O que é gpt-oss-120b?
gpt-oss-120b é o maior dos dois modelos de pesos abertos da OpenAI, lançado em agosto de 2025. Ele tem 117 bilhões de parâmetros, mas usa um design mixture-of-experts, então só 5,1 bilhões ficam ativos em cada token. Isso, somado a pesos de 4 bits (MXFP4), permite que ele rode em uma GPU de 80GB, como uma NVIDIA H100 ou uma AMD MI300X. Ele tem contexto de 128K tokens.
É um modelo de raciocínio só de texto, com níveis de esforço low, medium e high definidos no system prompt, e suporte embutido a function calling, navegação na web, execução de Python e saídas estruturadas. Ele precisa receber prompts no formato harmony da OpenAI, e sua cadeia de raciocínio completa fica exposta para depuração, mas não é destinada aos usuários finais.
Os pesos são gratuitos sob Apache 2.0. Você o roda por conta própria ou por hosts como Amazon Bedrock, OpenRouter e a nuvem do Ollama. Em outubro de 2026, a OpenAI ainda não lançou um sucessor; seus modelos de política gpt-oss-safeguard são um lançamento separado.
gpt-oss-120b vale a pena?
O gpt-oss-120b envelheceu e virou um utilitário: não o modelo aberto com as melhores pontuações, mas o que tem menos amarras e mais ferramentas. A Artificial Analysis dá à sua configuração de esforço alto 12 no seu Intelligence Index, 11º de 67 modelos de pesos abertos entre 40B e 150B parâmetros, em que a mediana é 8. O Granite 4.2 30B denso da IBM marca 13 no mesmo índice com cerca de um quarto dos parâmetros.
Os números da própria OpenAI eram fortes no lançamento: 62,4% no SWE-bench Verified em esforço alto, segundo o PDF do seu model card, e uma pontuação de cerca de 80 no GPQA Diamond, tudo rodado com os pesos MXFP4. São dados próprios. O número mais duro do model card é 16,2 no SWE-Bench Pro, do ranking da Scale, que fica mais perto de como ele lida hoje com trabalho real em repositórios.
A economia é o que o mantém em uso. Com 5,1B de parâmetros ativos por token, ele é rápido: a Artificial Analysis registra uma mediana de 225,5 tokens por segundo entre provedores, quarto de 27 na sua classe, a $0,15 por milhão de tokens de entrada e $0,60 por milhão de saída. Auto-hospedado, a versão do Ollama é um download de 65GB que cabe em uma H100 com espaço para contexto.
O atrito está no formato. O card diz que o modelo "não vai funcionar corretamente" fora do formato harmony da OpenAI; o chat template do Transformers o aplica, mas código que chama generate diretamente ou uma stack de serviço com um template antigo recebe uma saída degradada. O contexto para em 128K, não há entrada de imagem, e o fine-tuning do 120b exige um nó H100 completo, enquanto o 20b cabe em hardware de consumo.
O que ainda o distingue dos dez modelos acima dele na sua classe é o ecossistema. O Hugging Face contou quase 3 milhões de downloads no último mês, 124 fine-tunes e 135 quantizações. Uma equipe de compliance aprova rapidamente um Apache 2.0 de um laboratório americano, e qualquer quantização de que um engenheiro precise muito provavelmente já existe.
Onde ele se destaca
Um engenheiro de plataforma com uma H100 em uma nuvem privada
Servir um assistente interno que nunca envia dados a terceiros
vllm serve ou o Ollama rodam os pesos MXFP4 na única placa de 80GB; o esforço de raciocínio é definido por solicitação no system prompt. O custo é a própria GPU, sem conta por token e sem nada saindo da rede.
Um líder de operações de suporte em uma fintech que lida com 300.000 tickets por mês
Rascunhar respostas e etiquetar tickets de forma barata por um endpoint hospedado
Com 2.000 tokens de entrada e 500 de saída por ticket e as tarifas de $0,15/$0,60 por milhão listadas pela Artificial Analysis, o mês custa cerca de $180. Os tiers Batch e Flex no Bedrock cortam isso pela metade para trabalho noturno.
