Modelos de linguagem open-weight gpt-oss-120b e gpt-oss-20b da OpenAI, com código de referência para inferência, ferramentas e clientes.
Alternativa open source a:ChatGPT
gpt-oss é a série de modelos open-weight da OpenAI, lançada em duas versões: gpt-oss-120b, para tarefas de raciocínio avançado em uma única GPU de 80 GB, e gpt-oss-20b, para menor latência e uso local com até 16 GB de memória. Os dois modelos usam o formato de resposta harmony e devem ser usados somente com ele. Os pesos estão disponíveis no Hugging Face sob a licença Apache 2.0.
O repositório inclui implementações de referência em PyTorch, Triton (GPU única, kernels MoE MXFP4) e Metal (Apple Silicon), além de um app de chat para terminal, um servidor de exemplo da Responses API e ferramentas de navegador e Python que os modelos foram treinados para usar. Também é possível executar a inferência com vLLM, Ollama, LM Studio e Transformers.
O código em PyTorch e Metal é voltado à educação e à experimentação, não à produção. As ferramentas de navegador e Python são implementações de exemplo e precisam das suas próprias proteções antes de serem usadas em um ambiente real.
Instale as ferramentas gpt-oss do PyPI
pip install gpt-ossInstale o Ollama pela página de download
Baixe e execute o modelo gpt-oss-20b com o Ollama
ollama pull gpt-oss:20bResumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Um modelo multimodal de pesos abertos com 9 bilhões de parâmetros para compreensão visual, raciocínio espacial, uso de ferramentas por agentes e pesquisa em IA incorporada, baseado em Qwen3.5 e C-RADIOv4-H.
Framework para definir modelos de ponta em machine learning para texto, visão, áudio e tarefas multimodais, voltado a inferência e treinamento.
Um harness mínimo e fácil de modificar que cobre todo o pipeline de LLM, da tokenização ao pré-treinamento, ajuste fino, avaliação e chat, executável em um único nó com GPU.
Biblioteca de otimização de deep learning que facilita e torna mais eficiente o treinamento distribuído e a inferência de modelos grandes.
Implementação oficial do FlashAttention, um kernel de atenção exata e eficiente em memória para treinar e executar inferência de modelos Transformer em GPUs.
verl é uma biblioteca open source de treinamento por aprendizado por reforço para o pós-treinamento de grandes modelos de linguagem, baseada no artigo HybridFlow.