gpt-oss-20b 硬件要求

模型信息

参数量: 总计 20.9B · 激活 3.6B（MoE）
注意力机制: 滑动窗口注意力
最大上下文: 131,072 个 token
发布日期: 2025-08-05
模型卡: Hugging Face 上的 gpt-oss-20b

同系列的其他规格

各模型在基准量化、8k 上下文下所需的显存，以及在常见显卡上的判定，按模型从小到大排列
模型	参数量	基准量化	所需显存（8k）	GeForce RTX 4060	GeForce RTX 5060 Ti 16GB	GeForce RTX 3090
gpt-oss-20b当前模型	总计 20.9B · 激活 3.6B（MoE）	MXFP4	12.3 GB	运行良好	运行流畅	运行流畅
gpt-oss-120b	总计 116.8B · 激活 5.1B（MoE）	MXFP4	63.6 GB	无法运行	无法运行	无法运行

GGUF 文件

收录的 gpt-oss-20b 量化文件，从小到大排列
量化	文件大小	质量	发布者
MXFP4基准	12.11 GB	近乎无损	llama.cpp 团队 · ggml-org

不同量化和上下文所需的显存

显存（GB）：载入 GPU 的权重 + f16 KV 缓存 + 计算缓冲区。如果在 Windows 上这块显卡还负责显示输出，再加约 0.6 GB。文件的一部分不会放到显卡上：llama.cpp 把输入嵌入表保留在系统内存中。Mac 按整个文件计算，所以需要的内存稍多一些。
量化	4k	8k	16k	32k	64k	128k
MXFP4	12.1	12.3	12.5	13.1	14.2	16.4

哪些 GPU 能跑 gpt-oss-20b？

判定说明

运行流畅: 全部载入显卡，且达到 20 tok/s 及以上
运行良好: 全部载入显卡且为 8–20 tok/s；MoE 专家放在系统内存且达到 20 tok/s 及以上；或至少 90% 载入显卡且达到 8 tok/s 及以上
运行较慢: 2–8 tok/s；纯 CPU；载入显卡不足 90%；或 MoE 专家放在系统内存且低于 20 tok/s
无法运行: 内存装不下，或低于 2 tok/s

