--- title: "欢迎 GPT OSS —— 来自 OpenAI 的全新开放模型家族！" thumbnail: /blog/assets/openai/openai-hf-thumbnail.png authors: - user: reach-vb - user: pcuenq - user: lewtun - user: clem - user: Rocketknight1 - user: clefourrier - user: celinah - user: Wauplin - user: marcsun13 - user: pagezyhf - user: ahadnagy - user: joaogante translators: - user: chenglu --- # 欢迎 GPT OSS —— 来自 OpenAI 的全新开放模型家族！ GPT OSS 是 OpenAI 推出的 **重量级开放模型**，面向强推理、智能体任务以及多样化开发场景。该系列包含两款模型：拥有 117B 参数的 [gpt‑oss‑120b](https://hf.co/openai/gpt-oss-120b) 和拥有 21B 参数的 [gpt‑oss‑20b](https://hf.co/openai/gpt-oss-20b)。二者皆采用 Mixture‑of‑Experts（MoE）架构，并在 MoE 权重上使用 4‑bit 量化方案 MXFP4。由于 *active* 参数更少，它们在保持资源占用低的同时实现了快速推理：120B 版本可部署于单张 H100 GPU，20B 版本则能在 16 GB 显存内运行，适合消费级硬件和端侧应用。 为了让社区受益更大，模型采用 **Apache 2.0 许可证**，并附带精简使用政策： > 我们希望工具能被安全、负责且民主地使用，同时最大化您对使用方式的控制权。使用 gpt‑oss 即表示您同意遵守所有适用法律。 OpenAI 表示，这一发布是其长期承诺开源生态、实现“让人工智能惠及全人类”使命的重要一步。许多场景需要私有或本地部署，Hugging Face 对 [OpenAI](https://huggingface.co/openai) 的加入深感振奋，并相信 GPT OSS 将成为长期且富有启发性的旗舰模型。 ## 目录 * [简介](#gpt-oss-openai-发布的重量级开源模型家族) * [能力与架构概览](#能力与架构概览) * [通过推理提供商调用 API](#通过推理提供商调用-api) * [本地推理](#本地推理) * [使用 transformers](#使用-transformers) * [Flash Attention 3](#flash-attention-3) * [其他优化](#其他优化) * [AMD ROCm 支持](#amd-rocm-支持) * [优化总结](#优化总结) * [llama.cpp](#llamacpp) * [vLLM](#vllm) * [transformers serve](#transformers-serve) * [微调](#微调) * [模型评测](#模型评测) * [聊天与模板](#聊天与模板) * [System 与 Developer 消息](#system-与-developer-消息) * [在 transformers 中使用工具](#在-transformers-中使用工具) ## 能力与架构概览 * 共计 21B 与 117B 参数，对应 3.6B 与 5.1B **活跃参数**。 * 4‑bit MXFP4 量化仅应用于 MoE 权重：120B 版可容纳于单张 80 GB GPU，20B 版可容纳于单张 16 GB GPU。 * 纯文本推理模型，内置链式思维（Chain‑of‑Thought）并可调节推理强度。 * 支持指令跟随与工具调用，适配生成式 AI 和 AI 智能体工作流。 * 提供基于 transformers、vLLM、llama.cpp、ollama 的多种推理实现。 * 建议使用 [Responses API](https://platform.openai.com/docs/api-reference/responses) 进行推理。 * 许可证：Apache 2.0，并附带简易使用政策。 ### 架构细节 * Token‑choice MoE，激活函数采用 SwiGLU。 * 在选出 Top‑k 专家后对其权重执行 softmax（softmax‑after‑topk）。 * 注意力层使用 RoPE，相对位置编码最长支持 128K Token。 * 注意力层交替采用“全局上下文”与“滑动 128 Token 窗口”机制。 * 每个注意力头引入 *learned attention sink*：在 softmax 分母中加入可学习偏置，增强长上下文稳定性。 * 与 GPT‑4o 等 OpenAI API 模型共用分词器，并新增 Token 以兼容 Responses API。 ## 通过推理提供商调用 API GPT OSS 已接入 Hugging Face 的 [Inference Providers](https://huggingface.co/docs/inference-providers/en/index) 服务。您可使用统一的 JavaScript 或 Python SDK，通过多家推理提供商（如 AWS、Cerebras 等）快速调用模型。这正是官方演示站点 [gpt‑oss.com](http://gpt-oss.com) 的底层基础设施，亦可直接复用于个人或企业项目。 下面以 Python + Cerebras 为例： ```python from openai import OpenAI client = OpenAI( inference_provider="cerebras", api_key="YOUR_HF_API_KEY" ) response = client.chat.completions.create( model="openai/gpt-oss-120b", messages=[{"role": "user", "content": "用中文解释 MXFP4 量化是什么？"}], ) print(response.choices[0].message.content) ``` 更多代码示例和性能对比，参见模型卡中的 [Inference Providers 小节](https://huggingface.co/openai/gpt-oss-120b?inference_api=true&inference_provider=auto&language=python&client=openai) 以及我们专门撰写的[指南](https://huggingface.co/docs/inference-providers/guides/gpt-oss)。 