gpt-oss 120B をローカルに導入するには？
gpt-oss 120B は総パラメータ 116.8B、1 トークンあたり 5.1B が有効になる MoE モデルです。Q4 で全量を VRAM に置くには 67GB 必要ですが、エキスパートをシステム RAM に置けば VRAM 4GB + RAM 65GB で動きます。現在最も安く動かせるのは Mac Studio M4 Max 128GB（で約 ¥735,368）で、推定 68.4 tokens/s です。オフロード構成で最も安く動かせるのは Tesla V100 16GB で、推定 21 tokens/s です。
gpt-oss 120B のバージョン情報
gpt-oss 120B のローカル実行に必要なVRAMは？
MoE：総パラメータ 116.8B すべてをメモリに常駐させる必要があり、速度は 1 トークンあたり有効な 5.1B で決まります。
| 量子化 | 重みサイズGB | 8K 時の合計GB | 32K 時の合計GB | 128K 時の合計GB |
|---|---|---|---|---|
| 1-bit | 27.4推定 | 29 | 30.7 | 37.4 |
| 2-bit | 43.4推定 | 45 | 46.7 | 53.4 |
| 3-bit | 62.6GGUF | 57.5 | 59.2 | 66 |
| 4-bit | 62.8GGUF | 66.7 | 68.4 | 75.1 |
| 5-bit | 62.9GGUF | 80.4 | 82.1 | 88.8 |
| 8-bit | 63.4GGUF | 122.7 | 124.4 | 131.1 |
| FP16 | 65.4GGUF | 230.1 | 231.7 | 238.5 |
合計 = 重み + KV キャッシュ（FP16）+ 実行時オーバーヘッド 1GB。GGUF と付いた重みはリポジトリの実測ファイルサイズ、「推定」はパラメータあたりのバイト数からの概算です。このモデルの上限 128K を超えるコンテキストは「—」と表示します。各段はリポジトリにあるそのビット幅のファイルを使い、unsloth 動的量子化を優先するため、ファイル名はモデルごとに異なります。
gpt-oss 120B を動かせるGPUは？
Xianyu
| デバイス | VRAMGB | 価格 | 推定 t/s | 推奨コンテキスト |
|---|---|---|---|---|
| Mac Studio M4 Max 128GB | 128 | ¥735,36813 件の出品 | 68.4 | 128K |
 DGX Spark 128GB | 128 | ¥742,21931 件の出品 | 48.3 | 128K |
| MacBook Pro M4 Max 128GB | 128 | ¥808,4484 件の出品 | 68.4 | 128K |
| Mac Studio M5 Max 128GB | 128 | ¥903,2236 件の出品 | 74.4 | 128K |
| MacBook Pro M5 Max 128GB | 128 | ¥1,251,4957 件の出品 | 74.4 | 128K |
| RTX PRO 5000 Blackwell 72GB | 72 | ¥1,484,43817 件の出品 | 135.3 | 32K |
| RTX PRO 6000D | 84 | ¥1,552,95117 件の出品 | 144.8 | 128K |
| RTX PRO 6000 Blackwell | 96 | ¥2,829,5676 件の出品 | 152.9 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | ¥2,966,5926 件の出品 | 90.3 | 128K |
 Ryzen AI Max+ 395 128GB | 128 | —出品なし | 34.6 | 128K |
判定基準：重み + KV キャッシュ + 実行時オーバーヘッド ≤ 利用可能メモリ、1 枚構成。MoE モデルの「オフロード」はエキスパート重みをシステム RAM に置けば動作することを示し（VRAM にはアテンション層と KV キャッシュのみ）、その速度は RAM 帯域幅 70 GB/s を前提に推定。コンテキスト列は収まる最大段階です。
gpt-oss 120B のCPU・GPU併用推論におすすめのGPU
Xianyu
エキスパート重みはシステム RAM に置き（65 GB 以上が必要）、VRAM にはアテンション層・共有エキスパート・KV キャッシュのみで Q4 なら最低 4 GB。速度は RAM 帯域幅（70 GB/s で推定）に縛られ、全量 VRAM 構成よりかなり遅くなります。
Ollama / llama.cpp / vLLM で gpt-oss 120B をローカルに導入する
Ollama は 1 コマンドで取得して起動します。量子化は公式タグに従います。
ollama run gpt-oss:120b
llama.cpp は Hugging Face から GGUF を直接取得します。-c はコンテキスト長です。
llama-server -hf unsloth/gpt-oss-120b-GGUF:Q4_K_M -c 8192
vLLM は元の精度の重みを読み込むため、GGUF よりはるかに多くのメモリ（通常は複数枚）が必要です。
vllm serve openai/gpt-oss-120b
ファイル名はその週のモデルライブラリ取得時点のものです。定義はデータ方法を参照してください。 データ方法
よくある質問
gpt-oss 120B にはどれくらいのVRAMが必要ですか？
Q4_K_M・8K コンテキストでは gpt-oss 120B に約 67GB のVRAMが必要で、84GB あれば余裕があります。
gpt-oss 120B を動かせる最も安いGPUは？
Mac Studio M4 Max 128GB です。VRAM 128GB、現在の中央値は約 ¥735,368、推定 68.4 tokens/s。
gpt-oss 120B は Ollama で動かせますか？
はい。ollama run gpt-oss:120b で動きます。