Mijn eerste indruk van het OSS-model van OpenAI komt overeen met wat ze adverteerden. Het voelt dichter bij o3 dan bij andere open modellen, behalve dat het veel sneller en goedkoper is. Sommige aanbieders bieden het aan met 3000 tokens/s, wat insane is. Het is zeker slimmer dan Kimi K2, R1 en Qwen 3. Ik heb alle modellen even getest en kreeg zeer beslissende resultaten in het voordeel van OpenAI-OSS-120b. Helaas is er één ding dat deze modellen nog niet kunnen - mijn verdomde baan. Dus, ik hoop dat jullie plezier hebben. Ik ben terug om de superposed λ-calculus evaluatie te debuggen 😭 tot ziens.

Soms verouderen mijn eerste indrukken niet zo goed (dat is waarom ik mijn prompts deel), maar ik kan garanderen dat gpt-oss objectief de andere modellen versloeg in mijn eerste tests. Overweeg bijvoorbeeld: Gegeven een buggy Haskell-bestand, wijst gpt-oss het exacte probleem aan in de allereerste zin (parseLst is links-recursief), terwijl andere OSS-modellen hard bullshitten en het probleem niet eens *noemen*. Misschien is het model toevallig goed in debuggen, of misschien zal mijn indruk in de loop van de tijd veranderen, maar mijn eerste tests waren objectief in het voordeel van gpt-oss 🤷‍♂️