gpt-oss 120B 如何本地部署？

VRAMGlass 编辑部 · 更新于 2026年9月10日

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 Mac Studio M4 Max 128GB，约 ¥32,200，预估 68.4 tokens/s。卸载模式下最便宜能跑的显卡是 Tesla V100 16GB，预估 21 tokens/s。

gpt-oss 120B 版本信息

发布日期2025年8月4日

Hugging Face 仓库openai/gpt-oss-120b

小版本—

许可证Apache-2.0

架构MoE

GGUF 仓库unsloth/gpt-oss-120b-GGUF

Ollama 标签gpt-oss:120b

Q4 最低显存67 GB · Q4_K_M · 8K

专家卸载4 GB 显存 + 65 GB 内存

参数量116.8B

MoE5.1B

层数36

隐藏维度2,880

KV 头8

头维度64

上下文上限128K

厂商OpenAI

gpt-oss 120B 本地部署需要多少显存？

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
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

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「—」。各档取仓库里该比特数的任一文件，优先 unsloth 动态量化，所以同一档不同模型对应的文件名可能不同。

什么显卡能跑 gpt-oss 120B？

闲鱼

设备	显存GB	价	预估 t/s	建议上下文
Mac Studio M4 Max 128GB	128	¥32,20013 条挂单	68.4	128K
DGX Spark 128GB	128	¥32,50031 条挂单	48.3	128K
MacBook Pro M4 Max 128GB	128	¥35,4004 条挂单	68.4	128K
Mac Studio M5 Max 128GB	128	¥39,5506 条挂单	74.4	128K
MacBook Pro M5 Max 128GB	128	¥54,8007 条挂单	74.4	128K
RTX PRO 5000 Blackwell 72GB	72	¥65,00017 条挂单	135.3	32K
RTX PRO 6000D	84	¥68,00017 条挂单	144.8	128K
RTX PRO 6000 Blackwell	96	¥123,9006 条挂单	152.9	128K
Mac Studio M3 Ultra 512GB	512	¥129,9006 条挂单	90.3	128K
Ryzen AI Max+ 395 128GB	128	—暂无挂单	34.6	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。

gpt-oss 120B 混合推理推荐显卡

闲鱼

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	价	需内存GB	预估 t/s
Tesla V100 16GB	16	¥880	65	21
GeForce RTX 2080 Ti 22GB	22	¥2,600	65	20.6
Instinct MI50 32GB	32	¥2,725	65	20.8
Radeon RX 6950 XT	16	¥2,999	65	20.1
Radeon RX 7800 XT	16	¥3,100	65	20.2
Tesla V100 32GB	32	¥3,200	65	21
Radeon RX 7900 XT	20	¥4,299	65	20.5
GeForce RTX 5060 Ti 16GB	16	¥4,688	65	20.2
Arc Pro B60	24	¥5,275	65	19.4
Radeon RX 7900 XTX	24	¥5,800	65	20.7
Radeon RX 9070 XT	16	¥6,100	65	20.2
GeForce RTX 5070	12	¥6,175	65	20.7
GeForce RTX 4080	16	¥7,750	65	20.8
GeForce RTX 3090	24	¥8,100	65	21
Arc Pro B70	32	¥9,850	65	20
GeForce RTX 5070 Ti	16	¥9,899	65	20.9
Radeon AI PRO R9700	32	¥11,050	65	20.2
CMP 170HX 40GB	40	¥11,300	65	21.3
Radeon PRO W7800	32	¥12,400	65	20.1
GeForce RTX 5080	16	¥12,450	65	21
CMP 170HX 64GB	64	¥14,050	65	21.3
RTX PRO 4000 Blackwell	24	¥15,650	65	20.7
Instinct MI210	64	¥18,500	65	21.1
Radeon PRO W7900	48	¥22,000	65	20.6
GeForce RTX 4090	24	¥23,500	65	21
GeForce RTX 5090 D V2	24	¥23,900	65	21.2
RTX PRO 4500 Blackwell	32	¥25,850	65	20.9
GeForce RTX 4090 48GB	48	¥26,600	65	21
A100 40GB PCIe	40	¥30,950	65	21.3
GeForce RTX 5090 D	32	¥32,900	65	21.4
GeForce RTX 5090	32	¥43,800	65	21.4
RTX PRO 5000 Blackwell 48GB	48	¥46,800	65	21.2
Arc Pro B65	32	—	65	20
GeForce RTX 4080 SUPER 32GB	32	—	65	20.8
Instinct MI100	32	—	65	20.9

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

Ollama

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

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

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？

Mac Studio M4 Max 128GB，128GB 显存，当前中位价约 ¥32,200，预估 68.4 tokens/s。

gpt-oss 120B 能用 Ollama 跑吗？

能，命令是 ollama run gpt-oss:120b。