gpt-oss 20B のローカル実行に必要なVRAMは？
動かせるデバイスを見るgpt-oss 20B は総パラメータ 20.9B、1 トークンあたり 3.6B が有効になる MoE モデルです。Q4 で全量を VRAM に置くには 14GB 必要ですが、エキスパートをシステム RAM に置けば VRAM 4GB + RAM 12GB で動きます。収まる最も安いデバイスは GeForce RTX 4080 ですが、中古価格のデータはまだなく、推定 118.2 tokens/s です。オフロード構成で最も安く動かせるのは GeForce RTX 2080 Ti で、推定 29 tokens/s です。
gpt-oss 20B のバージョン情報
gpt-oss 20B の量子化・コンテキスト別の必要VRAM
8K 時の合計MoE：総パラメータ 20.9B 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 3.6B 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 |
|---|---|---|---|---|
| Q4_K_M | 11.6GGUF | 13 | 14.2 | 18.7 |
| Q5_K_M | 11.7GGUF | 15.5 | 16.6 | 21.1 |
| Q8_0 | 12.1GGUF | 23 | 24.2 | 28.7 |
| FP16 | 13.8GGUF | 42.3 | 43.4 | 47.9 |
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。
gpt-oss 20B を動かせるGPUは？
Q4_K_M・8K コンテキスト・eBayの中古価格の安い順
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。
エキスパートを RAM に置けば gpt-oss 20B を動かせる GPU
エキスパート重みはシステム RAM に置き（12 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。
| デバイス | VRAMGB | 中古価格 | 必要 RAMGB | 推定 t/s |
|---|---|---|---|---|
 GeForce RTX 2080 Ti | 11 | — | 12 | 28.8 |
Ollama / llama.cpp / vLLM で gpt-oss 20B を起動する
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:20b
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-20b-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-20b
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 20B 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 20B に約 14GB のVRAMが必要で、16GB あれば余裕があります。
gpt-oss 20B を動かせる最も安いGPUは？
GeForce RTX 4080 です。VRAM 16GB、推定 118.2 tokens/s。このデバイスの中古価格データはまだありません。
gpt-oss 20B は Ollama で動かせますか？
はい。ollama run gpt-oss:20b で動きます。