OpenAI lancia i primi modelli open-weight dopo GPT-2

Aggiungici come sito preferito su Google

Secondo quanto svelato recentemente, con un importante passo avanti per il settore dell’intelligenza artificiale, OpenAI ha lanciato ufficialmente la sua prima serie di modelli open-weight, che segna una tappa fondamentale nell’introduzione della trasparenza e nella concessione di maggiore libertà agli sviluppatori. I due nuovi modelli, gpt-oss-20b e gpt-oss-120b, sono la prima vera versione open-weight dell’azienda dopo GPT-2 nel 2019, e fino ad ora abbiamo assistito per anni a sistemi chiusi. Questi due strumenti sono disponibili per il download gratuito e possono essere eseguiti direttamente su qualsiasi hardware con memoria sufficiente, compresi i Mac con Apple Silicon, a indicare un cambiamento nell’approccio dell’azienda, poiché gli sviluppatori possono eseguire modelli di IA localmente senza bisogno di server o API.

Il nostro obiettivo è che i nostri strumenti vengano utilizzati in modo sicuro, responsabile e democratico, massimizzando al contempo il vostro controllo sul loro utilizzo. Utilizzando OpenAI gpt-oss-120b e gpt-oss-20b, accettate di rispettare tutte le leggi applicabili.

Quindi, il linguaggio giuridico utilizzato dall’azienda di IA è chiaro: sebbene OpenAI stia aprendo le sue porte, è comunque determinata a rispettare le leggi. Ma al di là di queste clausole scritte in piccolo, questo passo è fondamentale perché, a differenza dei modelli dipendenti dall’API come ChatGPT, il nuovo sistema può funzionare localmente su macchine con risorse sufficienti. Gli sviluppatori possono creare applicazioni senza subire alcuna latenza o affrontare problemi di sorveglianza, poiché si tratta di un’intelligenza artificiale grezza e fondamentale su cui avete il controllo completo.

Se vogliamo dare un’occhiata agli aspetti tecnici di questi modelli, sono piuttosto impressionanti. Il gpt-oss-20b è un modello denso con 20 miliardi di parametri, mentre il gpt-oss-120b è un modello MoE con 120 miliardi di parametri che consente una maggiore efficienza computazionale e un’inferenza inferiore. I modelli sono stati ulteriormente addestrati su un set di dati di 1,8 trilioni di token che include risorse con licenza e dati disponibili pubblicamente. Con una finestra di contesto di 128K token, entrambi i modelli sono in grado di gestire ragionamenti complessi e capacità agentiche.