gpt-oss 120B 如何本地部署？

VRAMGlass 編輯部 · 更新於 2026年9月10日

gpt-oss 120B 是 MoE 模型，總參數 116.8B，每 token 啟用 5.1B。Q4 量化整機放顯存需要 67GB；把專家放進系統記憶體後只需 4GB 顯存 + 65GB 記憶體。目前最便宜能跑的顯示卡是 Ryzen AI Max+ 395 128GB，約 NT$123,134，預估 34.6 tokens/s。卸載模式下最便宜能跑的顯示卡是 Tesla V100 16GB，預估 21 tokens/s。

gpt-oss 120B 版本資訊

發布日期2025年8月4日

Hugging Face 倉庫openai/gpt-oss-120b

小版本—

授權Apache-2.0

架構MoE

GGUF 倉庫unsloth/gpt-oss-120b-GGUF

Ollama 標籤gpt-oss:120b

Q4 最低記憶體67 GB · Q4_K_M · 8K

專家卸載4 GB 顯存 + 65 GB 記憶體

參數量116.8B

MoE5.1B

層數36

隱藏維度2,880

KV 頭8

頭維度64

上下文上限128K

廠商OpenAI

gpt-oss 120B 本地部署需要多少顯示記憶體？

MoE：總參數 116.8B 全部要常駐記憶體，速度按每 token 啟用的 5.1B 計算。

量化	權重體積GB	8K 總記憶體GB	32K 總記憶體GB	128K 總記憶體GB
1-bit	27.4估	29	30.7	37.4
2-bit	43.4估	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

總記憶體 = 權重 + KV cache（FP16）+ 1GB 執行開銷。標 GGUF 的權重是倉庫裡的實測檔案體積，標「估」的按每參數位元組估算。超過這個模型 128K 上下文上限的檔位寫「—」。各檔取倉庫裡該位元數的任一檔案，優先 unsloth 動態量化，所以同一檔不同模型對應的檔名可能不同。

什麼顯示卡能跑 gpt-oss 120B？

AmazonJP

裝置	顯存GB	價	預估 t/s	建議上下文
Ryzen AI Max+ 395 128GB	128	NT$123,1346 筆掛單	34.6	128K
DGX Spark 128GB	128	NT$258,7793 筆掛單	48.3	128K
RTX PRO 5000 Blackwell 72GB	72	—暫無掛單	135.3	32K
RTX PRO 6000D	84	—暫無掛單	144.8	128K
RTX PRO 6000 Blackwell	96	—暫無掛單	152.9	128K
Mac Studio M4 Max 128GB	128	—暫無掛單	68.4	128K
Mac Studio M5 Max 128GB	128	—暫無掛單	74.4	128K
MacBook Pro M4 Max 128GB	128	—暫無掛單	68.4	128K
MacBook Pro M5 Max 128GB	128	—暫無掛單	74.4	128K
Mac Studio M3 Ultra 512GB	512	—暫無掛單	90.3	128K

判定口徑：權重 + KV cache + 執行開銷 ≤ 可用記憶體，單卡。MoE 模型標「卸載」表示把專家權重放進系統記憶體後能跑（顯存只放注意力層與 KV cache），速度按記憶體頻寬 70 GB/s 估算。上下文欄給的是能裝下的最大檔位。

gpt-oss 120B 混合推論推薦顯示卡

AmazonJP

專家權重放系統記憶體，需要 ≥ 65 GB 記憶體；顯存只放注意力層、共享專家和 KV cache，Q4 下最低 4 GB。速度受記憶體頻寬限制（按 70 GB/s 估算），比整機放顯存慢得多。

裝置	顯存GB	價	需記憶體GB	預估 t/s
Tesla V100 16GB	16	NT$20,739	65	21
Radeon RX 9070 XT	16	NT$27,835	65	20.2
GeForce RTX 5060 Ti 16GB	16	NT$29,091	65	20.2
GeForce RTX 5070	12	NT$30,079	65	20.7
Radeon RX 7800 XT	16	NT$30,405	65	20.2
Tesla V100 32GB	32	NT$35,903	65	21
Arc Pro B60	24	NT$36,635	65	19.4
Radeon RX 7900 XT	20	NT$39,134	65	20.5
Radeon RX 6950 XT	16	NT$44,183	65	20.1
GeForce RTX 5070 Ti	16	NT$49,601	65	20.9
Radeon RX 7900 XTX	24	NT$54,682	65	20.7
GeForce RTX 5080	16	NT$58,772	65	21
Arc Pro B70	32	NT$65,260	65	20
GeForce RTX 4080	16	NT$68,830	65	20.8
Radeon AI PRO R9700	32	NT$70,604	65	20.2
GeForce RTX 3090	24	NT$79,311	65	21
RTX PRO 4000 Blackwell	24	NT$124,481	65	20.7
GeForce RTX 4090	24	NT$154,350	65	21
GeForce RTX 5090	32	NT$235,669	65	21.4
GeForce RTX 2080 Ti 22GB	22	—	65	20.6
GeForce RTX 5090 D V2	24	—	65	21.2
Arc Pro B65	32	—	65	20
GeForce RTX 4080 SUPER 32GB	32	—	65	20.8
GeForce RTX 5090 D	32	—	65	21.4
Instinct MI100	32	—	65	20.9
Instinct MI50 32GB	32	—	65	20.8
Radeon PRO W7800	32	—	65	20.1
RTX PRO 4500 Blackwell	32	—	65	20.9
A100 40GB PCIe	40	—	65	21.3
CMP 170HX 40GB	40	—	65	21.3
GeForce RTX 4090 48GB	48	—	65	21
Radeon PRO W7900	48	—	65	20.6
RTX PRO 5000 Blackwell 48GB	48	—	65	21.2
CMP 170HX 64GB	64	—	65	21.3
Instinct MI210	64	—	65	21.1

用 Ollama / llama.cpp / vLLM 本地部署 gpt-oss 120B

Ollama

Ollama 一行指令拉起，量化檔位由官方標籤決定。

ollama run gpt-oss:120b

llama.cpp

llama.cpp 直接從 Hugging Face 拉 GGUF，-c 是上下文長度。

llama-server -hf unsloth/gpt-oss-120b-GGUF:Q4_K_M -c 8192

vLLM

vLLM 跑的是原始精度權重，記憶體需求比 GGUF 高得多，通常要多卡。

vllm serve openai/gpt-oss-120b

量化檔名以模型庫當週抓取為準，口徑見資料方法。資料方法

常見問題

gpt-oss 120B 需要多少記憶體？

在 Q4_K_M 量化、8K 上下文下 gpt-oss 120B 約需 67GB 記憶體，留到 84GB 更穩。

哪張顯示卡最便宜能跑 gpt-oss 120B？

Ryzen AI Max+ 395 128GB，128GB 記憶體，目前中位價約 NT$123,134，預估 34.6 tokens/s。

gpt-oss 120B 能用 Ollama 跑嗎？

能，指令是 ollama run gpt-oss:120b。