Uma equipe de ML em uma empresa de legal tech
Fazer fine-tuning de um modelo de raciocínio com seus próprios contratos e redistribuí-lo aos clientes
A Apache 2.0 permite as duas coisas, e o fine-tuning do 120b exige um nó H100. O modelo ajustado mantém o formato harmony e o contexto de 128K, então pacotes longos de contratos ainda precisam ser divididos em partes.
Antes de decidir
- Configuração
- ollama pull gpt-oss:120b (um download de 65GB), lms get no LM Studio ou vllm serve; defina Reasoning: low, medium ou high no system prompt.
- Integrações
- Transformers, vLLM, SGLang, Ollama, LM Studio e Docker Model Runner localmente; Amazon Bedrock, OpenRouter e outros hosts por APIs compatíveis com OpenAI.
- Dados e privacidade
- Apache 2.0 sem restrições de uso na licença. Auto-hospedado, os prompts ficam no seu hardware; hospedado, a retenção segue os termos de cada provedor, e o roteamento só na UE do OpenRouter exige um plano Business ou Enterprise.
- Custo em escala
- 1B de tokens de entrada e 250M de saída por mês custam cerca de $300 a $0,15/$0,60 por milhão; o batch do Bedrock corta sua tarifa pela metade. Auto-hospedar exige uma GPU de 80GB para inferência e um nó H100 para fine-tuning.
- Limites
- Contexto de 128K, só texto; formato harmony obrigatório; a cadeia de raciocínio bruta deve ficar oculta dos usuários; a Artificial Analysis o coloca em 11º de 67 na sua classe.
O que é bom
- Apache 2.0 sem restrições de uso na licença
- Cabe em uma H100 ou MI300X de 80GB em MXFP4
- Mediana de cerca de 225 tokens por segundo entre hosts
- 124 fine-tunes e 135 quantizações no Hugging Face
O que não é
- Dez modelos abertos da sua faixa de tamanho pontuam mais alto na Artificial Analysis
- Contexto de 128K e só texto
- Quebra sem aviso fora do formato de prompt harmony
- 16,2 no SWE-Bench Pro
Ideal para
Equipes que precisam de um modelo de raciocínio com licença permissiva, que possam rodar de forma privada em uma GPU, com ferramentas maduras.
Alternativas ao gpt-oss-120b
gpt-oss-120b: perguntas frequentes
- gpt-oss-120b vale a pena?
- Catorze meses depois, o gpt-oss-120b já não é o modelo aberto mais forte, mas continua sendo a licença mais simples e o suporte mais amplo para raciocínio em uma GPU de 80GB. Damos nota 4.0 de 5.
- Quanto custa gpt-oss-120b?
- Pesos gratuitos sob Apache 2.0; os preços hospedados variam por provedor.
- Quais são as desvantagens de gpt-oss-120b?
- Dez modelos abertos da sua faixa de tamanho pontuam mais alto na Artificial Analysis; contexto de 128K e só texto; quebra sem aviso fora do formato de prompt harmony; 16,2 no SWE-Bench Pro.
- Para quem gpt-oss-120b é indicado?
- Equipes que precisam de um modelo de raciocínio com licença permissiva, que possam rodar de forma privada em uma GPU, com ferramentas maduras.
- Quanto custa gpt-oss-120b para uma equipe ou em produção?
- 1B de tokens de entrada e 250M de saída por mês custam cerca de $300 a $0,15/$0,60 por milhão; o batch do Bedrock corta sua tarifa pela metade. Auto-hospedar exige uma GPU de 80GB para inferência e um nó H100 para fine-tuning.
- gpt-oss-120b é seguro para dados da empresa?
- Apache 2.0 sem restrições de uso na licença. Auto-hospedado, os prompts ficam no seu hardware; hospedado, a retenção segue os termos de cada provedor, e o roteamento só na UE do OpenRouter exige um plano Business ou Enterprise.
- Quais são as melhores alternativas ao gpt-oss-120b?
- As alternativas mais próximas que analisamos são gpt-oss-20b, DeepSeek-V4-Pro, Qwen3.8-Max e Kimi K3.
Respostas verificadas em 26 de out. de 2026.