OpenAI

hat mit GPT-OSS erstmals seit Jahren wieder Modelle mit „offenen Gewichten“ veröffentlicht, konkret die beiden Sprachmodelle gpt-oss-120b und gpt-oss-20b. Beide Modelle sind darauf ausgelegt, logische Aufgaben („Reasoning“), schrittweises Denken (Chain-of-Thought) sowie Funktionen wie Websuche und Codeausführung zu unterstützen.

Wichtige Eckpunkte:

• Zwei Modelle: gpt-oss-120b mit 117 Milliarden Parametern und gpt-oss-20b mit 21 Milliarden Parametern. Das kleinere Modell läuft auf Laptops mit 16 GB RAM, das große benötigt eine GPU mit 80 GB Speicher.
• Mixture-of-Experts-Architektur (MoE): Nur ein Teil der Parameter wird pro Anfrage genutzt, was Rechenressourcen spart und Anpassungen ermöglicht.
• Apache-2.0-Lizenz: Die Modelle dürfen frei genutzt, angepasst und kommerziell eingesetzt werden.
• Fokus auf Reasoning: Beide Modelle sind speziell für komplexe Schlussfolgerungen und Analyseaufgaben trainiert; sie unterstützen strukturierte, erklärbare Ausgaben.
• Open-Weight, nicht Open-Source: OpenAI hat nur die Gewichte, aber weder den Trainingscode noch die Trainingsdaten veröffentlicht. Das bedeutet mehr Offenheit für Entwickler, aber nicht vollständige Transparenz wie z. B. bei einigen Konkurrenzmodellen.
• Sicherheitsprotokoll: Ein neues „Worst-Case Fine-Tuning“-Verfahren wurde implementiert, um Missbrauch besser vorzubeugen. Gleichwohl weist OpenAI auf ein höheres Missbrauchsrisiko verglichen mit abgeschotteten Modellen hin.
• Bereitstellung: Die Modelle sind über Plattformen wie HuggingFace, AWS und Azure download- und einsatzfähig.
• Kritikpunkte: In der Community wird kritisiert, dass OpenAI zu wenig Transparenz über Trainingsdaten und Methoden bietet. Erste Praxis-Tests zeigen, dass besonders das kleinere Modell sprachliche Schwächen und faktische Fehler aufweist (z. B. bei Deutsch).

Im Ergebnis markiert GPT-OSS einen Schritt in Richtung mehr Offenheit und Anpassbarkeit, bleibt jedoch hinter echten Open-Source-Projekten bezüglich Transparenz zurück. Für professionelle Anwender – etwa im Fotografie- oder Reiseumfeld – könnte das kleinere Modell eine Option für lokale Analyseaufgaben darstellen, sofern der Funktionsumfang ausreicht.

Hier findest du weiterführende Informationen: Heise.de