下面示例展示了使用 Python 调用超高速 Cerebras 提供商。如需更多代码片段，请查阅模型卡中的 [Inference Providers 部分](https://huggingface.co/openai/gpt-oss-120b?inference_api=true&inference_provider=auto&language=python&client=openai) 以及我们专门撰写的[指南](https://huggingface.co/docs/inference-providers/guides/gpt-oss)。 ```py import os from openai import OpenAI client = OpenAI( base_url="https://router.huggingface.co/v1", api_key=os.environ["HF_TOKEN"], ) completion = client.chat.completions.create( model="openai/gpt-oss-120b:cerebras", messages=[ { "role": "user", "content": "How many rs are in the word 'strawberry'?", } ], ) print(completion.choices[0].message) ``` Inference Providers 还实现了兼容 OpenAI 的 **Responses API**——这是目前针对聊天模型最先进、最灵活、最直观的接口。 下面示例展示了如何在 Fireworks AI 提供商上使用 Responses API。更多细节参见开源项目 [responses.js](https://github.com/huggingface/responses.js)。 ```py import os from openai import OpenAI client = OpenAI( base_url="https://router.huggingface.co/v1", api_key=os.getenv("HF_TOKEN"), ) response = client.responses.create( model="openai/gpt-oss-20b:fireworks-ai", input="How many rs are in the word 'strawberry'?", ) print(response) ``` ## 本地推理 ### 使用 Transformers 请确保安装最新版 `transformers`（≥ v4.55），以及 `accelerate` 与 `kernels`： ```shell pip install --upgrade accelerate transformers kernels ``` 模型权重采用 `mxfp4` 量化格式，可在 Hopper 或 Blackwell 系列 GPU 上运行，包括数据中心卡（H100、H200、GB200）以及最新消费级 50xx 系列显卡。若您拥有此类显卡，`mxfp4` 能在速度与显存占用上提供最佳表现。要启用该格式，需要安装 `triton 3.4` 与 `triton_kernels`。若未安装这些库（或显卡不兼容），加载模型时将自动退回至 `bfloat16`（从量化权重解包）。 我们的测试表明，Triton 3.4 与最新版 PyTorch 2.7.x 兼容。您也可以选择安装 PyTorch 2.8（撰写本文时为预发布版本，[正式发布在即](https://github.com/pytorch/pytorch/milestone/53)），它与 triton 3.4 搭配更加稳定。以下命令可安装自带 triton 3.4 的 PyTorch 2.8 及 triton kernels： ```shell # Optional step if you want PyTorch 2.8, otherwise just `pip install torch` pip install torch==2.8.0 --index-url https://download.pytorch.org/whl/test/cu128 # Install triton kernels for mxfp4 support pip install git+https://github.com/triton-lang/triton.git@main#subdirectory=python/triton_kernels ``` 下面示例演示了如何使用 20B 模型进行简单推理。在 `mxfp4` 下运行时，占用 16 GB 显存；若使用 `bfloat16`，显存约为 48 GB。 ```py from transformers import AutoModelForCausalLM, AutoTokenizer model_id = "openai/gpt-oss-20b" tokenizer = AutoTokenizer.from_pretrained(model_id) model = AutoModelForCausalLM.from_pretrained( model_id, device_map="auto", torch_dtype="auto", ) messages = [ {"role": "user", "content": "How many rs are in the word 'strawberry'?"}, ] inputs = tokenizer.apply_chat_template( messages, add_generation_prompt=True, return_tensors="pt", return_dict=True, ).to(model.device) generated = model.generate(**inputs, max_new_tokens=100) print(tokenizer.decode(generated[0][inputs["input_ids"].shape[-1]:])) ``` #### Flash Attention 3 模型引入 *attention sink* 技术，vLLM 团队已将其与 Flash Attention 3 兼容。我们将他们的优化 kernel 打包至 [`kernels-community/vllm-flash-attn3`](https://huggingface.co/kernels-community/vllm-flash-attn3)。