摘要
30 秒看懂
Berman 讨论 2025 年 8 月发布的 gpt-oss 模型和一张编程竞赛成绩图。这些数字针对特定基准，并不能证明通用编程能力，也不意味着所有训练材料都已公开。
- 1两种模型尺寸Berman 介绍 120B 和 20B 版本。
- 2编程比较发布图表比较了使用工具条件下的模型。
- 3较小的模型20B 模型报告的评分低于较大模型，但在图中具有竞争力。
要点建议
- 发布包括 120B 和 20B 两种开放权重模型。
- 图表报告了使用工具和不使用工具的 Codeforces 式评分。
- 基准结果取决于评估设置，不能衡量所有编程任务。
- 开放权重并不必然意味着完整训练数据和过程都已发布。
全文
按章节阅读整理后的全文
01
开放权重发布
Berman 介绍 gpt-oss 及其模型尺寸。
OpenAI 发布了 1200 亿和 200 亿参数版本的 gpt-oss。我将它们称为开放权重模型：模型权重可获得，但这本身不意味着训练数据或训练过程的每个部分都已公开。
02
报告的编程成绩
他比较发布图表中的 Codeforces 评分。
发布图表报告，使用工具时 gpt-oss-120b 的 Codeforces 式评分为 2622，o3 为 2706。我认为结果接近，但它们针对的是特定的编程竞赛评估和设置。
图表还给出 gpt-oss-20b 使用工具时 2516 的评分。我认为考虑其规模，这是令人印象深刻的结果。图表并不能独立证明模型在所有编程任务中的表现，也不能确定它相对于全体人类的排名。
同频道的其他文章
25:50EN → 简体中文Kimi K3.1 Pro 实测：3D 演示出色，表现不一，价格有竞争力Matthew Berman · Forward FutureMatthew Berman 测试这款开放权重模型的编程、3D 渲染和视觉讲解能力，并比较基准成绩与价格。
32:20EN → 简体中文本地 AI 究竟适合谁？成本、取舍与混合模式的未来Matthew Berman · Forward FutureMatthew Berman 权衡数据控制和自主权，与硬件成本、设置复杂度及推理速度之间的关系。
0:22EN → 简体中文机器人保镖短片展示戏剧性的救援场景Matthew Berman · Forward FutureMatthew Berman 观看一段展示格斗与车辆救援场景的机器人短片。
45:08EN → 简体中文Sam Altman 谈 AI 发现、意识、算力与以人为本的未来Matthew Berman, Sam Altman · Forward Future在与 Matthew Berman 的对谈中，Altman 讨论科学进步、个人助手、递归自我改进与人类自主权。
0:32EN → 简体中文Sam Altman 谈持续存在的软件工作需求Sam Altman, Matthew Berman · OpenAI在一段简短访谈中，Altman 表示，尽管 AI 正在改变软件的制作方式，软件需求可能比人们预想的更大。
1:02EN → 简体中文从打孔卡到 AI 软件工厂Matthew Berman · Forward FutureMatthew Berman 对比早期编程和 AI 辅助工作流，并推广 Factory 的开发工具。