Model · OpenAI · 2025· config.json 已核实
gpt-oss-20b（20.91B）显存要求 · 本地部署需要什么显卡
原生上下文 131,072 tokens · SWA-HYBRID · MoE 32 选 4 · 每 token 激活 3.6B
推理显存需求（llama.cpp 口径，batch = 1，含 KV/缓冲/开销）
| 量化档 | 权重体积 | 4K 上下文 | 32K 上下文 | 128K 上下文 |
|---|---|---|---|---|
| MXFP4（gpt-oss 原生）原生 | 10.3 GiB | 11.7 GiB | 15.9 GiB | 30.1 GiB |
| GGUF Q8_0 | 20.7 GiB | 22.1 GiB | 26.2 GiB | 40.5 GiB |
| GGUF Q4_K_M | 11.8 GiB | 13.2 GiB | 17.4 GiB | 31.6 GiB |
| GGUF Q2_K | 6.4 GiB | 7.8 GiB | 11.9 GiB | 26.2 GiB |
显存需求 = 权重 + KV cache + 计算/输入缓冲 + 框架开销（≈0.8 GB）。权重与 KV 为精确公式， 典型误差 ±3%；≥24 GB 显存可从 4-bit 档起步。
微调显存估算（4096 上下文 × batch 1，梯度检查点开）
| 全参微调（AdamW 混合精度） | 313.0 GiB |
| LoRA（r=16，7 模块） | 40.8 GiB |
| QLoRA（NF4，r=16） | 11.9 GiB |
微调框架与部署引擎推荐
微调：官方仅 API 微调（本地权重社区用 LLaMA-Factory）
部署：vLLM · llama.cpp · Ollama · LM Studio
硬件参考：gpt-oss-120b 原生 MXFP4：单卡 80GB 可运行；20b：16GB 级