截至撰稿时，该超高速 kernel 已在 Hopper 卡 + PyTorch 2.7/2.8 上通过测试，未来将支持更多硬件。若您使用 H100、H200 等 Hopper GPU，请执行 `pip install --upgrade kernels`，并在代码中添加： ```diff from transformers import AutoModelForCausalLM, AutoTokenizer model_id = "openai/gpt-oss-20b" tokenizer = AutoTokenizer.from_pretrained(model_id) model = AutoModelForCausalLM.from_pretrained( model_id, device_map="auto", torch_dtype="auto", + # Flash Attention with Sinks + attn_implementation="kernels-community/vllm-flash-attn3", ) messages = [ {"role": "user", "content": "How many rs are in the word 'strawberry'?"}, ] inputs = tokenizer.apply_chat_template( messages, add_generation_prompt=True, return_tensors="pt", return_dict=True, ).to(model.device) generated = model.generate(**inputs, max_new_tokens=100) print(tokenizer.decode(generated[0][inputs["input_ids"].shape[-1]:])) ``` 该行代码会自动从 `kernels-community` 下载编译好的优化 kernel，具体机制可参考我们 [此前博文](https://huggingface.co/blog/hello-hf-kernels)。Transformers 团队已对该代码进行构建与测试，可放心使用。 #### 其他优化 若显卡为 Hopper 或更新架构，强烈建议使用 `mxfp4`；若可同时启用 Flash Attention 3，则务必一起开启！ > [!TIP] > 若显卡不支持 `mxfp4`，可考虑使用 MegaBlocks MoE kernels 以获得可观的加速。只需在推理代码中进行如下调整： ```diff from transformers import AutoModelForCausalLM, AutoTokenizer model_id = "openai/gpt-oss-20b" tokenizer = AutoTokenizer.from_pretrained(model_id) model = AutoModelForCausalLM.from_pretrained( model_id, device_map="auto", torch_dtype="auto", + # Optimize MoE layers with downloadable` MegaBlocksMoeMLP + use_kernels=True, ) messages = [ {"role": "user", "content": "How many rs are in the word 'strawberry'?"}, ] inputs = tokenizer.apply_chat_template( messages, add_generation_prompt=True, tokenize=True, return_tensors="pt", return_dict=True, ).to(model.device) generated = model.generate(**inputs, max_new_tokens=100) print(tokenizer.decode(generated[0][inputs["input_ids"].shape[-1]:])) ``` > [!TIP] > MegaBlocks 优化 MoE kernel 需要模型运行于 `bfloat16`，因此相比 `mxfp4` 会占用更多显存。若条件允许，我们建议优先使用 `mxfp4`；否则，可通过 `use_kernels=True` 启用 MegaBlocks。 #### AMD ROCm 支持 OpenAI GPT OSS 已在 AMD Instinct 硬件上完成验证，我们很高兴地宣布内核库初步支持 AMD ROCm 平台，为即将在 Transformers 中推出的 ROCm 优化 kernel 奠定基础。针对 AMD Instinct（如 MI300 系列）的 **MegaBlocks MoE kernel 加速** 已经就绪，可显著提升训练与推理性能。您可直接使用前文相同的推理代码进行测试。 AMD 还为用户准备了一个 Hugging Face [Space](https://huggingface.co/spaces/amd/gpt-oss-120b-chatbot)，可以在 AMD 硬件上体验该模型。 #### 可用优化总结 截至撰稿时，下表根据 GPU 兼容性和我们的测试结果，给出了 **推荐配置**。我们预计 Flash Attention 3（含 sink attention）将支持更多 GPU。 | | mxfp4 | Flash Attention 3（含 sink attention） | MegaBlocks MoE kernels | | :----------------------------------------- | :----------------------------: | :-------------------------------------: | :--------------------: | | **Hopper GPU（H100、H200）** | ✅ | ✅ | ❌ | | **Blackwell GPU（GB200、50xx、RTX Pro 6000）** | ✅ | ❌ | ❌ | | **其他 CUDA GPU** | ❌ | ❌ | ✅ | | **AMD Instinct（MI3XX）** | ❌ | ❌ | ✅ | | **启用方式** | 安装 triton 3.4 + triton kernels | 使用 kernels-community 的 vllm‑flash‑attn3 | `use_kernels` | 即便 120B 模型在单张 H100 GPU（使用 `mxfp4`）上即可运行，您仍可借助 `accelerate` 或 `torchrun` 轻松在多张 GPU 上部署。