排序

在计算器中按预算、类型和上下文筛选这份列表

左右滑动可查看所有列。

56 款 GPU、Mac 和 CPU 配置，基于 MXFP4 量化、8k 上下文，按判定和速度排序
硬件	判定	速度	量化	显存/内存	运行方式	上下文	备注	价格
GeForce RTX 5090	运行流畅gpt-oss-20b 在 GeForce RTX 5090 上的判定	282.3 tok/s8k 估算 338.9 tok/s（271.1–406.7，校准估算 ±20%）实测（1 次，2k 上下文）	MXFP4	12.9 / 32.0 GB	全部载入显卡	最长 128k	—	市场价 US$4,200（截至 2026-08-09）
GeForce RTX 4090	运行流畅gpt-oss-20b 在 GeForce RTX 4090 上的判定	225.2 tok/s8k 估算 214.1 tok/s（171.3–256.9，校准估算 ±20%）实测（1 次，2k 上下文）	MXFP4	12.9 / 24.0 GB	全部载入显卡	最长 128k	—	市场价 US$2,755（截至 2026-08-09）
GeForce RTX 3090 Ti	运行流畅	估算 214.1 tok/s171.3–256.9校准估算 ±20%	MXFP4	12.9 / 24.0 GB	全部载入显卡	最长 128k	—	首发价 US$1,999
GeForce RTX 5080	运行流畅	204.9 tok/s8k 估算 205.5 tok/s（164.4–246.6，校准估算 ±20%）实测（1 次，2k 上下文）	MXFP4	12.9 / 16.0 GB	全部载入显卡	最长 64k	—	市场价 US$1,256（截至 2026-08-09）
GeForce RTX 5080 Laptop	运行流畅	估算 193.7 tok/s155.0–232.5校准估算 ±20%	MXFP4	12.9 / 16.0 GB	全部载入显卡	最长 64k	—	—
GeForce RTX 5090 Laptop	运行流畅	估算 193.7 tok/s155.0–232.5校准估算 ±20%	MXFP4	12.9 / 24.0 GB	全部载入显卡	最长 128k	—	—
GeForce RTX 5070 Ti	运行流畅	189.5 tok/s8k 估算 193.7 tok/s（155.0–232.5，校准估算 ±20%）实测（1 次，2k 上下文）	MXFP4	12.9 / 16.0 GB	全部载入显卡	最长 64k	—	市场价 US$949（截至 2026-08-09）
Radeon RX 7900 XTX	运行流畅	估算 189.0 tok/s151.2–226.8校准估算 ±20%	MXFP4	12.9 / 24.0 GB	全部载入显卡	最长 128k	—	首发价 US$999
Apple M5 Ultra · 96 GB	运行流畅	估算 187.4 tok/s149.9–224.9校准估算 ±20%	MXFP4	12.9 / 67.2 GB	统一内存	最长 128k	—	—
GeForce RTX 4080 Super	运行流畅	186.4 tok/s8k 估算 163.3 tok/s（130.7–196.0，校准估算 ±20%）实测（1 次，2k 上下文）	MXFP4	12.9 / 16.0 GB	全部载入显卡	最长 64k	—	首发价 US$999
Radeon RX 7900 XT	运行流畅	估算 165.3 tok/s132.2–198.3校准估算 ±20%	MXFP4	12.9 / 20.0 GB	全部载入显卡	最长 128k	—	首发价 US$899
GeForce RTX 3090	运行流畅gpt-oss-20b 在 GeForce RTX 3090 上的判定	162.0 tok/s8k 估算 201.1 tok/s（160.9–241.3，校准估算 ±20%）实测（1 次，2k 上下文）	MXFP4	12.9 / 24.0 GB	全部载入显卡	最长 128k	—	市场价 US$1,050（截至 2026-08-09）
GeForce RTX 4080	运行流畅	估算 159.6 tok/s127.7–191.5校准估算 ±20%	MXFP4	12.9 / 16.0 GB	全部载入显卡	最长 64k	—	首发价 US$1,199
GeForce RTX 4070 Ti Super	运行流畅	估算 150.7 tok/s120.6–180.8校准估算 ±20%	MXFP4	12.9 / 16.0 GB	全部载入显卡	最长 64k	—	首发价 US$799
Apple M5 Max (40-core GPU) · 48 GB	运行流畅	估算 145.2 tok/s116.2–174.3校准估算 ±20%	MXFP4	12.9 / 33.6 GB	统一内存	最长 128k	—	—
Radeon RX 9070	运行流畅	估算 139.9 tok/s111.9–167.9校准估算 ±20%	MXFP4	12.9 / 16.0 GB	全部载入显卡	最长 64k	—	市场价 US$639（截至 2026-08-09）
Radeon RX 9070 XT	运行流畅	估算 139.9 tok/s111.9–167.9校准估算 ±20%	MXFP4	12.9 / 16.0 GB	全部载入显卡	最长 64k	—	市场价 US$689（截至 2026-08-09）
Radeon RX 7800 XT	运行流畅	估算 136.3 tok/s109.0–163.6校准估算 ±20%	MXFP4	12.9 / 16.0 GB	全部载入显卡	最长 64k	—	首发价 US$499
Apple M2 Ultra · 64 GB	运行流畅	估算 134.1 tok/s107.3–160.9校准估算 ±20%	MXFP4	12.9 / 44.8 GB	统一内存	最长 128k	—	—
GeForce RTX 4090 Laptop	运行流畅	估算 131.3 tok/s105.0–157.5校准估算 ±20%	MXFP4	12.9 / 16.0 GB	全部载入显卡	最长 64k	—	—
