gpt-oss 20B の必要VRAM

OpenAI製のオープンモデル。MoE(実働3.6B)で総20Bの割に軽快。

21.51B / 24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14.0GB、128Kで約16.4GBです(8Kの約1.2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 20Bとは

gpt-oss 20Bは、OpenAIが公開するTransformer系のハイエンドクラス(21.51Bパラメータ)オープンモデルです。24GB級GPUの領域で、ローカルで狙える上位の品質帯です。

Hugging Faceでの直近30日ダウンロードは約590万件・いいね5,161件 — ダウンロード数は当サイト収録96モデル中14位です(2026-10-13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 20B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11.7GB、8Kトークン分のKVキャッシュが約0.2GB、システム予約と合わせて合計約13.4GBです。 ◎(快適)判定の最小ラインは、VRAM 16GBクラスのGPUです。 迷ったらQ4_K_M(合計約13.4GB)が基準です。VRAMに余裕があればQ8_0(約24.6GB)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21.51B・実効3.6B。メモリは総量21.51B分が必要ですが、生成速度は3.6B級の軽さです。

ハイブリッドアテンション採用: 全24層のうちフルアテンションは12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0.2GB、32Kまで広げると約0.8GB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3.6B相当(Q4で約2GB)で決まり、理論上限はRTX 3060 12GBで約184 tokens/秒、RTX 4090で約516 tokens/秒です(実効はこれ以下)。

動かすには

OllamaやLM Studioに対応しています。導入手順は用語集のOllamaページにまとめています。

同クラスの選択肢

GPT-OSS-Swallow 20B(20.91B) / Mistral Small 3.2 24B(23.6B) / Gemma 4 26B-A4B(25.81B)

▶ 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)