Transformers 提供默认的并行化方案，并可搭配优化后的注意力 kernel。以下脚本可在 4 GPU 系统上通过 `torchrun --nproc_per_node=4 generate.py` 运行： ```py from transformers import AutoModelForCausalLM, AutoTokenizer from transformers.distributed import DistributedConfig import torch model_path = "openai/gpt-oss-120b" tokenizer = AutoTokenizer.from_pretrained(model_path, padding_side="left") device_map = { "tp_plan": "auto", # Enable Tensor Parallelism } model = AutoModelForCausalLM.from_pretrained( model_path, torch_dtype="auto", attn_implementation="kernels-community/vllm-flash-attn3", **device_map, ) messages = [ {"role": "user", "content": "Explain how expert parallelism works in large language models."} ] inputs = tokenizer.apply_chat_template( messages, add_generation_prompt=True, return_tensors="pt", return_dict=True, ).to(model.device) outputs = model.generate(**inputs, max_new_tokens=1000) # Decode and print response = tokenizer.decode(outputs[0]) print("Model response:", response.split("<|channel|>final<|message|>")[-1].strip()) ``` OpenAI GPT OSS 模型在训练阶段大量使用工具调用来辅助推理。我们为 transformers 设计的聊天模板灵活易用，详情请参阅文末 [在 transformers 中使用工具](#tool-use-with-transformers) 小节。 ### Llama.cpp **Llama.cpp** 原生支持 MXFP4 并集成 Flash Attention，可在 Metal、CUDA、Vulkan 等多种后端上实现最佳性能，且从一开始就已支持。 安装方法请参考 [llama.cpp 官方仓库](https://github.com/ggml-org/llama.cpp/blob/master/docs/install.md)： ``` # MacOS brew install llama.cpp # Windows winget install llama.cpp ``` 推荐通过 **llama‑server** 启动： ``` llama-server -hf ggml-org/gpt-oss-120b-GGUF -c 0 -fa --jinja --reasoning-format none # 然后访问 http://localhost:8080 ``` 目前同时支持 120B 与 20B 模型。更多信息请查看 [相关 PR](https://github.com/ggml-org/llama.cpp/pull/15091) 或 [GGUF 模型合集](https://huggingface.co/collections/ggml-org/gpt-oss-68923b60bee37414546c70bf)。 ### vLLM 如前所述，vLLM 团队开发了兼容 sink attention 的 Flash Attention 3 优化 kernel，可在 Hopper GPU 上实现最佳性能，且同时支持 Chat Completion 与 Responses API。假设您有 2 张 H100 GPU，可通过以下命令安装并启动服务器： ```shell vllm serve openai/gpt-oss-120b --tensor-parallel-size 2 ``` 或者直接在 Python 中调用： ```py from vllm import LLM llm = LLM("openai/gpt-oss-120b", tensor_parallel_size=2) output = llm.generate("San Francisco is a") ``` ### `transformers serve` 您可以使用 [`transformers serve`](https://huggingface.co/docs/transformers/main/serving) 在本地快速体验模型，无需其他依赖。命令如下： ```shell transformers serve ``` 随后可通过 [Responses API](https://platform.openai.com/docs/api-reference/responses) 发送请求： ```shell # responses API curl -X POST http://localhost:8000/v1/responses \ -H "Content-Type: application/json" \ -d '{"input": [{"role": "system", "content": "hello"}], "temperature": 1.0, "stream": true, "model": "openai/gpt-oss-120b"}' ``` 或使用标准 Completions API： ```shell # completions API curl -X POST http://localhost:8000/v1/chat/completions \ -H "Content-Type: application/json" \ -d '{"messages": [{"role": "system", "content": "hello"}], "temperature": 1.0, "max_tokens": 1000, "stream": true, "model": "openai/gpt-oss-120b"}' ``` ## 微调（Fine‑Tuning） GPT OSS 全面集成 `trl`。