gpt-oss 120B の必要VRAM

gpt-oss 20Bの上位版。MoE(実働5.1B)のため生成は軽快だが、総120B級の重みは高VRAM環境向き。80GB級GPUやクラウドでの運用が現実的。

120.41B / 36層 / GQA 8ヘッド / 既定コンテキスト 8,192 トークン(HuggingFace)

必要VRAM = 重み + KVキャッシュ(既定コンテキスト時) + 1.5GB(OS/表示)。△は量子化を下げるかコンテキストを絞れば動作します。

gpt-oss 120Bとは

gpt-oss 120Bは、OpenAIが公開するTransformer系のデータセンター級(120.41Bパラメータ)オープンモデルです。数百B〜1T規模のフラッグシップで、個人のローカル実行は対象外です(参考収載)。

Hugging Faceでの直近30日ダウンロードは約447万件・いいね5,028件 — ダウンロード数は当サイト収録39モデル中16位です(2026-07-25時点。公式リポジトリ分のみで、GGUF再配布版は含みません)。

gpt-oss 120Bの必要スペックを読み解く

Q4_K_M量子化での内訳は、重み(モデル本体)が約73GB、8Kトークン分のKVキャッシュが約0.3GB、システム予約と合わせて合計約74.8GBです。 単一のコンシューマGPUに◎(快適)となるクラスはなく、実行はクラウドGPUが現実的です。 迷ったらQ4_K_M(合計約74.8GB)が基準です。VRAMに余裕があればQ8_0(約129.7GB)で品質の上積みが狙えます。 Mac(ユニファイドメモリ)での判定は、トップページでチップと搭載メモリを選ぶと計算できます。

MoE構成: 総120.41B・実効5.1B。メモリは総量120.41B分が必要ですが、生成速度は5.1B級の軽さです。

ハイブリッドアテンション採用: 全36層のうちフルアテンションは18層のみで、残りの層は直近128トークンの窓しか参照しません。長文時のKVキャッシュ増加が緩やかです。

コンテキスト長とメモリの伸び方

このモデルのKVキャッシュは、2Kトークンで約0.1GB、8Kで約0.3GB、32Kまで広げると約1.2GBになります。KVキャッシュはコンテキスト長にほぼ比例して増えるため、長文用途ではその分のVRAM余白を見込んでください。

速度の目安(理論上限)

MoEのため速度は実効5.1B相当(Q4で約3.1GB)で決まり、理論上限はRTX 3060 12GBで約116 tokens/秒、RTX 4090で約326 tokens/秒です(実効はこれ以下)。

動かすには

この規模はコンシューマ環境の外なので、クラウドGPUでの実行が入口になります。 RunPodでの始め方(手順ガイド)

同クラスの選択肢

Qwen3-Coder-Next 80B-A3B(79.7B) / Llama 3.3 70B(70.6B)

▶ あなたのPCを自動判定する(スペック送信なし・ブラウザ内完結)