Qu’est-ce que gpt-oss-120b ?
gpt-oss-120b est le plus grand des deux modèles à poids ouverts d'OpenAI, sorti en août 2025. Il compte 117 milliards de paramètres mais utilise une architecture mixture-of-experts, si bien que seuls 5,1 milliards sont actifs pour chaque token. Cela, plus des poids en 4 bits (MXFP4), lui permet de tourner sur un seul GPU de 80GB comme un NVIDIA H100 ou un AMD MI300X. Il a un contexte de 128K tokens.
C'est un modèle de raisonnement uniquement textuel avec des réglages d'effort low, medium et high, définis dans le prompt système, et une prise en charge intégrée de l'appel de fonctions, de la navigation web, de l'exécution Python et des sorties structurées. Il doit être sollicité au format harmony d'OpenAI, et sa chaîne de raisonnement complète est exposée pour le débogage mais pas destinée aux utilisateurs finaux.
Les poids sont gratuits sous Apache 2.0. Vous le faites tourner vous-même ou via des hébergeurs comme Amazon Bedrock, OpenRouter et le cloud d'Ollama. En octobre 2026, OpenAI n'a pas publié de successeur ; ses modèles de politique gpt-oss-safeguard sont une version distincte.
gpt-oss-120b vaut-il le coup ?
gpt-oss-120b a vieilli pour devenir un utilitaire : pas le modèle ouvert aux meilleurs scores, mais celui qui a le moins de contraintes et le plus d'outillage. Artificial Analysis attribue à son réglage high-effort 12 sur son Intelligence Index, 11e sur 67 modèles à poids ouverts entre 40B et 150B de paramètres, où la médiane est de 8. Le Granite 4.2 30B dense d'IBM obtient 13 sur le même index avec environ un quart des paramètres.
Les propres chiffres d'OpenAI étaient solides au lancement : 62,4 % sur SWE-bench Verified à l'effort high, selon le PDF de sa fiche, et un score GPQA Diamond d'environ 80, le tout mesuré sur les poids MXFP4. Ces chiffres sont autodéclarés. Le chiffre plus dur de la fiche est 16,2 sur SWE-Bench Pro, issu du classement de Scale, plus proche de la façon dont il gère le travail réel sur un dépôt aujourd'hui.
L'économie, c'est ce qui le maintient en usage. Avec 5,1B de paramètres actifs par token, il est rapide : Artificial Analysis enregistre une médiane de 225,5 tokens par seconde entre fournisseurs, quatrième sur 27 dans sa catégorie, à 0,15 $ par million de tokens en entrée et 0,60 $ par million en sortie. En auto-hébergement, la version Ollama est un téléchargement de 65GB qui tient sur un H100 avec de la place pour le contexte.
La friction est dans le format. La fiche indique que le modèle « ne fonctionnera pas correctement » hors du format harmony d'OpenAI ; le modèle de chat de Transformers l'applique, mais le code qui appelle generate directement ou une pile de service avec un ancien modèle obtient une sortie dégradée. Le contexte s'arrête à 128K, il n'y a pas d'entrée d'image, et affiner le 120b exige un nœud H100 complet là où le 20b tient sur du matériel grand public.
Ce qui le distingue encore des dix modèles au-dessus de lui dans sa catégorie, c'est l'écosystème. Hugging Face a compté près de 3 millions de téléchargements le mois dernier, 124 versions affinées et 135 quantifications. Un service de conformité peut approuver vite une Apache 2.0 d'un laboratoire américain, et quelle que soit la quantification dont un ingénieur a besoin, elle existe très probablement déjà.
Là où il fait la différence
Un ingénieur plateforme avec un H100 dans un cloud privé
Servir un assistant interne qui n'envoie jamais de données à un tiers
vllm serve ou Ollama fait tourner les poids MXFP4 sur la carte unique de 80GB ; l'effort de raisonnement se règle par requête dans le prompt système. Le coût est le GPU lui-même, sans facture au token et sans rien qui quitte le réseau.
Un responsable des opérations support dans une fintech qui traite 300 000 tickets par mois
Rédiger les réponses et étiqueter les tickets à bas coût via un endpoint hébergé
À 2 000 tokens en entrée et 500 en sortie par ticket et aux tarifs de 0,15 $/0,60 $ par million qu'indique Artificial Analysis, le mois coûte environ 180 $. Les niveaux Batch et Flex sur Bedrock divisent ce montant par deux pour le travail de nuit.