我们提供了若干基于 `SFTTrainer` 的示例，助您快速上手： * **LoRA** 示例见 [OpenAI cookbook](https://cookbook.openai.com/articles/gpt-oss/fine-tune-transfomers)，展示模型如何微调以切换多语言推理。 * 可根据需求调整的[基础微调脚本](https://github.com/huggingface/gpt-oss-recipes/blob/main/sft.py)。 ## 部署至 Hugging Face 合作伙伴 ### Azure Hugging Face 与 Azure 合作，将最受欢迎的开源开放模型（涵盖文本、视觉、语音与多模态任务）直接引入 Azure AI Model Catalog，便于客户在托管在线端点中安全部署，借助 Azure 的企业级基础设施、自动扩缩与监控能力。 GPT OSS 模型现已登入 Azure AI Model Catalog（[GPT OSS 20B](https://ai.azure.com/explore/models/openai-gpt-oss-20b/version/1/registry/HuggingFace)，[GPT OSS 120B](https://ai.azure.com/explore/models/openai-gpt-oss-120b/version/1/registry/HuggingFace)），可直接部署至在线端点进行实时推理。 model card in azure ai model catalog ### Dell **Dell Enterprise Hub** 是一款安全的在线门户，简化了在 Dell 平台上本地训练与部署最新开源开放 AI 模型的流程。由 Hugging Face 与 Dell 共同开发，其特性包括优化容器、对 Dell 硬件的原生支持以及企业级安全。 GPT OSS 模型已上线 [Dell Enterprise Hub](https://dell.huggingface.co/)，可在 Dell 平台上本地部署。 model card in dell enterprise hub ## 评测模型 GPT OSS 属于 *推理模型*：评测时需要设置非常大的生成长度（最大新 Token 数），因为模型会先输出推理过程，再给出最终答案。若生成长度过小，可能在推理中途被截断，导致假阴性。计算指标前应去除推理痕迹，尤其在数学或指令评测中，以免解析错误。 以下示例展示如何用 lighteval 评测模型（需从源码安装）。 ```shell git clone https://github.com/huggingface/lighteval pip install -e .[dev] # make sure you have the correct transformers version installed! lighteval accelerate \ "model_name=openai/gpt-oss-20b,max_length=16384,skip_special_tokens=False,generation_parameters={temperature:1,top_p:1,top_k:40,min_p:0,max_new_tokens:16384}" \ "extended|ifeval|0|0,lighteval|aime25|0|0" \ --save-details --output-dir "openai_scores" \ --remove-reasoning-tags --reasoning-tags="[('<|channel|>analysis<|message|>','<|end|><|start|>assistant<|channel|>final<|message|>')]" ``` 对于 20B 模型，IFEval（严格提示词）应得到 69.5 ± 1.9，AIME25（pass\@1）应得到 63.3 ± 8.9——与同规模推理模型预期范围一致。 若需自定义评测脚本，请注意要正确过滤推理标签，需在 tokenizer 中设定 `skip_special_tokens=False`，以便获得完整输出并使用上述字符串对进行过滤。原因详见下文。 ## 聊天与聊天模板 OpenAI GPT OSS 在输出中引入“channels”概念。常见的有 **analysis**（推理链）与 **final**（最终答案）两个 channel。 若未调用工具，一条典型输出如下： ``` <|start|>assistant<|channel|>analysis<|message|>CHAIN_OF_THOUGHT<|end|><|start|>assistant<|channel|>final<|message|>ACTUAL_MESSAGE ``` 大多数场景下，您只需保留 **<|channel|>final<|message|>.** 之后的文本作为助手回复，或展现给用户。 存在两类例外：**训练阶段** 与 **工具调用** 时，可能需要保留 analysis。 **训练时：** 若要在训练样本中保留推理链，可将其放入 **thinking** 字段： ```py chat = [ {"role": "user", "content": "Hi there!"}, {"role": "assistant", "content": "Hello!"}, {"role": "user", "content": "Can you think about this one?"}, {"role": "assistant", "thinking": "Thinking real hard...", "content": "Okay!"} ] # add_generation_prompt=False is generally only used in training, not inference inputs = tokenizer.apply_chat_template(chat, add_generation_prompt=False) ``` 你可以在此前的对话轮次中自由加入 **thinking** 键，或在推理（inference）而非训练（training）时加入；但它们通常会被忽略。