文章核心观点 - OpenAI发布开源模型gpt-oss，这是继GPT-2后首次开源尝试，性能与o4 mini相当但成本降低至少10倍[2][7] - 公司战略重心从模型本身转向用户基础和应用生态，开源旨在吸引企业用户而非传统开源社区[4][5][12] - 模型采用稀疏MoE架构，与行业趋势一致，但技术细节披露有限且存在"伪开源"争议[14][19] - 中美开源模型竞争格局可能因此改变，小模型系列(10-70亿参数)将迎来机会[20][22] 模型性能与技术细节 - gpt-oss-120b在MMLU测试得分90，GPQA Diamond 80.1，AIME 2024 96.6，与o4 mini性能接近[3] - 采用混合专家(MoE)架构，gpt-oss-120b含51亿活跃参数/1210亿总参数，支持MXFP4量化[7][14][15] - 模型原生支持工具调用但生态混乱，存在"幻觉"工具调用的风险[17] - 官方未公布训练数据/代码/技术报告，安全措施限制微调自由度[12][15] 战略意图分析 - 通过成本优势(比o4 mini低10倍)冲击API市场，为GPT-5发布铺路[10][13] - 目标用户是企业而非开源社区，旨在构建应用生态而非技术共享[5][12][19] - 公司认识到模型本身不再是核心竞争力，用户规模和应用生态才是护城河[4][13] - 此举可能改变中美开源竞赛格局，美国开源生态有望扭转落后局面[21][22] 行业影响 - 稀疏MoE架构成为行业标准，中国模型如DeepSeek V3/Qwen已形成技术积累[14][22] - 开源模型激励机制不稳定，中美采取不同发展路径[22][23] - 小参数模型(10-70亿)将迎来发展机会，大模型竞争激烈[20][22] - 需要基础模型和训练细节的全面公开以促进研究，当前发布存在不足[24]