綜覽：gpt‑oss‑120B、gpt‑oss‑20B、DeepSeek R1、Kimi K2 關鍵差異
以下表格彙整四款熱門開源/開權重推理模型的核心規格、授權、效能與適用情境，協助你快速選型。
| 指標 | gpt‑oss‑120B | gpt‑oss‑20B | DeepSeek R1 0528 (May ’25) | Kimi K2 |
|---|---|---|---|---|
| 開發方 | OpenAI | OpenAI | DeepSeek | Moonshot AI |
| 架構 | MoE（Mixture‑of‑Experts） | MoE（與 120B 結構一致、超參不同） | MoE 推理加強（R1 推理型） | MoE（384 專家、動態路由） |
| 參數規模（總/啟用） | 117B / 5.1B 啟用 | 21B / 3.6B 啟用 | 685B / 37B 啟用 | 1T / 32B 啟用 |
| 上下文長度 | 約 131k tokens | 約 131k tokens（系列一致） | 128k tokens | 128k tokens |
| 影像輸入 | 不支援 | 不支援 | 不支援 | 不支援 |
| 發布時間 | 2025-08 | 2025-08 | 2025-05 | 2025-07 |
| 權重可用性 | 開放權重（Hugging Face 提供） | 開放權重 | 開放權重 | 開放權重 |
| 授權 | Apache 2.0 | Apache 2.0 | MIT（R1 0528 權重） | Modified MIT |
| 商用限制 | 無（可商用） | 無（可商用） | 無（可商用） | 無（可商用） |
| 特色能力 | 近乎對標 o4‑mini 推理、可調推理深度、完整 CoT、工具使用、原生 MXFP4、單張 H100 可跑 | 近 o3‑mini 表現、設計給邊緣/本地低延遲、16GB 記憶體可跑 | 推理導向、思維鏈長、37B 啟用參數、128k 長上下文 | 代理式任務、軟體工程與長程推理強、384 專家僅 8+1 啟用、SWE‑Bench 表現亮眼 |
| 速度/延遲（相對） | 較快，TTFT 低、輸出約 260 tok/s（同級最佳之一） | 較低延遲、面向本地 | —（視部署） | 較慢（約 39 tok/s）；TTFT 0.55s |
| 參考價格（每百萬 Token，混合或輸入/輸出） | 約 $0.26 混合（3:1），In $0.15 / Out $0.60 | —（開源自託管為主） | —（視供應商） | 約 $1.07 混合；In $0.60 / Out $2.50 |
| 典型部署 | 單張 H100、雲或本地 | 消費級 GPU/邊緣裝置 | 大規模雲端/H 系列 GPU | 大規模 EP/PD 架構、可用 128×H200 高併發 |
| 適用情境 | 高推理與代理工作流、結構化輸出 | 低延遲本地/專用場景、成本敏感 | 長鏈推理、研究與推理型應用 | 代碼維運、自主工具鏈、企業自建代理與長文脈分析 |
說明與來源重點：
- gpt‑oss 系列由 OpenAI 於 2025-08 發布，兩款皆為開放權重、Apache 2.0 授權，強調可調節推理深度、完整 CoT、工具使用與 agentic 工作流；120B 可在單張 80GB/H100 上以原生 MXFP4 高效運行，20B 可在 16GB 記憶體裝置上本地推論。
- gpt‑oss‑120B 模型卡與第三方匯總顯示其 117B 總參數、5.1B 啟用參數、原生 MXFP4、可微調與結構化輸出等能力；開放平台亦標示 131k 文脈與低價位等級供應。
- gpt‑oss‑20B（NVIDIA NIM 文件頁也描述）為 21B 總參數、3.6B 啟用、與 120B 架構等同的 MoE，小型化面向低延遲本地/專用部署，亦提供 CoT、工具使用與可調推理強度，適合企業私有化落地。
- DeepSeek R1 0528（May ’25）與 Kimi K2 均提供 128k 上下文、無影像輸入、開放權重與寬鬆授權；R1 0528 標示 685B 總參數、37B 啟用參數，屬強推理取向。
- Kimi K2 由 Moonshot AI 於 2025-07 發布，為 1 兆參數 MoE、384 專家、每 token 啟用約 32B 參數，定位為開源代理式模型；第三方分析列出其 MMLU≈0.824、Intelligence Index≈49、輸出速率約 39 tok/s、TTFT≈0.55s、128k 文脈，以及商用友善授權與 API 定價檔位。
- gpt‑oss‑120B 與 Kimi K2 直接對比頁顯示：前者 131k 文脈、後者 128k；兩者皆開放權重且允許商用，授權分別為 Apache 2.0 與 Modified MIT。
快速選型建議
- 需要高推理表現、易部署與較低成本：優先考慮 gpt‑oss‑120B；若需本地化與超低延遲，選 gpt‑oss‑20B。
- 想要長鏈推理研究或對 R1 系列生態熟悉：考慮 DeepSeek R1 0528（May ’25）。
- 面向軟體工程、長文脈分析與客製代理工作流：Kimi K2 以 MoE 與工具使用能力見長，社群與部署實作豐富（如 128×H200 大規模部署案例）。
想把這些模型變成你的競爭優勢？
Tenten 專注端到端 AI 產品化與代理式工作流落地，涵蓋模型選型、私有化部署、資料管線、工具鏈整合與成本優化。若你準備把 gpt‑oss、DeepSeek 或 Kimi K2 應用在實際業務，歡迎與我們聊聊你的場景與需求，立即預約顧問會議。