聊天模板仅保留 **最新** 一段思维链（chain of thought，下文简称 “思维链”），并且只有在训练阶段（当 `add_generation_prompt=False` 且最后一条消息属于 assistant 时）才会包含。 之所以采用此策略，原因颇为微妙：OpenAI 的 gpt‑oss 模型是在多轮对话数据上训练的，但其中除最后一段思维链外，其余均被丢弃。因此，当你想微调一个 OpenAI `gpt‑oss` 模型时，也应遵循同样做法： * **让聊天模板丢弃除了最后一段外的所有思维链。** * **在所有回合中对标签进行掩码（mask），仅保留最后一条 assistant 消息的标签。** 否则，模型将在没有思维链的前几轮上接受训练，结果会让模型习惯输出不含思维链的回复。 因而，你无法将整段多轮对话作为单个样本来训练；必须将其拆分为多条样本，每条仅含一次 assistant 回复，并且每次仅对该回复解除掩码，让模型既能从每轮学习，又始终只看到最后的思维链。 ### System 与 Developer 消息 OpenAI GPT OSS 很特殊，因为它在对话开头区分 “system” 消息和 “developer” 消息，但大多数其他模型只有 “system”。在 GPT OSS 中，system 消息遵循严格格式，并包含当前日期、模型身份以及推理强度等级等信息，而 “developer” 消息则更为自由，这（令人困惑地）使它类似于其他模型的 “system” 消息。 为了让 GPT OSS 更易于在标准 API 中使用，聊天模板会把角色为 “system” 或 “developer” 的消息都当作 **developer** 消息。如果你想修改真正的 system 消息，可以向聊天模板传入参数 **model\_identity** 或 **reasoning\_effort**： ```py chat = [ {"role": "system", "content": "This will actually become a developer message!"} ] tokenizer.apply_chat_template( chat, model_identity="You are OpenAI GPT OSS.", reasoning_effort="high" # Defaults to "medium", but also accepts "high" and "low" ) ``` ### 在 transformers 中使用工具（Tool） GPT OSS 支持两类工具：内置工具 **browser** 与 **python**，以及用户自定义工具。若要启用内置工具，只需把它们的名称以列表形式传递给 **builtin\_tools** 参数，如下所示。若要使用自定义工具，你可以将其以 JSON Schema 或带类型注解与 docstring 的 Python 函数形式传给 **tools** 参数。详细说明参见 [chat template 工具文档](https://huggingface.co/docs/transformers/en/chat_extras)，或者直接修改下方示例： ```py def get_current_weather(location: str): """ 返回指定地点的当前天气状况（字符串）。 Args: location: 要查询天气的地点。 """ return "Terrestrial." # 我们可没说这是个靠谱的天气工具 chat = [ {"role": "user", "content": "What's the weather in Paris right now?"} ] inputs = tokenizer.apply_chat_template( chat, tools=[weather_tool], builtin_tools=["browser", "python"], add_generation_prompt=True, return_tensors="pt" ) ``` 如果模型决定调用工具（用 `<|call|>` 结尾表示），你需要把工具调用加入对话，执行工具，然后把结果再加入对话并重新生成： ```py tool_call_message = { "role": "assistant", "tool_calls": [ { "type": "function", "function": { "name": "get_current_temperature", "arguments": {"location": "Paris, France"} } } ] } chat.append(tool_call_message) tool_output = get_current_weather("Paris, France") tool_result_message = { # 因为 GPT OSS 一次只会调用一个工具，所以不需要额外元数据 # 模板可推断此结果来自最近一次工具调用 "role": "tool", "content": tool_output } chat.append(tool_result_message) # 现在再次 apply_chat_template() 并生成，模型即可利用工具结果继续对话。 ``` ## 鸣谢 这次发布对社区意义重大。要在生态系统内全面支持新模型，离不开众多团队和公司的倾力合作。 本文作者从为文章贡献内容的人中选出，并不代表对项目的投入程度。除作者列表外，其他人也提供了重要的内容审阅，包括 Merve 和 Sergio。感谢！ 整合与支持工作涉及数十人，不分先后，特别感谢来自开源团队的 Cyril、Lysandre、Arthur、Marc、Mohammed、Nouamane、Harry、Benjamin、Matt；TRL 团队的 Ed、Lewis、Quentin；评估团队的 Clémentine；Kernels 团队的 David 与 Daniel。商业合作方面得到 Simon、Alvaro、Jeff、Akos、Alvaro、Ivar 的大力支持。Hub 与产品团队提供了 Inference Providers 支持、llama.cpp 支持及其他改进，感谢 Simon、Célina、Pierric、Lucain、Xuan‑Son、Chunte、Julien。法律团队的 Magda 与 Anna 亦有参与。 Hugging Face 的使命是帮助社区高效使用这些模型。我们感谢 vLLM 等公司推动领域进步，并珍视与推理服务商的持续合作，让构建流程日益简化。 最后，诚挚感谢 OpenAI 将这些模型开放给社区共享。未来可期，敬请期待！