Apple M4 Max (40-core GPU) · 48 GB	运行流畅	估算 131.1 tok/s104.9–157.4校准估算 ±20%	MXFP4	12.9 / 33.6 GB	统一内存	最长 128k	—	—
Apple M3 Ultra · 96 GB	运行流畅	115.5 tok/s8k 估算 136.7 tok/s（109.4–164.1，校准估算 ±20%）实测（1 次，2k 上下文）	MXFP4	12.9 / 67.2 GB	统一内存	最长 128k	—	—
Apple M5 Max (32-core GPU) · 36 GB	运行流畅	估算 112.7 tok/s90.1–135.2校准估算 ±20%	MXFP4	12.9 / 25.2 GB	统一内存	最长 128k	—	—
GeForce RTX 5060 Ti 16GB	运行流畅gpt-oss-20b 在 GeForce RTX 5060 Ti 16GB 上的判定	111.6 tok/s8k 估算 104.3 tok/s（83.5–125.2，校准估算 ±20%）实测（1 次，2k 上下文）	MXFP4	12.9 / 16.0 GB	全部载入显卡	最长 64k	—	市场价 US$569（截至 2026-08-09）
Apple M4 Max (32-core GPU) · 36 GB	运行流畅	92.4 tok/s8k 估算 101.6 tok/s（81.3–121.9，校准估算 ±20%）实测（1 次，2k 上下文）	MXFP4	12.9 / 25.2 GB	统一内存	最长 128k	—	—
Radeon RX 9060 XT 16GB	运行流畅	估算 78.0 tok/s62.4–93.6校准估算 ±20%	MXFP4	12.9 / 16.0 GB	全部载入显卡	最长 64k	—	市场价 US$449（截至 2026-08-09）
Apple M5 Pro · 24 GB	运行流畅	估算 77.9 tok/s62.4–93.5校准估算 ±20%	MXFP4	12.9 / 16.8 GB	统一内存	最长 64k	—	—
NVIDIA DGX Spark · 64 GB	运行流畅	估算 71.7 tok/s57.4–86.0校准估算 ±20%	MXFP4	12.9 / 48.2 GB	统一内存	最长 128k	—	首发价 US$3,999（128 GB）
Apple M4 Pro · 24 GB	运行流畅gpt-oss-20b 在 Apple M4 Pro 上的判定	估算 69.9 tok/s55.9–83.9校准估算 ±20%	MXFP4	12.9 / 16.8 GB	统一内存	最长 64k	—	—
GeForce RTX 4060 Ti 16GB	运行流畅	估算 69.0 tok/s55.2–82.8校准估算 ±20%	MXFP4	12.9 / 16.0 GB	全部载入显卡	最长 64k	—	首发价 US$499
Ryzen AI Max+ 395 (Strix Halo) · 32 GB	运行流畅	估算 68.6 tok/s54.8–82.3校准估算 ±20%	MXFP4	12.9 / 22.4 GB	统一内存	最长 128k	—	首发价 US$1,999（128 GB）
Apple M6 · 24 GB	运行流畅	估算 44.8 tok/s35.8–53.7校准估算 ±20%	MXFP4	12.9 / 16.8 GB	统一内存	最长 64k	—	—
Apple M5 · 24 GB	运行流畅	估算 40.5 tok/s32.4–48.6校准估算 ±20%	MXFP4	12.9 / 16.8 GB	统一内存	最长 32k	—	—
Apple M4 · 24 GB	运行流畅gpt-oss-20b 在 Apple M4 上的判定	估算 31.9 tok/s25.5–38.3校准估算 ±20%	MXFP4	12.9 / 16.8 GB	统一内存	最长 8k	—	—
GeForce RTX 3080 12GB	运行良好	估算 105.4 tok/s73.8–137.0理论估算 ±30%	MXFP4	11.2 / 12.0 GB + 2.3 GB 内存	MoE 专家放在内存	最长 128k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	首发价 US$799
GeForce RTX 5070	运行良好gpt-oss-20b 在 GeForce RTX 5070 上的判定	估算 91.6 tok/s64.1–119.1理论估算 ±30%	MXFP4	11.2 / 12.0 GB + 2.3 GB 内存	MoE 专家放在内存	最长 128k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	市场价 US$629（截至 2026-08-09）
GeForce RTX 5070 Ti Laptop	运行良好	估算 91.6 tok/s64.1–119.1理论估算 ±30%	MXFP4	11.2 / 12.0 GB + 2.3 GB 内存	MoE 专家放在内存	最长 128k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	—
GeForce RTX 4070	运行良好gpt-oss-20b 在 GeForce RTX 4070 上的判定	估算 78.5 tok/s55.0–102.1理论估算 ±30%	MXFP4	11.2 / 12.0 GB + 2.3 GB 内存	MoE 专家放在内存	最长 128k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	首发价 US$599
GeForce RTX 4070 Super	运行良好	估算 78.5 tok/s55.0–102.1理论估算 ±30%	MXFP4	11.2 / 12.0 GB + 2.3 GB 内存	MoE 专家放在内存	最长 128k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	首发价 US$599
GeForce RTX 2080 Ti	运行良好	估算 73.9 tok/s51.7–96.0理论估算 ±30%	MXFP4	10.3 / 11.0 GB + 3.2 GB 内存	MoE 专家放在内存	最长 128k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	首发价 US$999
