (effort de raisonnement)
  • Prise en charge du fine-tuning de tous les paramètres pour une personnalisation avancée

• Exposition de la chaine de pensée (Chain-of-Thought)

  • Il est possible de voir l'intégralité du déploiement du processus de raisonnement (chaîne de pensée), ce qui facilite le débogage et l'évaluation de la confiance

• Playground proposé

  • Un Playground permet à tout développeur et chercheur de tester les performances du modèle dans le navigateur

Performance des modèles

• gpt-oss-120b et gpt-oss-20b sont comparés directement aux modèles commerciaux d'OpenAI (OpenAI o3, o4-mini) sur plusieurs benchmarks clés
• Les scores de chaque modèle en raisonnement, connaissances, concours de mathématiques et d'autres domaines sont communiqués en détail
• Pour certains critères, il s'avère proche des modèles commerciaux, et certains tests montrent même de meilleurs résultats

Détails des performances des principaux benchmarks

• Raisonnement et connaissances

  • MMLU (Massive Multitask Language Understanding)
    • gpt-oss-120b: 90
    • gpt-oss-20b: 85.3
    • OpenAI o3: 93.4
    • OpenAI o4-mini: 93
    • → Un peu en deçà des grands modèles commerciaux, mais des performances de raisonnement globales très élevées pour un modèle open
  • GPQA Diamond
    • gpt-oss-120b: 80.9
    • gpt-oss-20b: 74.2
    • OpenAI o3: 77
    • OpenAI o4-mini: 81.4
    • → Malgré son statut de modèle open, les performances de QA de connaissances avancées restent très proches de celles des modèles commerciaux
  • Humanity’s Last Exam
    • gpt-oss-120b: 19
    • gpt-oss-20b: 17.3
    • OpenAI o3: 24.9
    • OpenAI o4-mini: 17.7
    • → Dans les évaluations les plus difficiles, il est en retrait des modèles commerciaux, mais 20b et o4-mini sont quasiment identiques

• Compétition mathématique (AIME)

  • AIME 2024
    • gpt-oss-120b: 96.6
    • gpt-oss-20b: 96
    • OpenAI o3: 91.6
    • OpenAI o4-mini: 93.4
    • → Selon la version 2024, le score est même supérieur à celui des modèles commerciaux
  • AIME 2025
    • gpt-oss-120b: 97.9
    • gpt-oss-20b: 98.7
    • OpenAI o3: 88.9
    • OpenAI o4-mini: 92.7
    • → En mathématiques, des scores dépassant ceux des modèles commerciaux d'OpenAI sont également observés

• Synthèse générale

  • La série gpt-oss démontre une forte performance, notamment en mathématiques, logique et connaissances
  • L'écart avec les modèles commerciaux reste limité, et le potentiel de mise en production ou d'application technique est élevé
  • En tant que grands modèles open, ils constituent une option suffisamment compétitive pour la R&D, les agents et les environnements de personnalisation

Sécurité et tests

• Des entraînerments et évaluations de sécurité stricts sont appliqués à tous les modèles
• Selon le cadre de préparation d'OpenAI, la résistance au fine-tuning malveillant est testée séparément
• En collaboration avec des experts externes en sécurité, OpenAI a défini des standards de sécurité pour les modèles open

• Les modèles peuvent être téléchargés et utilisés via Hugging Face et GitHub