GPT-OSS 20B

在本地运行 GPT-OSS 20B

在 MXFP4、4K 上下文下，GPT-OSS 20B 约需 12.8 GB —— 权重 11.5 GB、KV 缓存 0.11 GB、激活缓冲 1.2 GB。MXFP4 是 GPT-OSS 20B 官方发布时的格式，所以这里以它为基准，而不是社区的二次量化版本。本索引中能宽裕跑它的最小规格是 16 GB 显卡 —— 共 16 张，RTX 4060 Ti 16G 起步；76 张卡中有 48 张可以。这些是计算值而非实测值：估算把「宽裕」的界线画在显存的 88%，大致就是桌面环境需要留出的余量。

上下文变长会多花多少

从 4K 提到 32K 约多占 0.66 GB，总量来到 13.5 GB。这比参数量给人的印象要温和：24 层中只有 12 层的 KV 缓存会随上下文增长，另有 12 层被滑动窗口封顶，因此缓存的增速只有常规架构的一小部分。该模型的原生上下文是 128K；在 MXFP4 下把它全部撑满约需 16 GB。

该下载哪个版本

本索引只收录了 GPT-OSS 20B 的 GGUF 格式，共 3 个档位（MXFP4、Q8_0、Q4_K_M）。 其中 MXFP4 的公开困惑度损失最低，为 0.0%。列出的最快档位是 Q4_K_M，在 RTX 4090、batch 1 下约 205 tok/s —— 这是估算值，不是本站硬件上的实测。GGUF 可在 NVIDIA、AMD 与苹果芯片上通过 llama.cpp 和 Ollama 运行；AWQ 与 GPTQ 面向 CUDA 和 ROCm 上的 vLLM；EXL2 是 ExLlamaV2 —— 仅限 CUDA，而且已经归档，适合本机使用而不适合提供服务。

常见问题

GPT-OSS 20B 需要多少显存？

在 MXFP4、4K 上下文、batch 1 下约 12.8 GB，到 32K 时约 13.5 GB。这个数字是权重加 KV 缓存再加 10% 激活缓冲，由模型架构计算得出，不是在显卡上实测的。

GPT-OSS 20B 能在 16GB 显卡上跑吗？

可以 —— 在 MXFP4、4K 上下文下约需 12.8 GB，在 RTX 4060 Ti 16G 上还剩 3.2 GB，本索引中 16 张 16 GB 显卡都一样。这是能宽裕跑它的最小规格；76 张中有 48 张可以。

GPT-OSS 20B 该用哪个量化档位？

MXFP4 的公开质量损失最低（0.0%），而 MXFP4 是多数人实际使用的档位。索引中的 3 个档位是 MXFP4、Q8_0、Q4_K_M。 注意这是 MoE 模型 —— 尽管每个 token 只激活一部分参数，全部参数仍需驻留显存，因此显存开销按总参数量算，而不是激活参数量。