gpt-oss-120b

gpt‑oss‑120b es el modelo más potente de la familia gpt‑oss. Con 117.000 millones de parámetros totales y 5.100 millones activos, está diseñado para razonamiento profundo, ejecución precisa de instrucciones multietapa y workflows agénticos complejos. Su ventana de contexto de 131.072 tokens permite procesar documentos largos, análisis detallados y conversaciones extensas. Admite function calling, salida JSON estructurada y streaming.

• SEDE DEL PROVEEDOR: Fuera de la UE
• PARÁMETROS: 117B (5,1B activos)
• CONTEXTO MÁX.: 131K token
• LICENCIA: Apache 2.0
• FUNCIONALIDADES: Function calling, Razonamiento
• FORMATOS DE SALIDA: Raw_text, Json_object, Json_schema

• Razonamiento multietapa sobre documentos largos
• Agentes autónomos para decisiones complejas
• Análisis legal y cumplimiento normativo
• Generación de informes estructurados

curl --request POST \
--url https://apiaruba.it/aiplatform/v1/chat/completions \
--header 'content-type: application/json' \
--header 'x-aruba-api-key: *****' \
--data '{
"model": "gpt-oss-120b",
"messages": [
{
"role": "system",
"content": "Sei un assistente conciso."
},
{
"role": "user",
"content": "Spiega cos'\''è un embedding."
}
],
"temperature": 0.7,
"max_tokens": 1000
}'

{
"id": "chatcmpl-5c3c7148-63df-4255-a49d-b6811f1d326d",
"created": 1787560820,
"model": "gpt-oss-120b",
"object": "chat.completion",
"system_fingerprint": "vllm-0.24.0-0068fb53",
"choices": [
{
"finish_reason": "stop",
"index": 0,
"message": {
"content": "Un **embedding** è una rappresentazione numerica (solitamente un vettore di dimensione ridotta) di dati discreti o strutturati (parole, immagini, nodi di un grafo, ecc.) in uno spazio continuo. Lo scopo è catturare le relazioni semantiche o strutturali: elementi simili nel dominio originale hanno vettori vicini nella rappresentazione.\n\n- **Word embedding** (es. Word2Vec, GloVe): mappa parole in vettori dove la distanza riflette similarità di significato.\n- **Image embedding**: estratto da una rete neurale convoluzionale, consente confronti di immagini tramite distanza euclidea o coseno.\n- **Graph embedding**: mappa nodi o interi grafi in vettori per compiti come classificazione o clustering.\n\nGli embedding si apprendono tipicamente tramite reti neurali (auto‑encoder, modelli di language modeling, contrastive learning) o metodi di fattorizzazione matriciale, riducendo la dimensionalità e facilitando l’uso di algoritmi di machine learning tradizionali.",
"role": "assistant",
"reasoning_content": "The user asks in Italian: \"Spiega cos'è un embedding.\" They want explanation of what an embedding is. Concise. So respond in Italian, concise. Probably define embedding in machine learning, vector representation, mapping from discrete to continuous space, examples like word embeddings, image embeddings, etc. Keep concise.",
"provider_specific_fields": {
"reasoning": "The user asks in Italian: \"Spiega cos'è un embedding.\" They want explanation of what an embedding is. Concise. So respond in Italian, concise. Probably define embedding in machine learning, vector representation, mapping from discrete to continuous space, examples like word embeddings, image embeddings, etc. Keep concise.",
"refusal": null
}
},
"provider_specific_fields": {}
}
],
"usage": {
"completion_tokens": 307,
"prompt_tokens": 89,
"total_tokens": 396
}
}

• Qwen3.5‑122B‑A10B

• Hugging Face
• Documentación API
• Blog OpenAI