gpt-oss-20b-free の技術仕様
| 仕様 | gpt-oss-20b |
|---|---|
| プロバイダー | OpenAI |
| モデルファミリー | gpt-oss オープンウェイト推論モデル |
| モデル | gpt-oss-20b-free |
| CometAPI におけるモデル ID | gpt-oss-20b-free |
| アーキテクチャ | Mixture of Experts（MoE） |
| 総パラメータ数 | 21B |
| アクティブパラメータ数 | 3.6B |
| コンテキストウィンドウ | 131,072 トークン |
| 最大出力トークン数 | 131,072 |
| 入力/出力 | テキスト入力、テキスト出力 |
| 推論負荷 | 低・中・高 |
| ライセンス | Apache 2.0（gpt-oss 利用ポリシーに準拠） |
| 関数呼び出し | 対応 |
| 構造化出力 | 対応 |
| ストリーミング | 対応 |
| ファインチューニング | オープンなツール/インフラを通じて対応 |
| ネイティブなデプロイ対象 | ローカル、エッジ、プライベートインフラ、またはホステッド推論 |
| 知識カットオフ | 2024年6月1日 |
gpt-oss-20b とは？
gpt-oss-20b は、gpt-oss ファミリーにおける OpenAI の小型のオープンウェイト推論モデルです。CometAPI でも gpt-oss-20b を無料で利用でき、ID は gpt-oss-20b-free です。 総パラメータ数は 21B ですが、Mixture of Experts（MoE）アーキテクチャにより各フォワードパスで有効化されるのは約 3.6B で、推論要件を抑えつつ十分な推論能力を保持します。OpenAI はこれを、最大規模のプロプライエタリモデルの直接の代替ではなく、低レイテンシやローカル・特化ワークロード向けに位置づけています。
このモデルはテキスト専用で、推論およびエージェント指向のワークフロー向けに設計されています。オープンウェイトはダウンロードやカスタマイズ、ファインチューニング、開発者が管理するインフラ上へのデプロイが可能です。OpenAI と Hugging Face は、約 16 GB のメモリで動作させられるネイティブな MXFP4 量子化を文書化しており、このパラメータ規模としては例外的に扱いやすくなっています。
gpt-oss-20b の主な特長
- 効率的な MoE アーキテクチャ: 総 21B パラメータのうち各フォワードパスで有効なのは 3.6B のみで、低レイテンシと低いデプロイ要件を志向。
- 推論の調整可能性: 応答レイテンシや計算資源と推論品質のトレードオフとして、低・中・高の推論負荷を選択可能。
- エージェント的なツール利用: サerving ランタイムがツールを提供する場合、関数呼び出し、Web ブラウジング、Python 実行、構造化出力を含むワークフローをサポート。
- オープンウェイトによるカスタマイズ: Apache 2.0 ライセンスにより、gpt-oss の利用ポリシーに従う範囲で幅広い改変と商用展開が可能。
- ローカル/プライベートデプロイ: ローカルやプライベート環境など、開発者が管理するインフラでの運用を想定。
- 長いコンテキスト: 本番モデルのドキュメントでは、131,072 トークンのコンテキストウィンドウと 131,072 の最大出力トークン上限が記載されています。
gpt-oss-20b のベンチマーク性能
OpenAI が公開した評価結果によると、gpt-oss-20b はサイズ比で数学的推論とコーディングに特に強みがあります。高い推論負荷でツールを併用すると、AIME 2025 で 98.7%、AIME 2024 で 96.0%、SWE-Bench Verified で 60.7%、Tau-Bench Retail で 54.8% に到達します。知識と推論の評価では、MMLU で 85.3%、ツールなしの GPQA Diamond で 71.5%、ツールありの Humanity's Last Exam で 17.3% と報告されています。結果は推論負荷やツール利用の有無によって大きく変動するため、これらの数値を一律の本番精度として扱うべきではありません。
| ベンチマーク | gpt-oss-20b の結果 | 評価条件 |
