gpt-oss-120b
OpenAI 모델 · 2025년 8월 5일 공개. 독립 벤치마크 점수, 종합 지수, 사람 투표 순위와 개발사 발표 점수를 그래프로 정리했습니다.
- 개발
- OpenAI
- 공개일
- 이용 방식
- 공개 가중치
- 매개변수(공개·추정치)
- 1168억 3,000만 개
- 학습 연산량
- 4.9×10²⁴ FLOPEpoch AI 집계
- 종합 능력 지수(ECI)
- 139.9신뢰구간 135.2~142.8
- Arena 점수(사람 투표)
- 1365190위 · 투표 30,218표
주요 반응
OpenAI가 GPT-2 이후 처음 내놓은 오픈 웨이트 모델로, Apache 2.0 라이선스와 단일 80GB GPU 구동이 호평받았다. 한편 환각과 Qwen3를 선호하는 개발자 의견, 학습 데이터 비공개, 중국 오픈 모델에 뒤진 입지가 한계로 지적됐다.
- 호평OpenAI 발표 기준 추론 벤치마크 성적은 o3-mini와 o3·o4-mini 사이였고, 양자화로 80GB GPU 한 장에서 돌아간다. Sam Altman은 이번 공개를 큰 의미가 있는 출시라고 평했다.[1][2]
- 엇갈림머신러닝 연구자 세바스찬 라슈카는 최상위 상용 모델에 크게 뒤지지 않는 강력한 공개 모델이라 평가했다. 다만 환각이 두드러지고 강화학습 이전 베이스 모델이 공개되지 않은 점을 한계로 짚었다.[3]
- 엇갈림개발자 커뮤니티에서는 코딩 도구 연동과 지시 이행에서 Qwen3를 선호하는 의견이 많았다. gpt-oss는 수학·추론에 강하다는 옹호와 함께, 한 퍼즐 테스트에서 스스로 모순된 답을 냈다는 사례도 나왔다.[4]
- 엇갈림8GB VRAM과 64GB 이상 시스템 메모리로도 120B 모델을 돌릴 수 있다는 사례가 공유됐다. 반면 컨텍스트가 길어지면 프롬프트 처리가 매우 느려진다는 불만과, 거부 동작이 모델에 내장돼 있다는 지적이 나왔다.[5]
- 엇갈림OpenAI는 학습 데이터와 방법을 공개하지 않았고, 오픈 웨이트 분야에서는 Qwen3·DeepSeek-R1·Kimi K2 같은 중국 모델이 앞서 있다는 평가가 따랐다.[1]
반응 출처 5개
- gpt-oss: OpenAI's first open-weights models since GPT-2 arrive in 120 billion and 20 billion parameter versions · deeplearning.ai
- OpenAI drops two new open models: gpt-oss-120b and gpt-oss-20b · maginative.com
- GPT-OSS vs. Qwen3 and a detailed look how things evolved since GPT-2 · magazine.sebastianraschka.com
- GPT-OSS vs. Qwen3 and a detailed look how things evolved since GPT-2 | Hacker News · news.ycombinator.com
- GPT-OSS-120B runs on just 8GB VRAM & 64GB+ system RAM | Hacker News · news.ycombinator.com
출시 기사·리뷰·전문가 평가·개발자 커뮤니티 토론을 LUCAS AI News가 읽고 요약했습니다(2026-10-11 기준). 원문 표현은 옮기지 않았으니 자세한 내용은 출처에서 확인하세요.
영역별 강점
같은 시험을 치른 모델 가운데 어디쯤인지(백분위)를 영역별로 평균했습니다. 바깥일수록 상위권이고, 점수가 없는 영역은 가운데 빈 점으로 표시합니다.
OpenAI 모델 흐름
큰 점이 이 모델입니다. 선은 그때까지의 최고 기록입니다.
독립 벤치마크 점수
- GPQA Diamond과학75.8%
94개 모델 중 56위. 대학원 수준의 생물·물리·화학 객관식 문제 198개. 검색으로 답을 찾기 어렵게 만든 문항이다. 오차 ±2.7%.
- OTIS 모의 AIME수학88.9%
91개 모델 중 35위. OTIS의 경시대회형 수학 문제 45개. MATH Level 5보다 어렵고 FrontierMath보다 쉽다. 오차 ±4.5%.
- 체스 퍼즐추론20%
60개 모델 중 41위. 체스 엔진으로 새로 만든 퍼즐 100개. 퍼즐마다 최선의 다음 수가 하나 있다. 오차 ±3.1%.
- 미공개 게임 퍼즐추론2%
47개 모델 중 47위. 잘 알려진 게임을 퍼즐용으로 바꾼 변형판의 100개 국면. 어떤 게임인지는 일부러 밝히지 않았다. 오차 ±1.4%.
- Aider Polyglot코딩41.8%
29개 모델 중 21위. C++·Go·Java·JavaScript·Python·Rust의 어려운 연습 문제 225개를 코드 편집으로 푸는 시험(두 번째 시도까지 통과율). 생각 수준 '높음' 기준. (Aider 측정)
세로선은 무작위로 찍었을 때 기대되는 점수입니다. 같은 벤치마크라도 평가 방식과 설정에 따라 점수가 달라지므로 개발사 발표 수치와 다를 수 있습니다.
함께 볼 모델
- gpt-oss-20b OpenAI · 2025-08-05
- GPT-5 OpenAI · 2025-08-07
- Claude Opus 4.1 Anthropic · 2025-08-05
- Grok 4 xAI · 2025-07-09