GeForce RTX 4080 Laptop	运行良好	估算 71.7 tok/s50.2–93.2理论估算 ±30%	MXFP4	11.2 / 12.0 GB + 2.3 GB 内存	MoE 专家放在内存	最长 128k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	—
GeForce RTX 3080 10GB	运行良好	估算 68.4 tok/s47.9–88.9理论估算 ±30%	MXFP4	9.5 / 10.0 GB + 4.0 GB 内存	MoE 专家放在内存	最长 128k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	首发价 US$699
GeForce GTX 1080 Ti	运行良好	估算 66.3 tok/s46.4–86.2理论估算 ±30%	MXFP4	10.3 / 11.0 GB + 3.2 GB 内存	MoE 专家放在内存	最长 64k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	首发价 US$699
GeForce RTX 3060 12GB	运行良好gpt-oss-20b 在 GeForce RTX 3060 12GB 上的判定	估算 63.9 tok/s44.8–83.1理论估算 ±30%	MXFP4	11.2 / 12.0 GB + 2.3 GB 内存	MoE 专家放在内存	最长 64k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	市场价 US$250（截至 2026-08-09）
Intel Arc B580	运行良好	估算 63.5 tok/s44.5–82.6理论估算 ±30%	MXFP4	11.2 / 12.0 GB + 2.3 GB 内存	MoE 专家放在内存	最长 64k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	市场价 US$290（截至 2026-08-09）
GeForce RTX 3070	运行良好	估算 43.9 tok/s30.7–57.1理论估算 ±30%	MXFP4	7.3 / 8.0 GB + 6.1 GB 内存	MoE 专家放在内存	最长 64k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	首发价 US$499
GeForce RTX 5060	运行良好	估算 43.9 tok/s30.7–57.1理论估算 ±30%	MXFP4	7.3 / 8.0 GB + 6.1 GB 内存	MoE 专家放在内存	最长 64k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	市场价 US$339（截至 2026-08-09）
GeForce RTX 5060 Ti 8GB	运行良好	估算 43.9 tok/s30.7–57.1理论估算 ±30%	MXFP4	7.3 / 8.0 GB + 6.1 GB 内存	MoE 专家放在内存	最长 64k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	市场价 US$429（截至 2026-08-09）
GeForce RTX 4060 Ti 8GB	运行良好	估算 37.8 tok/s26.5–49.1理论估算 ±30%	MXFP4	7.3 / 8.0 GB + 6.1 GB 内存	MoE 专家放在内存	最长 32k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	首发价 US$399
GeForce RTX 4060	运行良好gpt-oss-20b 在 GeForce RTX 4060 上的判定	估算 36.9 tok/s25.9–48.0理论估算 ±30%	MXFP4	7.3 / 8.0 GB + 6.1 GB 内存	MoE 专家放在内存	最长 32k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	首发价 US$299
GeForce RTX 4060 Laptop	运行良好	估算 36.0 tok/s25.2–46.8理论估算 ±30%	MXFP4	7.3 / 8.0 GB + 6.1 GB 内存	MoE 专家放在内存	最长 32k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	—
GeForce RTX 4070 Laptop	运行良好	估算 36.0 tok/s25.2–46.8理论估算 ±30%	MXFP4	7.3 / 8.0 GB + 6.1 GB 内存	MoE 专家放在内存	最长 32k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	—
GeForce RTX 3050 8GB	运行良好	估算 34.0 tok/s23.8–44.2理论估算 ±30%	MXFP4	7.3 / 8.0 GB + 6.1 GB 内存	MoE 专家放在内存	最长 16k	未全部载入显卡：要达到“运行流畅”，整个模型都必须放在显存中	首发价 US$249
DDR5-6000 双通道 CPU · 32 GB	运行较慢	估算 18.0 tok/s14.4–21.7校准估算 ±20%	MXFP4	12.3 GB 内存	纯 CPU	最长 128k	CPU 推理：最高只能判为“运行较慢”	—
DDR5-5600 双通道 CPU · 32 GB	运行较慢	估算 16.8 tok/s13.5–20.2校准估算 ±20%	MXFP4	12.3 GB 内存	纯 CPU	最长 128k	CPU 推理：最高只能判为“运行较慢”	—
DDR4-3200 双通道 CPU · 32 GB	运行较慢	估算 9.6 tok/s7.7–11.6校准估算 ±20%	MXFP4	12.3 GB 内存	纯 CPU	最长 128k	—	—

