TLDR : OpenAI أطلقت نموذجين لغويين جديدين open-weight، gpt-oss-120B وgpt-oss-20B، يدعمان الأداء العالي في مهام الاستدلال ومتوافقين مع تطبيقات متنوعة، بما في ذلك المساعدات الذكية. ورغم المخاوف الأمنية السابقة، تتضمن هذه النماذج آليات تصفية متقدمة لتقليل المخاطر المرتبطة باستخدامها العام.
المحتوى
أعلنت OpenAI مساء أمس عن إطلاق نموذجي لغة open-weight جديدين، gpt-oss-120B وgpt-oss-20B، المتاحين تحت رخصة Apache 2.0. تمثل هذه الخطوة تحولا للشركة التي لم تقدم أي نموذج LLM مفتوح الوزن منذ GPT-2. تتوفر أوزان النماذج بشكل علني على Hugging Face.
نماذج مصممة للاستدلال والكفاءة
تعتمد كلا النموذجين على بنية Mixture-of-Experts (MoE)، مع وجود 117 مليار و21 مليار من المعلمات إجمالاً، ولكنها لا تنشط إلا جزءاً فقط (5.1 مليار لـ 120B، 3.6 مليار لـ 20B) لكل token. كلاهما يدعم طول سياق ممتد إلى 128,000 tokens.
تدعي OpenAI أداءً تنافسياً في مهام الاستدلال. يحقق GPT-OSS-120B نتائج قريبة من o4-mini في المعايير الكلاسيكية (MMLU, HLE, TauBench...)، بينما يمكن تشغيله على وحدة GPU واحدة بسعة 80 غيغابايت. أما النموذج 20B، الأخف وزناً، فيعلن أنه يعمل بذاكرة 16 غيغابايت، مما يجعله قابلا للاستخدام محلياً أو على الأجهزة المدمجة.
التوافق وحالات الاستخدام
تتوافق هذه النماذج مع API Responses من OpenAI، وتدمج دعمًا أصليًا لـ Chain-of-Thought (CoT)، واستدعاءات الوظائف، والمخرجات الهيكلية، وتعديل جهد الاستدلال وفقًا للمهمة.
تستهدف OpenAI استخدامات في تدفقات العمل الوكالية وتطوير المساعدين الذكيين والبحث أو النشر المحلي لأسباب أمنية أو سيادة البيانات. تم إشراك شركاء مثل AI Sweden وOrange وSnowflake قبل الإطلاق لاستكشاف حالات تكامل ملموسة.
الأمن وتقييم المخاطر
لطالما بررت OpenAI تحولها نحو النماذج المغلقة باعتبارات أمنية. كان الأمن في قلب اعتبارات الشركة، وكان السبب وراء عدة تأخيرات في تقديم هذه النماذج المفتوحة. تؤكد OpenAI اليوم أنها قامت بدمج آليات متقدمة للتصفية والتدريب اللاحق لتقليل المخاطر المرتبطة بالإتاحة العامة. تم إجراء تقييم من قبل خبراء خارجيين على نسخ تم ضبطها بشكل ضار (الأمن السيبراني، علم الأحياء)، في إطار Preparedness Framework الخاص بـ OpenAI.
وفقًا للشركة، حتى في هذه السيناريوهات القصوى، لا تصل النماذج إلى مستويات قدرات مثيرة للقلق. تم إطلاق تحدي red teaming بتمويل قدره 500,000 دولار على Kaggle لتشجيع الكشف التعاوني عن الثغرات.
عودة متحكمة إلى المصدر المفتوح؟
يثير هذا الإطلاق عدة تساؤلات. من ناحية، يشير إلى رغبة في إعادة التوازن بين النماذج المملوكة القوية والبدائل مفتوحة المصدر. من ناحية أخرى، يسمح لـ OpenAI بالاحتفاظ بتقدم تقني مع تحديد الاستخدامات، بوضع معايير أمان جديدة لـ open-weight.
يهدف نشر الأوزان تحت رخصة متساهلة، والأدوات المتاحة (استدلالات محسنة، harmony renderer، دعم PyTorch وMetal...)، وكذلك الشراكات مع Azure وHugging Face وVercel إلى تسهيل التبني في نظام بيئي يزداد تجزئة.
يبقى أن نرى إلى أي مدى ستتبنى المجتمع هذه النماذج، خاصة في مواجهة البدائل مثل Mistral وLLaMA وMixtral وYi، وإذا كان انفتاحها الفعلي (خاصة إمكانية fine-tuning الحر) سيكفي لتلبية توقعات الباحثين والمطورين.
اكتشف بطاقات النماذج على Hugging Face:
https://huggingface.co/openai/gpt-oss-20b
https://huggingface.co/openai/gpt-oss-120b
Cet article publirédactionnel est publié dans le cadre d'une collaboration commerciale