// gpt-oss · 文本大模型
gpt-oss-20b 本地部署与显存需求
总 21B · 激活 3.6B（MoE） 参数。4 位量化约 14.7 GB，BF16 约 46.9 GB（1 个 8K token 请求）。
发布 2025-08-04许可：可商用显存为估算值
01规格
| 发布方 | OpenAI · openai |
|---|---|
| 系列 | gpt-oss · gpt-oss |
| 类型 | 文本大模型 (text-generation) |
| 参数量 | 总 21B · 激活 3.6B（MoE） 来源：官方模型卡“21B parameters with 3.6B active parameters” |
| 上下文长度 | 128K tokens (131,072)取自 config.json 的 max_position_embeddings |
| 结构 | 24 层（12 层全注意力） · 12 层滑动窗口（128） · GQA · MoE |
| 发布权重 | 量化打包张量（U8，如 MXFP4 / INT4） · 13.8 GB下载量 |
| 许可 | Apache-2.0 · 可商用宽松许可（Apache-2.0 / MIT / CC-BY / OpenMDW）：允许商用。 |
| 发布日期 | 2025-08-04 （Hugging Face 仓库创建日） |
02需要多少显存（估算）
合计 = 权重 + 10% + 0.5GB 运行开销 + 1 个请求的 KV 缓存（FP16）。并发用户越多，KV 部分成倍增加。
| 精度 | 权重 | 合计 @ 8K | 合计 @ 32K | 合计 @ 128K | 最低显卡 | Mac |
|---|---|---|---|---|---|---|
| BF16 / FP16（原始精度） | 42.0 GB | 46.9 GB | 47.5 GB | 49.9 GB | 2 × RTX 5090（64GB） | Mac 128GB |
| FP8 / INT8 / Q8_0 | 22.3 GB | 25.2 GB | 25.9 GB | 28.3 GB | RTX 5090 32GB | Mac 64GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 12.7 GB | 14.7 GB | 15.3 GB | 17.7 GB | RTX 4090 24GB | Mac 36GB |
每个请求的 KV 缓存：8K 0.2 GB · 32K 0.8 GB · 128K 3.2 GB
每权重比特：BF16 16、FP8 8.5、4 位 4.85。“放得下” = 合计 ≤ 显存 90%；Mac GPU 约可用统一内存的 2/3（≤36GB）或 3/4（更大机型）。MoE 模型所有专家都要进显存，按总参数算。 估算方法 →
03怎么跑
只列厂商或推理框架官方明确支持的方式。
- vLLM — 官方模型卡提及
- LM Studio — 官方模型卡提及
- Transformers — 官方模型卡提及
- Ollama — Ollama 官方模型库收录 · gpt-oss:20b
ollama run gpt-oss:20b04官方仓库与量化版
openai 官方发布的 1 个仓库。
- gpt-oss-20b main
05gpt-oss 其他模型
全部 4 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| gpt-oss-120b · 同系列 | 117B / 5.1B | 78.8 GB | 2025-08-04 |
| gpt-oss-safeguard-20b | 21B / 3.6B | 14.7 GB | 2025-09-18 |
| gpt-oss-safeguard-120b | 117B / 5.1B | 78.8 GB | 2025-09-18 |
06来源
数据核对于 2025-08-26。参数、上下文、许可取自官方仓库；显存为本站估算。