Mercado de modelos

El modelo gpt-oss-120b está diseñado arquitectónicamente como un modelo de «mezcla de expertos» (MoE). Este modelo incorpora activaciones SwiGLU y «attention sinks» aprendidos dentro de su arquitectura. Funciona como un modelo de razonamiento y admite capacidades como el procesamiento de cadenas de pensamiento, niveles ajustables de esfuerzo de razonamiento, el seguimiento de instrucciones y el uso de herramientas. Este modelo es exclusivamente de texto, tanto en la modalidad de entrada como en la de salida, lo que permite a las empresas y a las administraciones públicas implementarlo en sus propias instalaciones o en entornos de nube privada para mejorar la seguridad y la privacidad de los datos.

El modelo gpt-oss-20b está diseñado como un modelo de «mezcla de expertos» (MoE), estructuralmente idéntico a la variante más grande de 117B, aunque con hiperparámetros diferentes. Este modelo utiliza activaciones SwiGLU e incorpora «sumideros de atención» aprendidos dentro de su arquitectura. Desde el punto de vista funcional, actúa como un modelo de razonamiento robusto, que admite capacidades avanzadas como el procesamiento de cadenas de pensamiento, niveles ajustables de esfuerzo de razonamiento, el seguimiento de instrucciones y el uso de herramientas. Funciona exclusivamente con modalidades de solo texto, tanto en la entrada como en la salida. Una ventaja estratégica clave es su idoneidad para empresas y administraciones públicas, ya que facilita la implementación en instalaciones propias o en la nube privada para garantizar una mayor seguridad y privacidad de los datos.

Según las mediciones realizadas con los parámetros de referencia tradicionales, gpt-4o alcanza un rendimiento similar al de gpt-4 turbo en inteligencia de texto, razonamiento y codificación, al tiempo que establece nuevos récords en capacidades multilingües, de audio y de visión.