¿Qué es gpt-oss-120b?
gpt-oss-120b es el mayor de los dos modelos de pesos abiertos de OpenAI, publicado en agosto de 2025. Tiene 117.000 millones de parámetros, pero usa un diseño mixture-of-experts, así que solo 5.100 millones están activos en cada token. Eso, junto con pesos de 4 bits (MXFP4), le permite funcionar en una sola GPU de 80 GB, como una NVIDIA H100 o una AMD MI300X. Tiene un contexto de 128K tokens.
Es un modelo de razonamiento solo de texto con niveles de esfuerzo bajo, medio y alto, que se fijan en el prompt de sistema, y soporte integrado para function calling, navegación web, ejecución de Python y salidas estructuradas. Hay que usarlo con el formato harmony de OpenAI, y su cadena de razonamiento completa queda expuesta para depuración, pero no está pensada para los usuarios finales.
Los pesos son gratuitos bajo Apache 2.0. Lo ejecutas tú mismo o a través de proveedores como Amazon Bedrock, OpenRouter y la nube de Ollama. A octubre de 2026, OpenAI no ha publicado un sucesor; sus modelos de políticas gpt-oss-safeguard son un lanzamiento aparte.
¿Merece la pena gpt-oss-120b?
gpt-oss-120b ha envejecido hasta convertirse en una herramienta de uso general: no es el modelo abierto con mejores puntuaciones, sino el que tiene menos condiciones y más herramientas. Artificial Analysis da a su modo de esfuerzo alto un 12 en su Intelligence Index, el 11.º de 67 modelos de pesos abiertos de entre 40.000 y 150.000 millones de parámetros, donde la mediana es 8. El Granite 4.2 30B denso de IBM obtiene 13 en el mismo índice con aproximadamente una cuarta parte de los parámetros.
Las cifras de la propia OpenAI eran sólidas en el lanzamiento: 62,4 % en SWE-bench Verified con esfuerzo alto, según el PDF de su model card, y una puntuación de unos 80 en GPQA Diamond, todo con los pesos MXFP4. Son datos declarados por la propia empresa. La cifra más exigente de la model card es un 16,2 en SWE-Bench Pro, de la clasificación de Scale, que se acerca más a cómo rinde hoy en trabajo real sobre repositorios.
Lo que lo mantiene en uso es la economía. Con 5.100 millones de parámetros activos por token es rápido: Artificial Analysis registra una mediana de 225,5 tokens por segundo entre proveedores, el cuarto de 27 en su categoría, a 0,15 $ por millón de tokens de entrada y 0,60 $ por millón de salida. En autoalojamiento, la versión de Ollama es una descarga de 65 GB que cabe en una H100 con margen para el contexto.
La fricción está en el formato. La model card dice que el modelo "will not work correctly" fuera del formato harmony de OpenAI; la plantilla de chat de Transformers lo aplica, pero el código que llama directamente a generate o un stack de serving con una plantilla antigua obtiene una salida degradada. El contexto se queda en 128K, no hay entrada de imágenes, y hacer fine-tuning del 120b exige un nodo H100 completo, mientras que el 20b cabe en hardware de consumo.
Lo que todavía lo distingue de los diez modelos que lo superan en su categoría es el ecosistema. Hugging Face contó casi 3 millones de descargas en el último mes, 124 fine-tunes y 135 cuantizaciones. Un equipo de cumplimiento puede aprobar rápido una licencia Apache 2.0 de un laboratorio estadounidense, y es muy probable que la cuantización que necesite un ingeniero ya exista.
Dónde se gana su sitio
Un ingeniero de plataforma con una H100 en una nube privada
Servir un asistente interno que nunca envía datos a terceros
vllm serve u Ollama ejecutan los pesos MXFP4 en la única tarjeta de 80 GB; el esfuerzo de razonamiento se fija en cada petición en el prompt de sistema. El coste es la propia GPU, sin factura por token y sin que nada salga de la red.
Una responsable de operaciones de soporte en una fintech que gestiona 300.000 tickets al mes
Redactar respuestas y etiquetar tickets a bajo coste a través de un endpoint alojado
Con 2.000 tokens de entrada y 500 de salida por ticket y las tarifas de 0,15 $/0,60 $ por millón que recoge Artificial Analysis, el mes cuesta unos 180 $. Los niveles Batch y Flex de Bedrock reducen esa cifra a la mitad para el trabajo nocturno.
