6月初,OpenAI干了一件很多人以为这辈子都看不到的事——开源了两个模型:GPT-oss-120b和GPT-oss-20b,Apache 2.0协议,免费商用。
上一次OpenAI开源模型是2019年的GPT-2。之后五年,这家公司一路把"Open"变成了"Close"的代名词。GPT-3不开源,GPT-4不开源,GPT-5不开源——不光不开源,收费还越来越贵。以至于业界有个段子:OpenAI的名字里唯一还"Open"的,就剩名字本身了。
所以这次开源,不是技术问题,是战略问题。
Sam Altman的公开认错
最让人意外的是Altman本人的表态。他在接受采访时公开说,公司在开源这件事上"站在了历史的错误一边"。这话从一位亲手打造了全球最值钱闭源AI公司之一的CEO嘴里说出来,分量不轻。
Altman的说法是回归初心——让AI惠及人类。但如果你看时间点,就会发现没那么简单。就在OpenAI开源前一周,MiniMax M3开源了,编程能力直接超过GPT-5.5。再往前,阶跃星辰Step 3.7 Flash冲上海外热榜第二。Meta的Llama系列、阿里的千问系列、DeepSeek——开源模型的能力正在快速逼近甚至超越闭源旗舰。
说白了,不是OpenAI突然想做好人了,是开源阵营追得太紧,再不开源就要被边缘化了。
这两个模型到底什么水平
GPT-oss-120b:117B参数,MoE架构,激活参数仅5.1B,单张80GB GPU就能跑。推理能力接近o4-mini。GPT-oss-20b:21B参数,16GB内存即可运行,性能和o3-mini相当。
说人话:120b版本适合企业内部部署,20b版本适合边缘设备和轻量场景。两个模型都支持常见的开源推理框架——vLLM、Ollama、llama.cpp都能跑。
还有一个容易被忽略的细节:这两个模型支持云端协作机制。如果你本地跑120b做常规推理没问题,遇到特别复杂的任务,可以自动调OpenAI更强的闭源模型来帮忙。这招很聪明——开源是入口,闭源是增值服务。
Apache 2.0意味着什么
开源不等于随便用,协议是关键。OpenAI这次选了Apache 2.0——业界最宽松的许可证之一。你可以修改、可以商用、可以分叉,不需要向OpenAI申请任何许可。
对比一下:Meta的Llama虽然"开源",但用的是自家Community License,超过7亿用户的公司需要特殊授权,本质上不是真正的开源。而OpenAI这次用的是标准Apache 2.0,没有任何附加条件。
但注意:OpenAI没有公开训练数据。模型权重给你了,但它是用什么数据训出来的、数据清洗流程是什么,这些都没说。严格意义上讲,这是"开放权重"(open weights),不是"完全开源"(open source)。OSI定义的开源AI要求完整披露训练数据和代码,GPT-oss只满足了一半。
从闭源霸主到开源玩家
这件事放在更大的格局里看,其实是AI行业从"一超多强"走向"多极格局"的缩影。
两年前,OpenAI一家独大,GPT-4拉开其他人一条街。但现在局面完全不同了:Anthropic有Claude Opus 4.1,Google有Gemini 3 Pro,Meta有Llama 4,DeepSeek有V4,MiniMax有M3——每家在自己的赛道都有拿得出手的东西。OpenAI不再拥有绝对的技术护城河。
而开源AI的商业价值正在被验证。DeepSeek靠开源模型带动了云服务收入,阿里千问靠开源撬动了企业客户,Mistral靠开源在欧洲站稳了脚跟。OpenAI如果不加入开源战场,等于把这块蛋糕全部让给竞争对手。
所以这次开源,与其说是"回归初心",不如说是"战略性入局"。Altman认错的态度值得认可,但商业逻辑才是真正的驱动力。
对开发者和中小企业来说,这是一件好事。一个Apache 2.0协议、性能接近o4-mini、能在单GPU上跑的模型,确实能省很多钱。OpenAI嘴上说"让AI惠及人类",至少这次行动的确让这句话有了几分真。


Altman说"站在历史的错误一边"这句话我反复看了三遍。一个五年拒绝开源的CEO能公开承认这个,不管是不是迫于竞争压力,至少姿态摆出来了。但我更关心的是:训练数据什么时候公开?Apache 2.0给了权重,不给数据,这叫"半开源"。真正的open source,是让社区能完整复现。