GPT-OSS-Swallow 20B の必要VRAM

SwallowチームがOpenAIのgpt-oss-20bを日本語データで継続学習し、強化学習で仕上げた日本語版。元と同じMoE(実働3.6B)で軽快に動き、日本語の受け答えを強化している。

20.91B / 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)。

GPT-OSS-Swallow 20Bとは

GPT-OSS-Swallow 20Bは、東京科学大 Swallowチームが公開するTransformer系のハイエンドクラス(20.91B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。日本語データで開発・強化された国産モデルで、日本語の自然さに重点があります。

GPT-OSS-Swallow 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12.7GB、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14.4GB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14.4GB)が基準です。VRAMに余裕があればQ8_0(約23.9GB)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20.91B・実効3.6B。メモリは総量20.91B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2.2GB)で決まり、理論上限はRTX 3060 12GBで約165 tokens/秒、RTX 4090で約462 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 20B(21.51B) / Mistral Small 3.2 24B(23.6B) / Gemma 4 26B-A4B(26.54B)

▶ 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)