OpenAI lanza los modelos abiertos gpt-oss

OpenAI ha lanzado gpt-oss-120b y gpt-oss-20b, dos modelos de lenguaje con pesos abiertos que puedes descargar, ejecutar y adaptar en tu propia infraestructura. Es el primer lanzamiento de este tipo de la compañía desde GPT-2.

Los modelos llegan con licencia Apache 2.0, una licencia permisiva que permite usarlos, modificarlos y redistribuirlos, también en productos comerciales. La diferencia frente a los modelos habituales de OpenAI es clara: no dependen necesariamente de una API en la nube.

Dos modelos para equipos distintos

gpt-oss-120b está pensado para tareas exigentes de razonamiento, programación y uso de herramientas. Según OpenAI, obtiene resultados cercanos a o4-mini en varias pruebas y puede ejecutarse con 80 GB de memoria, suficiente para una sola GPU de esa capacidad.

gpt-oss-20b reduce el tamaño y las necesidades de hardware. Puede funcionar con 16 GB de memoria, lo que abre la puerta a ejecutarlo en equipos locales, dispositivos periféricos o servidores más pequeños. En las pruebas compartidas por OpenAI, iguala o supera a o3-mini en varias tareas de matemáticas, salud, programación y uso de herramientas.

Esto no significa que ambos modelos sean idénticos a sus equivalentes propietarios. Los resultados proceden de evaluaciones concretas y dependen de la tarea, la configuración y el hardware. Tampoco incluyen, por ahora, el mismo paquete de herramientas integrado que los modelos disponibles en la plataforma API.

Razonamiento, herramientas y personalización

Los dos modelos pueden seguir instrucciones, llamar funciones y trabajar con herramientas como búsquedas web o ejecución de código Python. También aceptan tres niveles de esfuerzo de razonamiento: bajo, medio y alto. El desarrollador puede elegir entre más rapidez o más tiempo para resolver tareas complejas.

Su ventana de contexto llega a 128.000 tokens, es decir, pueden procesar documentos o conversaciones extensas de una sola vez. Además, permiten salidas estructuradas, útiles cuando necesitas que la respuesta llegue en un formato concreto, como JSON para alimentar otra aplicación.

OpenAI ha publicado los pesos en Hugging Face y los distribuye ya cuantizados en MXFP4. La cuantización reduce el espacio y la memoria necesarios para ejecutar un modelo, con una posible pérdida limitada de precisión. También ha liberado herramientas y ejemplos para usarlos con PyTorch, Apple Metal, Python y Rust.

En la práctica, esto permite crear un asistente interno que procese datos sensibles sin enviarlos a un proveedor externo, ajustar el modelo con información propia o probar un producto sin asumir desde el principio el coste de una infraestructura en la nube.

El diseño técnico reduce el coste de ejecución

Ambos modelos utilizan una arquitectura de mezcla de expertos, conocida como MoE. En lugar de activar todos sus parámetros para cada palabra, seleccionan solo una parte relevante en cada paso.

gpt-oss-120b tiene 117.000 millones de parámetros totales, pero activa unos 5.100 millones por token. gpt-oss-20b cuenta con 21.000 millones y activa 3.600 millones. Esa diferencia ayuda a explicar cómo modelos grandes pueden ejecutarse con menos memoria y capacidad de cálculo de la que sugeriría su tamaño total.

OpenAI también ha colaborado con plataformas como Azure, Hugging Face, AWS, Ollama, vLLM, LM Studio y OpenRouter, además de fabricantes de chips como NVIDIA, AMD, Cerebras y Groq. Microsoft ofrecerá una versión optimizada de gpt-oss-20b para ejecutar modelos localmente en Windows.

La apertura también trae riesgos

Publicar los pesos permite inspeccionar y modificar el modelo, pero también facilita que alguien lo adapte para usos dañinos. OpenAI afirma haber probado versiones ajustadas con datos especializados de biología y ciberseguridad para estudiar ese riesgo.

Según sus evaluaciones internas y externas, esas versiones no alcanzaron niveles altos de capacidad peligrosa dentro de su marco de preparación. La metodología fue revisada por tres grupos independientes. Aun así, el comportamiento de un modelo puede cambiar después de que terceros lo ajusten, por lo que la seguridad no queda resuelta con el lanzamiento.

OpenAI también organizará un reto de pruebas de seguridad con un fondo de 500.000 dólares para investigadores y desarrolladores. La compañía publicará después un informe y un conjunto de datos de evaluación basado en los problemas validados.

Para ti, la consecuencia principal es que ya no necesitas elegir únicamente entre instalar un modelo abierto menos capaz o pagar por una API propietaria. Con gpt-oss, una empresa pequeña, un investigador o un desarrollador puede ejecutar un modelo de OpenAI localmente y decidir cuánto quiere personalizarlo. Lo que habrá que vigilar ahora es el rendimiento real fuera de las pruebas oficiales y cómo responde la comunidad cuando empiece a adaptarlo a casos de uso concretos.