Une équipe ML dans une entreprise de legal tech
Affiner un modèle de raisonnement sur ses propres contrats et le redistribuer à ses clients
Apache 2.0 permet les deux, et affiner le 120b exige un nœud H100. Le modèle affiné conserve le format harmony et le contexte de 128K, les longues liasses de contrats doivent donc toujours être découpées.
Avant de vous engager
- Mise en route
- ollama pull gpt-oss:120b (un téléchargement de 65GB), lms get dans LM Studio, ou vllm serve ; réglez Reasoning: low, medium ou high dans le prompt système.
- Intégrations
- Transformers, vLLM, SGLang, Ollama, LM Studio et Docker Model Runner en local ; Amazon Bedrock, OpenRouter et d'autres hébergeurs via des API compatibles OpenAI.
- Données et confidentialité
- Apache 2.0 sans restriction d'usage dans la licence. En auto-hébergement, les prompts restent sur votre matériel ; en hébergé, la conservation suit les conditions de chaque fournisseur, et le routage uniquement dans l'UE d'OpenRouter exige une offre Business ou Enterprise.
- Coût à grande échelle
- 1B de tokens en entrée et 250M en sortie par mois coûtent environ 300 $ à 0,15 $/0,60 $ par million ; le batch de Bedrock divise son tarif par deux. L'auto-hébergement exige un GPU de 80GB pour l'inférence et un nœud H100 pour l'affinage.
- Limites
- Contexte de 128K, texte uniquement ; format harmony requis ; la chaîne de raisonnement brute doit être masquée aux utilisateurs ; Artificial Analysis le classe 11e sur 67 dans sa catégorie.
Les points forts
- Apache 2.0 sans restriction d'usage dans la licence
- Tient sur un seul H100 ou MI300X de 80GB en MXFP4
- Environ 225 tokens par seconde en médiane entre hébergeurs
- 124 versions affinées et 135 quantifications sur Hugging Face
Les points faibles
- Dix modèles ouverts de sa catégorie de taille obtiennent de meilleurs scores sur Artificial Analysis
- Contexte de 128K et texte uniquement
- Casse silencieusement hors du format de prompt harmony
- 16,2 sur SWE-Bench Pro
Idéal pour
Les équipes qui ont besoin d'un modèle de raisonnement sous licence permissive qu'elles peuvent faire tourner en privé sur un seul GPU, avec un outillage mûr.
Alternatives à gpt-oss-120b
gpt-oss-120b : questions fréquentes
- gpt-oss-120b vaut-il le coup ?
- Quatorze mois plus tard, gpt-oss-120b n'est plus le modèle ouvert le plus fort, mais il reste la licence la plus simple et la prise en charge la plus large pour le raisonnement sur un seul GPU de 80GB. Nous lui donnons 4.0 sur 5.
- Combien coûte gpt-oss-120b ?
- Poids gratuits sous Apache 2.0 ; les prix hébergés varient selon le fournisseur.
- Quels sont les inconvénients de gpt-oss-120b ?
- Dix modèles ouverts de sa catégorie de taille obtiennent de meilleurs scores sur Artificial Analysis; contexte de 128K et texte uniquement; casse silencieusement hors du format de prompt harmony; 16,2 sur SWE-Bench Pro.
- À qui s’adresse gpt-oss-120b ?
- Les équipes qui ont besoin d'un modèle de raisonnement sous licence permissive qu'elles peuvent faire tourner en privé sur un seul GPU, avec un outillage mûr.
- Combien coûte gpt-oss-120b pour une équipe ou en production ?
- 1B de tokens en entrée et 250M en sortie par mois coûtent environ 300 $ à 0,15 $/0,60 $ par million ; le batch de Bedrock divise son tarif par deux. L'auto-hébergement exige un GPU de 80GB pour l'inférence et un nœud H100 pour l'affinage.
- gpt-oss-120b est-il sûr pour les données de l’entreprise ?
- Apache 2.0 sans restriction d'usage dans la licence. En auto-hébergement, les prompts restent sur votre matériel ; en hébergé, la conservation suit les conditions de chaque fournisseur, et le routage uniquement dans l'UE d'OpenRouter exige une offre Business ou Enterprise.
- Quelles sont les meilleures alternatives à gpt-oss-120b ?
- Les alternatives les plus proches que nous avons testées sont gpt-oss-20b, DeepSeek-V4-Pro, Qwen3.8-Max et Kimi K3.
Réponses vérifiées le 26 oct. 2026.