Un equipo de ML en una empresa de tecnología legal
Hacer fine-tuning de un modelo de razonamiento con sus propios contratos y redistribuirlo a sus clientes
Apache 2.0 permite ambas cosas, y el fine-tuning del 120b necesita un nodo H100. El modelo ajustado conserva el formato harmony y el contexto de 128K, así que los paquetes largos de contratos siguen necesitando dividirse en fragmentos.
Antes de decidirte
- Puesta en marcha
- ollama pull gpt-oss:120b (una descarga de 65 GB), lms get en LM Studio o vllm serve; fija Reasoning: low, medium o high en el prompt de sistema.
- Integraciones
- Transformers, vLLM, SGLang, Ollama, LM Studio y Docker Model Runner en local; Amazon Bedrock, OpenRouter y otros proveedores a través de APIs compatibles con OpenAI.
- Datos y privacidad
- Apache 2.0 sin restricciones de uso en la licencia. En autoalojamiento, los prompts se quedan en tu hardware; en servicios alojados, la retención sigue las condiciones de cada proveedor, y el enrutamiento solo por la UE de OpenRouter requiere un plan Business o Enterprise.
- Coste a escala
- 1.000 millones de tokens de entrada y 250 millones de salida al mes cuestan unos 300 $ a 0,15 $/0,60 $ por millón; el modo batch de Bedrock reduce su tarifa a la mitad. El autoalojamiento necesita una GPU de 80 GB para inferencia y un nodo H100 para el fine-tuning.
- Límites
- Contexto de 128K, solo texto; requiere el formato harmony; la cadena de razonamiento en bruto debe ocultarse a los usuarios; Artificial Analysis lo sitúa en el puesto 11 de 67 en su categoría.
Lo bueno
- Apache 2.0 sin restricciones de uso en la licencia
- Cabe en una H100 o MI300X de 80 GB en MXFP4
- Mediana de unos 225 tokens por segundo entre proveedores
- 124 fine-tunes y 135 cuantizaciones en Hugging Face
Lo malo
- Diez modelos abiertos de su tamaño puntúan más alto en Artificial Analysis
- Contexto de 128K y solo texto
- Falla sin avisar fuera del formato de prompt harmony
- 16,2 en SWE-Bench Pro
Ideal para
Equipos que necesitan un modelo de razonamiento con licencia permisiva que puedan ejecutar en privado en una sola GPU, con herramientas maduras.
Alternativas a gpt-oss-120b
gpt-oss-120b: preguntas frecuentes
- ¿Merece la pena gpt-oss-120b?
- Catorce meses después, gpt-oss-120b ya no es el modelo abierto más potente, pero sigue ofreciendo la licencia más sencilla y el soporte más amplio para razonar en una sola GPU de 80 GB. Le damos un 4.0 sobre 5.
- ¿Cuánto cuesta gpt-oss-120b?
- Pesos gratuitos bajo Apache 2.0; los precios alojados varían según el proveedor.
- ¿Qué inconvenientes tiene gpt-oss-120b?
- Diez modelos abiertos de su tamaño puntúan más alto en Artificial Analysis; contexto de 128K y solo texto; falla sin avisar fuera del formato de prompt harmony; 16,2 en SWE-Bench Pro.
- ¿Para quién es gpt-oss-120b?
- Equipos que necesitan un modelo de razonamiento con licencia permisiva que puedan ejecutar en privado en una sola GPU, con herramientas maduras.
- ¿Cuánto cuesta gpt-oss-120b para un equipo o en producción?
- 1.000 millones de tokens de entrada y 250 millones de salida al mes cuestan unos 300 $ a 0,15 $/0,60 $ por millón; el modo batch de Bedrock reduce su tarifa a la mitad. El autoalojamiento necesita una GPU de 80 GB para inferencia y un nodo H100 para el fine-tuning.
- ¿Es gpt-oss-120b seguro para los datos de la empresa?
- Apache 2.0 sin restricciones de uso en la licencia. En autoalojamiento, los prompts se quedan en tu hardware; en servicios alojados, la retención sigue las condiciones de cada proveedor, y el enrutamiento solo por la UE de OpenRouter requiere un plan Business o Enterprise.
- ¿Cuáles son las mejores alternativas a gpt-oss-120b?
- Las alternativas más cercanas que hemos analizado son gpt-oss-20b, DeepSeek-V4-Pro, Qwen3.8-Max y Kimi K3.
Respuestas comprobadas el 26 oct 2026.