带思考模式的模型会额外花 token 来思考，所以速度门槛按 1.5 倍从严设定（30 / 12 / 3 tok/s）。关闭思考模式后，判定可能会高一级。

能运行它的最便宜 GPU

运行流畅Radeon RX 9060 XT 16GB市场价 US$449（截至 2026-08-09），估算 78.0 tok/s（62.4–93.6，校准估算 ±20%）。
运行良好GeForce RTX 3060 12GB市场价 US$250（截至 2026-08-09），估算 63.9 tok/s（44.8–83.1，理论估算 ±30%）。

gpt-oss-20b 的实测结果

我们用于校准的公开基准测试。它们的测试条件（上下文、后端、运行参数）可能与上方的估算不同。

gpt-oss-20b 的实测结果
硬件	量化	后端	上下文	提示词处理（tok/s）	生成（tok/s）	运行参数	来源	测量日期
GeForce RTX 5090	MXFP4	llama.cpp	2k	9,841.0	282.3	—	github.com	2025-08-20
GeForce RTX 4090	MXFP4	llama.cpp	2k	8,078.0	225.2	—	github.com	2025-08-20
GeForce RTX 5080	MXFP4	llama.cpp	2k	7,469.0	204.9	—	github.com	2025-08-20
GeForce RTX 5070 Ti	MXFP4	llama.cpp	2k	6,326.0	189.5	—	github.com	2025-08-20
GeForce RTX 4080 Super	MXFP4	llama.cpp	2k	8,111.0	186.4	—	github.com	2025-08-29
GeForce RTX 3090	MXFP4	llama.cpp	2k	5,143.0	162.0	—	github.com	2025-08-20
GeForce RTX 5060 Ti 16GB	MXFP4	llama.cpp	2k	3,821.0	111.6	—	github.com	2025-08-20
Radeon RX 7900 XT	BF16	llama.cpp	2k	4,252.0	101.9	ROCm 6.4.1	github.com	2025-08-18
Apple M3 Ultra	MXFP4	llama.cpp	2k	2,816.0	115.5	—	github.com	2025-08-28
Apple M4 Max (32-core GPU)	MXFP4	llama.cpp	2k	1,277.0	92.4	—	github.com	2025-08-18

常见问题

gpt-oss-20b 需要多少显存？

MXFP4 文件为 12.11 GB；在 8k 上下文下，显卡约需 12.3 GB（权重 11.48 GB、KV 缓存 0.2 GB、计算缓冲区 0.6 GB）。文件的一部分不会放到显卡上：llama.cpp 把输入嵌入表保留在系统内存中。Mac 按整个文件计算，所以需要的内存稍多一些。

能让 gpt-oss-20b 运行良好的最便宜 GPU 是哪款？

运行流畅的最便宜选择：Radeon RX 9060 XT 16GB，US$449（2026-08-09 市场价），估算 78.0 tok/s（62.4–93.6，校准估算 ±20%）。更便宜、仍能运行良好的选择：GeForce RTX 3060 12GB，US$250（2026-08-09 市场价），估算 63.9 tok/s（44.8–83.1，理论估算 ±30%）。

gpt-oss-20b 能在 8 GB、16 GB 或 24 GB 的 GPU 上运行吗？

MXFP4、8k 上下文下：GeForce RTX 4060：运行良好，估算 36.9 tok/s（25.9–48.0，理论估算 ±30%）; GeForce RTX 5060 Ti 16GB：运行流畅，实测 111.6 tok/s（2k 上下文，1 次；8k 估算 104.3 tok/s，83.5–125.2，校准估算 ±20%）; GeForce RTX 3090：运行流畅，实测 162.0 tok/s（2k 上下文，1 次；8k 估算 201.1 tok/s，160.9–241.3，校准估算 ±20%）。

速度是根据内存带宽得出的估算值，并用公开基准测试结果校准，每个数值都附有误差范围和可信度标签。实际结果会因驱动、后端、上下文长度和散热情况而有所不同。