|---|---|---|
| AIME 2024 | 96.0% | 高推論、ツールあり |
| AIME 2025 | 98.7% | 高推論、ツールあり |
| GPQA Diamond | 71.5% | 高推論、ツールなし |
| MMLU | 85.3% | 高推論 |
| SWE-Bench Verified | 60.7% | 高推論 |
| Tau-Bench Retail | 54.8% | 高推論 |
| Humanity's Last Exam | 17.3% | 高推論、ツールあり |
OpenAI 自身の比較では、gpt-oss-20b は複数の評価カテゴリで o3-mini に近い位置づけであり、より大きい gpt-oss-120b は一般に幅広い知識とエージェント系ワークロードで優位とされています。
gpt-oss-20b と gpt-oss-120b と o3-mini の比較
| モデル | 主な優位性 | コンテキスト | 最適用途 |
|---|---|---|---|
| gpt-oss-20b | 効率的なオープンウェイト推論 | 131K | ローカル推論、コーディング、数学、特化エージェント |
| gpt-oss-120b | 全般能力の高さ | 131K | より高要求な推論および本番ワークロード |
| o3-mini | プロプライエタリな推論モデル | デプロイにより変動 | オープンウェイト不要のマネージド推論 |
実務上の違いはデプロイのコントロールにあります。オープンウェイト、ローカル/プライベート実行、カスタマイズ、比較的控えめなハードウェア要件が必要な場合は gpt-oss-20b が適しています。より高い全般的な推論・知識性能が、より大きなデプロイ負荷に見合う場合は gpt-oss-120b が好適です。
gpt-oss-20b の制限事項
gpt-oss-20b はテキスト専用で、画像・音声・動画入力をネイティブには受け付けません。また、パラメータ数が小さいため、知識依存やエージェント系の一部評価では gpt-oss-120b に比べて性能差があります。さらに、オープンウェイトのデプロイでは、ホスティング、スケーリング、モニタリング、安全対策、ランタイム構成などの運用責任の多くが開発者側に移ります。
OpenAI は、開発者がウェイトを改変・ファインチューニングできるため、オープンウェイトモデルはホスト型モデルとは安全プロファイルが異なる点も指摘しています。本番デプロイでは、適切なアプリケーションレベルの安全策やアクセス制御の追加が推奨されます。
gpt-oss-20b のユースケース
- ローカルのコーディングアシスタント: コードをプロプライエタリなホスト型モデルに送らずに、推論やコード生成を行いたい場合。
- 数学的・技術的推論: 難問に対して高い推論負荷を有効化できるユースケース。
- プライベートな企業ワークロード: 管理された環境内でのデプロイが求められるケース。
- ツールを使うエージェント: 関数呼び出し、Python 実行、ウェブ検索、アプリ固有ツールと組み合わせるワークフロー。
- ドメイン特化のファインチューニング済みアシスタント: マネージドなプロプライエタリモデルへのアクセスよりも、オープンウェイトの価値が高い場合。
- リソース制約下の推論: MXFP4 量子化により約 16 GB のメモリ目標が重要となる場合。
CometAPI 経由での gpt-oss-20b へのアクセス
CometAPI は現在、gpt-oss-20b-free を OpenAI モデルとして掲載しており、3.6B のアクティブパラメータと 128K クラスのコンテキストを備えた 21B パラメータのオープンソース MoE モデルとして説明しています。無料で利用可能で、CometAPI の統一 API を通じて公開されています。CometAPI の変更履歴には、このモデルが OpenAI のチャット標準フォーマットに従うと記載されています。
CometAPI との統合手順の一般フローは、CometAPI キーを作成し、CometAPI のベース URL を使用し、リクエストでモデル名を指定することです。CometAPI は OpenAI SDK 互換の統合を文書化しており、クイックスタートのベース URL として現在は https://api.cometapi.com/v1 を案内しています。