OpenAI · 2025-08 · 稀疏 MoE
GPT-OSS 120B
GPT-OSS 120B 是 OpenAI 于 2025-08 发布的 分组查询注意力（GQA） Transformer，共 36 层，隐藏维度 2880，上下文窗口 131,072 个 token。
层堆栈
滑动窗口 ×18 注意力 ×18 · 层数 36
关键参数
| 实验室 | OpenAI |
|---|---|
| 发布时间 | 2025-08 |
| 总参数 | 116.8 B |
| 激活参数 | 5.1 B |
| 上下文 | 131,072 tokens |
| 注意力 | GQA (64:8) |
| 层数 | 36 |
| 隐藏维度 | 2,880 |
| 注意力头 | 64 |
| 词表 | 201,088 |
| 位置编码 | RoPE |
| 归一化 | RMSNorm |
| 激活函数 | silu |
| 训练精度 | MXFP4 |
| 架构类名 | GptOssForCausalLM |
架构概览
注意力
分组查询注意力（GQA） — 64 q-heads / 8 kv-heads. RoPE θ=150,000.
前馈 / MoE
它是稀疏混合专家模型：128 个路由专家、top-4 路由；每个 token 约激活 5.1B 参数。
字段级对比
对比对象为同实验室的上一代模型；无前代时取结构最相似的模型。倍数列 = 本模型数值 ÷ 对比模型数值。
与前代 GPT-3 175B (paper) 的全字段对比
| 模型 | 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 | — |
结构最相似的模型
- 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
相似度取值范围 0（无共同类别特征）到 1（结构画像完全一致）。
原始 config 字段
30 个字段
| 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 |