مدل‌های متن‌باز و بهینه‌شده OpenAI برای لپ‌تاپ و موبایل منتشر شدند
امروز OpenAI پس از چند بار تاخیر، بالاخره gpt-oss-120b و gpt-oss-20b را به‌صورت متن‌باز عرضه کرد. این دو مدل بر اساس نیازهای عموم کاربران طراحی شده‌اند تا حتی روی سخت‌افزارهای نسبتاً ضعیف‌تر، مثل لپ‌تاپ‌های با ۱۶ گیگابایت رم یا گوشی‌های بالارده، قابل اجرا باشند.
طراحی و کاربرد مدل‌ها
Reasoner-7B: نسخه کوچک‌تر با ۷ میلیارد پارامتر که مناسب علاقه‌مندان و پژوهشگرانی است که دسترسی محدودی به سخت‌افزار قدرتمند دارند.
Reasoner-70B: مدل بزرگ‌تر با ۷۰ میلیارد پارامتر که عملکرد بسیار بالاتری در مسائل پیچیده و استدلال چندمرحله‌ای ارائه می‌دهد و برای کاربرانی که به سرور دسترسی دارند یا از GPUهای توانمند استفاده می‌کنند، مناسب است.
هر دو مدل با تمرکز ویژه بر استدلال منطقی, حل مسئله چندمرحله‌ای و نتیجه‌گیری پیچیده آموزش دیده‌اند و در بنچمارک‌های مختلف استدلالی امتیاز قابل‌توجهی کسب کرده‌اند. OpenAI می‌گوید این مدل‌ها برای تحقیق، آزمایش و ادغام در سیستم‌های هوش مصنوعی دیگر بهینه شده‌اند. مدل‌های جدید تحت مجوز متن‌باز عرضه شده‌اند تا هر فرد یا سازمانی بتواند آنها را دانلود، تغییر و بهبود دهد. OpenAI علاوه بر وزن‌های مدل، مستندات فنی و نتایج ارزیابی را نیز منتشر کرده تا توسعه‌دهندگان بتوانند سریع‌تر به کار با مدل‌ها بپردازند. همچنین راهنمایی‌های اخلاقی و ایمنی برای جلوگیری از سوءاستفاده‌های احتمالی در اختیار قرار گرفته است. در نهایت، مایکروسافت نیز اعلام کرده که نسخه‌های بهینه‌شده gpt-oss-20b را برای کامپیوترهای ویندوزی از طریق Foundry Local و AI Toolkit for VS Code عرضه خواهد کرد.
تا پیش از این، OpenAI قدرتمندترین مدل‌های خود را محرمانه نگه می‌داشت و تنها از طریق API با محدودیت‌های دسترسی ارائه می‌کرد. انتشار Reasoner-7B و Reasoner-70B پاسخی به فشار عمومی برای شفافیت و همکاری بیشتر در توسعه هوش مصنوعی است. با این اقدام، پژوهشگران مستقل می‌توانند به آزمایش‌های ایمنی و کاربردهای نوآورانه این مدل‌ها بپردازند و شرکت‌ها و دانشگاه‌ها مشارکت گسترده‌تری در بهبود و ارزیابی استدلال هوش مصنوعی داشته باشند. با عرضه دو مدل متن‌باز استدلالی توسط OpenAI، مسیر تحقیقات AGI (هوش مصنوعی عمومی) به‌سمت همکاری گسترده‌تر و شفافیت بیشتر هموار می‌شود. این اقدام می‌تواند نویدبخش تحولات تازه در طراحی سیستم‌های هوشمند باشد و تعادل بین دسترسی آزاد و مسئولیت‌پذیری را در اکوسیستم هوش مصنوعی رقم بزند.