OpenAI · 2025-08 · スパースMoE
GPT-OSS 120B
GPT-OSS 120B は OpenAI が 2025-08 に公開した グループ化クエリ注意（GQA） Transformer です。36 層、隠れ次元 2880、コンテキスト長 131,072 トークン。
層スタック
スライディングウィンドウ ×18 注意機構 ×18 · 層数 36
主要スペック
| 開発元 | OpenAI |
|---|---|
| 公開日 | 2025-08 |
| 総パラメータ | 116.8 B |
| 活性パラメータ | 5.1 B |
| コンテキスト | 131,072 tokens |
| 注意機構 | GQA (64:8) |
| 層数 | 36 |
| 隠れ次元 | 2,880 |
| 注意ヘッド | 64 |
| 語彙数 | 201,088 |
| 位置エンコーディング | RoPE |
| 正規化 | RMSNorm |
| 活性化関数 | silu |
| 学習精度 | MXFP4 |
| アーキテクチャクラス | GptOssForCausalLM |
アーキテクチャ概要
注意機構
グループ化クエリ注意（GQA） — 64 q-heads / 8 kv-heads. RoPE θ=150,000.
FFN / MoE
スパースなMixture-of-Expertsモデルで、128 個のルーティングエキスパートと top-4 ルーティングを持ち、トークンごとに約 5.1B のパラメータが活性化します。
フィールド単位の比較
同一開発元の前世代モデルと比較します。前世代がない場合は構造最相似モデルと比較。倍数欄 = 本モデル ÷ 比較対象。
前世代 GPT-3 175B (paper) との全フィールド比較
| モデル | GPT-OSS 120B | GPT-3 175B (paper) | 倍数 |
|---|---|---|---|
| model_type | gpt_oss | gpt3-paper | ≠ |
| architectures | GptOssForCausalLM | — | |
| hidden_size | 2880 | 12288 | ×0.234 |
| num_hidden_layers | 36 | — | |
| num_attention_heads | 64 | 96 | ×0.667 |
| num_key_value_heads | 8 | — | |
| head_dim | 64 | — | |
| intermediate_size | 2880 | — | |
| hidden_act | silu | — | |
| num_experts_per_tok | 4 | — | |
| rope_theta | 150000 | — | |
| max_position_embeddings | 131072 | 2048 | ×64.00 |
| sliding_window | 128 | — | |
| rms_norm_eps | 0.00001 | — | |
| vocab_size | 201088 | 50257 | ×4.00 |
| attention_bias | true | — | |
| attention_dropout | 0 | — | |
| eos_token_id | 200002 | — | |
| experts_per_token | 4 | — | |
| initial_context_length | 4096 | — | |
| initializer_range | 0.02 | — | |
| layer_types | sliding_attention×18 + full_attention×18 | — | |
| num_local_experts | 128 | — | |
| output_router_logits | false | — | |
| pad_token_id | 199999 | — | |
| router_aux_loss_coef | 0.9 | — |
構造が最も近いモデル
- GLM-4.5-Air (GLM, 2025-07) 0.999
- Qwen3.6 35B A3B (Qwen, 2026-04) 0.997
- Qwen3 30B A3B (Qwen, 2025-04) 0.997
- Hunyuan-TurboS 30B A3B (Hunyuan, 2026-05) 0.997
- Qwen3.8-Flash-Next (Qwen, 2026-08) 0.997
- Qwen3-Next 80B A3B (Qwen, 2025-09) 0.996
類似度は 0（共通のカテゴリ特徴なし）から 1（構造プロファイルが完全に一致）の範囲です。
config.json の全フィールド
30 フィールド
| architectures | GptOssForCausalLM |
|---|---|
| attention_bias | true |
| attention_dropout | 0 |
| eos_token_id | 200002 |
| experts_per_token | 4 |
| head_dim | 64 |
| hidden_act | silu |
| hidden_size | 2880 |
| initial_context_length | 4096 |
| initializer_range | 0.02 |
| intermediate_size | 2880 |
| layer_types | sliding_attention×18 + full_attention×18 |
| max_position_embeddings | 131072 |
| model_type | gpt_oss |
| num_attention_heads | 64 |
| num_experts_per_tok | 4 |
| num_hidden_layers | 36 |
| num_key_value_heads | 8 |
| num_local_experts | 128 |
| output_router_logits | false |
| pad_token_id | 199999 |
| rms_norm_eps | 0.00001 |
| rope_theta | 150000 |
| router_aux_loss_coef | 0.9 |
| sliding_window | 128 |
| swiglu_limit | 7 |
| tie_word_embeddings | false |
| transformers_version | 4.55.0.dev0 |
| use_cache | true |
| vocab_size | 201088 |