gpt-oss 120B 本地部署需要多少显存？
看能跑的设备gpt-oss 120B 是 MoE 模型，总参数 116.8B，每 token 激活 5.1B。Q4 量化整机放显存需要 67GB；把专家放进系统内存后只需 4GB 显存 + 65GB 内存。当前最便宜能跑的显卡是 RTX PRO 5000 Blackwell 72GB，二手约 ¥62,000，预估 135.3 tokens/s。卸载模式下最便宜能跑的显卡是 GeForce RTX 2080 Ti，预估 21 tokens/s。
gpt-oss 120B 版本信息
gpt-oss 120B 各量化与上下文的显存需求
8K 总显存MoE：总参数 116.8B 全部要驻留显存，速度按每 token 激活的 5.1B 算。
| 量化 | 权重体积GB | 8K 总显存GB | 32K 总显存GB | 128K 总显存GB |
|---|---|---|---|---|
| Q4_K_M | 62.8GGUF | 66.7 | 68.4 | 75.1 |
| Q5_K_M | 62.9GGUF | 80.4 | 82.1 | 88.8 |
| Q8_0 | 63.4GGUF | 122.7 | 124.4 | 131.1 |
| FP16 | 65.4GGUF | 230.1 | 231.7 | 238.5 |
总显存 = 权重 + KV cache（FP16）+ 1GB 运行开销。标 GGUF 的权重是仓库里的实测文件体积，标「估」的按每参数字节估算。超过这个模型 128K 上下文上限的档位写「—」。
什么显卡能跑 gpt-oss 120B？
Q4_K_M · 8K 上下文 · 按闲鱼二手价升序| 设备 | 显存GB | 二手价 | 预估 t/s | 建议上下文 |
|---|---|---|---|---|
 RTX PRO 5000 Blackwell 72GB | 72 | ¥62,00011 条挂牌 | 135.3 | 32K |
| RTX PRO 6000D | 84 | ¥70,00019 条挂牌 | 144.8 | 128K |
| RTX PRO 6000 Blackwell | 96 | ¥118,50010 条挂牌 | 152.9 | 128K |
| DGX Spark 128GB | 128 | —暂无挂牌 | 48.3 | 128K |
| Mac Studio M4 Max 128GB | 128 | —暂无挂牌 | 68.4 | 128K |
| Mac Studio M5 Max 128GB | 128 | —暂无挂牌 | 74.4 | 128K |
| MacBook Pro M4 Max 128GB | 128 | —暂无挂牌 | 68.4 | 128K |
| MacBook Pro M5 Max 128GB | 128 | —暂无挂牌 | 74.4 | 128K |
 Ryzen AI Max+ 395 128GB | 128 | —暂无挂牌 | 34.6 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | —暂无挂牌 | 90.3 | 128K |
判定口径：权重 + KV cache + 运行开销 ≤ 可用显存，单卡。MoE 模型标「卸载」表示把专家权重放进系统内存后能跑（显存只放注意力层与 KV cache），速度按内存带宽 70 GB/s 估算。上下文列给的是能装下的最大档位。
把专家放进内存后还能跑 gpt-oss 120B 的显卡
专家权重放系统内存，需要 ≥ 65 GB 内存；显存只放注意力层、共享专家和 KV cache，Q4 下最低 4 GB。速度受内存带宽限制（按 70 GB/s 估算），比整机放显存慢得多。
| 设备 | 显存GB | 二手价 | 需内存GB | 预估 t/s |
|---|---|---|---|---|
| GeForce RTX 2080 Ti | 11 | ¥1,680 | 65 | 20.6 |
| Radeon RX 7800 XT | 16 | ¥2,600 | 65 | 20.2 |
| Radeon RX 7900 XT | 20 | ¥3,999 | 65 | 20.5 |
| Radeon RX 9070 XT | 16 | ¥5,230 | 65 | 20.2 |
 Arc Pro B60 | 24 | ¥5,299 | 65 | 19.4 |
| Radeon RX 7900 XTX | 24 | ¥5,500 | 65 | 20.7 |
| GeForce RTX 4080 | 16 | ¥7,590 | 65 | 20.8 |
| GeForce RTX 3090 | 24 | ¥8,049 | 65 | 21 |
| GeForce RTX 5070 Ti | 16 | ¥8,644 | 65 | 20.9 |
| Arc Pro B70 | 32 | ¥9,999 | 65 | 20 |
| Radeon PRO W7800 | 32 | ¥10,100 | 65 | 20.1 |
| CMP 170HX 40GB (改装) | 40 | ¥10,800 | 65 | 21.3 |
| GeForce RTX 5080 | 16 | ¥11,500 | 65 | 21 |
| Radeon AI PRO R9700 | 32 | ¥11,900 | 65 | 20.2 |
| CMP 170HX 64GB (改装) | 64 | ¥12,850 | 65 | 21.3 |
| RTX PRO 4000 Blackwell | 24 | ¥15,800 | 65 | 20.7 |
| Instinct MI210 | 64 | ¥18,500 | 65 | 21.1 |
| Radeon PRO W7900 | 48 | ¥22,000 | 65 | 20.6 |
| GeForce RTX 4090 | 24 | ¥22,800 | 65 | 21 |
| GeForce RTX 5090 D V2 | 24 | ¥25,000 | 65 | 21.2 |
| GeForce RTX 4090 48GB (改装) | 48 | ¥25,500 | 65 | 21 |
| RTX PRO 4500 Blackwell | 32 | ¥25,850 | 65 | 20.9 |
| GeForce RTX 5090 D | 32 | ¥30,900 | 65 | 21.4 |
| A100 40GB PCIe | 40 | ¥38,500 | 65 | 21.3 |
| GeForce RTX 5090 | 32 | ¥39,750 | 65 | 21.4 |
| RTX PRO 5000 Blackwell 48GB | 48 | ¥47,000 | 65 | 21.2 |
| Tesla V100 16GB | 16 | — | 65 | 21 |
| Arc Pro B65 | 32 | — | 65 | 20 |
| GeForce RTX 4080 SUPER 32GB (改装) | 32 | — | 65 | 20.8 |
| Instinct MI100 | 32 | — | 65 | 20.9 |
| Tesla V100 32GB | 32 | — | 65 | 21 |
用 Ollama / llama.cpp / vLLM 启动 gpt-oss 120B
Ollama 一条命令拉起，量化档位由官方标签决定。
ollama run gpt-oss:120b
llama.cpp 直接从 Hugging Face 拉 GGUF，-c 是上下文长度。
llama-server -hf unsloth/gpt-oss-120b-GGUF:Q4_K_M -c 8192
vLLM 跑的是原始精度权重，显存要求比 GGUF 高得多，通常要多卡。
vllm serve openai/gpt-oss-120b
量化文件名以模型库当周抓取为准，口径见数据方法。 数据方法
常见问题
gpt-oss 120B 需要多少显存？
在 Q4_K_M 量化、8K 上下文下 gpt-oss 120B 约需 67GB 显存，留到 84GB 更稳。
哪张显卡最便宜能跑 gpt-oss 120B？
RTX PRO 5000 Blackwell 72GB，72GB 显存，当前二手中位价约 ¥62,000，预估 135.3 tokens/s。
gpt-oss 120B 能用 Ollama 跑吗？
能，命令是 ollama run gpt-oss:120b。