Gpt oss 120b
8912°
<oss-120b>
支持 ModelTrends 标签的应用允许你通过在提示中复制这段代码来运行/安装模型，无需任何设置。请在支持该功能的应用中寻找我们的图标，比如下面的 Prism。
运行此模型
优惠 / 广告
Easy Creator (Prism) 网页
不限量 · 固定费用
最适合初学者。强大的工作流程，学习曲线低。
PirateDiffusion Telegram
不限量 · 固定费用
创建视频、图像、自定义聊天角色等。
Pro studio (SpyGlass) 网页
不限量 · 固定费用
从任何浏览器或手机浏览模型、渲染和优化。
Discord bot (Vector)
不限量 · 固定费用
将 Vector 添加到你的服务器或加入 Vector Discord。创造任何东西！
Unified Editor 网页
不限量 · 固定费用
图像和视频编辑器：在同一页面渲染、编辑、放大等。
OpenRouter 终端 / API
按令牌付费
在浏览器中与此模型聊天，或使用一个 API 密钥从代码中调用它。
本地应用
需设置
如果你的电脑硬件够好，可以安装本地程序。
ModelDuel 网页
按次付费
一次在多达50个检查点/基础模型上生成相同的提示。
本模型的指南
如何安装 Ollama 并运行本地 AI（Windows、Mac、Linux）
Ollama 与 LM Studio（2026）：选择哪个本地 AI 应用，以及各自支持的顶级模型
按使用场景选最佳本地大语言模型（2026年10月）：每个任务的合适开源模型
开放权重 vs 开源 vs 仅API：你到底能做什么
2026年10月如何选择AI模型：先看闭源新闻，再看值得下载的开源权重
本地AI到底需要多少显存？
什么是 GGUF 文件？量化模型详解（Q4、Q8、fp8、NF4）
OpenAI | 131,072 token 上下文 | $0.15/M 输入，$0.60/M 输出。gpt-oss-120b 是 OpenAI 的开源权重1170亿参数混合专家（MoE）语言模型，设计用于高推理、代理和通用生产用途。每次前向激活51亿参数，优化在单个H100 GPU上运行，支持原生MXFP4量化。模型支持可配置推理深度、完整链式思考访问和原生工具使用，包括函数调用、浏览和结构化输出生成。
船长笔记
2026-10-13 的笔记
gpt-oss-120b 是 OpenAI 首个开放权重模型发布：一个 1170 亿参数的混合专家模型，专为重推理和代理工作设计，采用 Apache 2.0 许可证。其 MoE 架构使每次前向激活参数仅为 51 亿，配合 MXFP4 量化可装入单个 80GB H100。如果你想要一个能本地运行、微调并商业部署且无版权烦恼的严肃推理模型，这是值得关注的。
以……著称
- Apache 2.0 许可证：可无限制微调和商业部署。
- 可配置推理深度：低、中、高推理强度，权衡延迟与质量。
- 完整链式思考输出，便于调试流水线。
- 原生工具使用：函数调用、浏览、Python 执行、结构化输出。
- 通过 MXFP4 量化适配单个 80GB H100 或 AMD MI300X。
注意
- 需要使用 harmony 响应格式，非该格式输出会损坏。
- 单个 H100 仍是高端硬件需求，不适合消费级 GPU 本地运行。
- 链式思考输出面向开发者，OpenAI 建议不要直接向终端用户展示。
推荐尝试的提示词
多步骤代理计划
你正在构建一个 Python 服务，监控公共 REST API 的价格变动，当阈值被触发时发送 Slack 通知。将问题拆解为组件，编写带错误处理的核心轮询循环，并描述如何组织 Slack webhook 集成的函数调用。
高难度推理谜题
五位工程师分别掌握不同编程语言，喝不同饮料，坐在不同座位。根据以下线索确定谁喝茶：Rust 工程师坐在咖啡饮用者旁边；Python 工程师坐在 1 号座；Go 工程师喝水；TypeScript 工程师坐在 Rust 和 Python 工程师之间；5 号座工程师喝果汁。
调试细微错误
这是一个 Python 函数，旨在返回最长的不含重复字符的子串，但对某些输入返回错误结果。请逐步推理，找出 bug 并给出修正版本：
def longest_unique(s):
seen = {}
start = 0
best = ''
for i, c in enumerate(s):
if c in seen:
start = seen[c]
seen[c] = i
if i - start + 1 > len(best):
best = s[start:i+1]
return best
与……比较
- GPT-5.6 Sol仅限API模型1,050,000 令牌上下文 · $4.00/M 输入，$20.00/M 输出
- GPT-6.1 Sol仅限API模型1,050,000 令牌上下文 · $2.00/M 输入，$10.00/M 输出
- GPT-6 Sol仅限API模型1,050,000 令牌上下文 · $2.00/M 输入，$10.00/M 输出
- GPT-6 Astra仅限API模型1,050,000 令牌上下文 · $10.00/M 输入，$50.00/M 输出
来自 openai 的更多文本模型
常见问题
- 我可以本地运行 gpt-oss-120b 吗？
- 可以——权重采用 Apache 2.0 许可证开放，托管于 Hugging Face。需要单个 80GB GPU，如 NVIDIA H100 或 AMD MI300X，模型使用 MXFP4 量化以适配该硬件。
- gpt-oss-120b 的 API 费用是多少？
- OpenAI 定价为每百万输入令牌 0.15 美元，每百万输出令牌 0.60 美元，上下文窗口为 131,072 令牌。
- gpt-oss-120b 与 gpt-oss-20b 有何区别？
- gpt-oss-120b（1170 亿参数，激活 51 亿）面向单 80GB GPU 的生产和高推理负载；gpt-oss-20b（210 亿参数，激活 36 亿）是较小版本，针对低延迟、本地或 16GB 内存内的专用用例。
船长评语OpenAI 首个真正的开放权重发布，是一款功能强大的推理模型，许可证清晰——但硬件门槛确实很高。
Hugging Face 上的模型卡
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #36 Hottest Text / LLM model · #36 Hottest Text / LLM text model
Not this creator?
