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。

この表は Q4_K_M を最小の量子化として計算しています。×でも、IQ4_XS のようにさらに小さい量子化なら収まることがあります(品質低下と、使うランタイムの対応状況の確認が要ります)。

上の表は8,192トークンの文脈での計算です。AIエージェント(道具を使って複数ステップの作業を自動でこなす使い方)では長い文脈が要り、その分KVキャッシュが増えます。 このモデルをQ4_K_Mで使う場合、必要VRAMは32Kで約75.7GB、128Kで約79.3GBです(8Kの約1.1倍)。 KVヘッドが少ない構成のため、文脈を延ばしても増え方はゆるやかです。エージェント用途に向く設計といえます。

⚠ 公式配布は MXFP4(MoE専門家層のみ4bit・注意層とembeddingはBF16)です。下の表の Q4_K_M 等は当サイト共通ラダーによる理論換算で、公式の配布形式ではありません。 このモデルは、配布されている低ビットの重みそのものが原本です。有志が作った Q4_K_M 等のGGUFは、一度展開してから別方式で量子化し直したもので、失われた情報は戻らないうえに2度目の誤差が乗ります。公式配布の形式で動かせる環境なら、そちらを使ってください。

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524万件・いいね5,167件 — ダウンロード数は当サイト収録92モデル中15位です(2026-09-08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

Laguna S 2.1(117.56B) / Medical-GPT-OSS-Swallow 120B(116.83B) / Ling-3.0-flash(127.49B)

▶ 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)