我要投稿

OpenAI开源模型一手简单实测

发布日期：2025-08-06 17:34:12 浏览次数： 1688

作者：thinkwee的随笔

微信搜一搜，关注“thinkwee的随笔”

北京时间8月5日晚11点，OpenAI终于放出其开源模型，gpt-oss。

gpt-oss为MoE混合专家模型，包含两个版本，120B激活5.1B，以及21B激活3.6B，目前Github和Huggingface Repo均已放出，vllm、Ollama等推理框架也第一时间提供了支持。目前在HF上已经冲上了热榜第一。

本来想尝试在本地h100上部署，但是我的环境CUDA和FlashInfer始终有问题，按照官方方案尝试怎么都配不起来，好在官方提供了一个playground可以做一些简单的测试。相信这两天各种benchmark结果大家也会做出来，我就做一些toy play，并且我比较关心端侧小模型，试一试这个3.6B激活的SLM的效果。

Coding测试：愤怒的小鸟。

prompt: Write a Angry Bird-like game using python, single file, no asset needed。只测了小模型。

gpt-oss-20b，低推理预算：

能够拉弹弓射出小球，符合物理规律，可是没有小鸟和小绿猪（砖块）。

gpt-oss-20b，中推理预算：

有砖块了，但是物理运算不太对，小球射不出去。

gpt-oss-20b，高推理预算：

第一次直接失败了，在其思考过程中发现gpt-oss担心版权问题，拒绝写代码，没办法我把prompt改成了Angry Bird-like game。第二次思考过程过长，输出被截断，没有返回完整的代码，第三次才成功：

虽然依然抽象，但是物理效果是正确的，包括小球从弹弓射出，以及砖块受击后散落的效果。

化学海龟汤

让gpt不断提问，猜出我心里想的化学物质：WF6（灵感来自：https://www.bilibili.com/video/BV1fphszaE9e）

小模型完全猜不出，让gpt-oss 120b猜测，猜测11次最终成功，分子式对了，不过还是把六氟化钨说错成了四氟化钨

弱智吧测试

语料来源：

https://huggingface.co/datasets/MichiganNLP/Chumor

小模型，高等推理预算：

DLC的隐喻，gpt-oss 20b轻松理解。

谐音梗也get了。

这种逻辑幽默就很难理解了。

创意写作

最后贴上gpt-oss两个size的文言文写作对比，大家觉得怎么样呢？

随着OpenAI亲自下场，大家在端侧小模型、Agentic Model的战场也会更加激烈吧。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-09-24

云栖大会阿里掀桌子了！Qwen3-Max、VL、Omini、Agent ... 统统发布！

2025-09-24

阿里发布Qwen3-VL：开源多模态登顶 SOTA

2025-09-23

Embedding Gemma，谷歌发布的小而精向量模型，仅需0.3B｜附RAG实战代码

2025-09-23

美团悄悄上线推理大模型，我们离生活Agent又近了一步

2025-09-23

阿里开源 Tongyi DeepResearch：科研智能体能力首次追平 OpenAI

2025-09-23

每天白嫖500万Token！美团开源深度思考龙猫大模型，编程能力媲美GPT-5！

2025-09-23

小米开源首个原生端到端语音大模型 MiMo-Audio

2025-09-23

最近，腾讯把智能体平台开源了！

了解更多

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

实测Qwen3-Coder，这就是目前最强的开源编程模型

2025-07-23

DeepSeek V3.1 Base / Instruct 发布

2025-08-20

阿里Qoder vs Trae vs Cursor：谁才是2025年程序猿的效率之王？

2025-09-07

Qwen3-Coder开源：面向世界的智能编程引擎

2025-07-23

有点东西！Qwen开源会写中文的生图模型Qwen-Image

2025-08-05

Kimi K2详测，Claude国产平替有了

2025-07-14

DeepSeek-V3.1-Base来了！MoE架构+128K上下文，性能再进化

2025-08-20

GLM-4.5 发布，六大主流模型混战测评，谁能一键生成“ 真·可用 ”的应用？

2025-07-29

Kimi K2 详测｜超强代码和Agent 能力！内附Claude Code邪修教程

2025-07-12

手把手教你本地部署！京东JoyAgent全攻略：从零拥有一个企业级的AI Agent

2025-07-31

大家都在问

Qwen3-Next 首测！Qwen3.5的预览版？但为什么我的测试一塌糊涂？

2025-09-17

Dify Pre-release版本来了，Dify2.0时代不远了，看看有哪些进步？

2025-09-09

Claude不让用，有哪些国产模型能迎头赶上？

2025-09-08

阿里Qoder vs Trae vs Cursor：谁才是2025年程序猿的效率之王？

2025-09-07

苹果深夜开源FastVLM：速度飙升85倍，0.5B小模型要逼疯谁？

2025-09-01

Coze开源了，为什么AI产品经理还是不会用？

2025-08-16

“入口”新变局：OpenAI开源模型+“口袋里的设备”，企业管理会发生变化吗？

2025-08-13

AI快讯：AI安全漏洞揭秘：副业者如何利用漏洞检测赚钱？

2025-08-11

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部