Get your own badge
gpt oss 120b 热度趋势
热度分数，过去12个月
热度评分
8,912°
本周
▲
32.5%
8,875° 当时，8,912° 现在
本月
▲
245%
8,747° 当时，8,912° 现在
过去一年
n/a
尚未发布/跟踪
7,000°
起点
评分范围是 0° 到 9,999°。低于 7,000° 的部分保留给还没有任何来源报告的模型，这些模型用替代数值填充，保证列表完整。7,000° 是有实际数据的起点：一个有真实数据但几乎没人下载的模型就在这里，后续的度数都是基于它的测量。起点本身不反映模型质量，只有起点以上的度数才区分不同模型。
+1,613°
OpenRouter 令牌
该模型在过去30天内通过OpenRouter处理了2,379,488,165,808个令牌，包含提示和回答。每10,000,000个令牌计为一次下载，共计237,948次；最后一天的令牌计入采用率。来源：OpenRouter (openrouter.ai/rankings)。
+299°
采用率
每天大约 9,681 次下载，基于两次来源读取间的测量，不是用历史平均估算。下载速度权重是下载项的四分之一，这样能反映新热度，但不会让一天的峰值超过多年累计。
显示详细分解
本站上的每个数字都可以查证。这个模型的热度评分是 8,912°，这里一步步展示了它是如何组成的，每一步都有累计总分：起点、每个来源增加的度数、模型类型的加成以及权重年龄的扣减。颜色对应上方图表的区间。最后的词汇表解释了所有术语。
- 1从起点开始。为什么是 7,000° 而不是零：评分范围是 0° 到 9,999°，低于 7,000° 的部分保留给还没有任何来源报告的模型，这些模型用替代数值填充，保证列表完整且不会超过有数据的模型。7,000° 是有实际数据的起点。一个有真实数据但几乎没人下载的模型就在这里；后续的度数都是测量值，起点以上有十个十倍下载阶梯，每阶梯增加 300°。起点对所有模型一样，不影响排名；区分模型的是起点以上的度数。7,000°累计总数
- 2加上下载量。总共237,948个下载等价量，来自OpenRouter 令牌。下载量增加十倍，热度增加相同的300°，所以大小很重要，但不会让分数失控。+1,613°8,613°累计总数
- 3增加采用率。现在大约每天9,681次下载，基于两次读数的差值，权重是四分之一。+299°8,912°累计总数
- =热度得分。这个模型在本站所有榜单上的排名。没有其他因素会调整它。8,912°
术语表：这里用到的术语
- 热度得分
- 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（检查点）
- 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
- 新模型！（宽限期）
- 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目录的中间值：一半有数据的模型增长比它快，一半比它慢。
这个模型的受欢迎程度相对于整个目录的变化：它在每个时间段内下载量、点赞和使用量的增长，和同一时间段内典型模型的增长相比，以及当时的热度分数。高于典型增长表示上升，低于则表示下降。过去的数据是从今天的总数、模型的第一天和测量的下载速度（如果有两次测量）推算出来的；如果模型在某个时间段开始时不存在，则显示为 n/a。
Gpt oss 120b 是 Text / LLM 系列的一个文本模型，收录于 ModelTrends.ai——一个只读的开源 AI 图像、视频和文本模型目录。你可以将它与其他 Text / LLM 模型比较，查看热度分数了解趋势，并在 PirateDiffusion 或 BitVector 上打开试用。
按模型系列浏览
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153