GPT-OSS — lokalny model AI od OpenAI
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Gęsty model 120B o otwartych wagach wydany przez OpenAI w kwietniu 2026 na licencji Apache 2.0 — ich pierwsze poważne otwarte wydanie od czasu GPT-2. Dorównuje GPT-4o w większości benchmarków przy 65 GB w Q4, co czyni go najwyższej jakości otwartym modelem w klasie stacji roboczych. Sygnalizuje strategiczny zwrot OpenAI w stronę wspierania wdrożeń firmowych on-premise.
Warianty
Najmniejszy wariant GPT-OSS potrzebuje około 13 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV.
| Model | VRAM przy Q4 | VRAM | Kontekst | Uruchom |
|---|---|---|---|---|
| GPT-OSS 120B → 120B | ~71.3 GB | 131,072 | ollama run gpt-oss:120b | |
| GPT-OSS 20B → 20B | ~13.4 GB | 128,000 | ollama run gpt-oss:20b |
Pamięć to skwantyzowane wagi plus narzut przy Q4_K_M, liczone tym samym silnikiem co sprawdzarka GPU i VRAM.
Jak uruchomić GPT-OSS lokalnie
Zainstaluj Ollama, a potem pobierz tag.
ollama run gpt-oss:120bWybierz rozmiar powyżej, aby zobaczyć jego VRAM, szacowaną szybkość i polecenie instalacji.
Licencja
Commercial use permitted. No usage restrictions beyond attribution.
Dotyczy: GPT-OSS 120B, GPT-OSS 20BPolecane GPU
Najtańsze GPU z naszego katalogu, które uruchomi GPT-OSS lokalnie (min. 13 GB VRAM), to AMD Radeon RX 9060 XT 16GB (16 GB).
Czy uruchomię GPT-OSS na moim GPU?
- GPT-OSS na AMD Radeon RX 7800 XT
- GPT-OSS na AMD Radeon RX 7900 XT
- GPT-OSS na AMD Radeon RX 7900 XTX
- GPT-OSS na AMD Radeon RX 9060 XT 16GB
- GPT-OSS na AMD Radeon RX 9060 XT 8GB
- GPT-OSS na AMD Radeon RX 9070
- GPT-OSS na AMD Radeon RX 9070 XT
- GPT-OSS na AMD Ryzen AI Max+ 395
- GPT-OSS na Apple M1
- GPT-OSS na Apple M1 Ultra
- GPT-OSS na Apple M2
- GPT-OSS na Apple M2 Max
- GPT-OSS na Apple M3
- GPT-OSS na Apple M4 Max
- GPT-OSS na Apple M4 Pro
- GPT-OSS na Apple M5 Max
- GPT-OSS na Intel Arc B570
- GPT-OSS na Intel Arc B580
- GPT-OSS na NVIDIA A100 80GB (PCIe)
- GPT-OSS na NVIDIA DGX Spark
- GPT-OSS na NVIDIA GeForce RTX 3060 (12GB)
- GPT-OSS na NVIDIA GeForce RTX 3070
- GPT-OSS na NVIDIA GeForce RTX 3070 Ti
- GPT-OSS na NVIDIA GeForce RTX 3080 (10GB)
- GPT-OSS na NVIDIA GeForce RTX 3090
- GPT-OSS na NVIDIA GeForce RTX 4060
- GPT-OSS na NVIDIA GeForce RTX 4060 Ti 16GB
- GPT-OSS na NVIDIA GeForce RTX 4070
- GPT-OSS na NVIDIA GeForce RTX 4070 Super
- GPT-OSS na NVIDIA GeForce RTX 4070 Ti
- GPT-OSS na NVIDIA GeForce RTX 4070 Ti Super
- GPT-OSS na NVIDIA GeForce RTX 4080
- GPT-OSS na NVIDIA GeForce RTX 4080 Super
- GPT-OSS na NVIDIA GeForce RTX 4090
- GPT-OSS na NVIDIA GeForce RTX 5060
- GPT-OSS na NVIDIA GeForce RTX 5060 Ti 16GB
- GPT-OSS na NVIDIA GeForce RTX 5060 Ti 8GB
- GPT-OSS na NVIDIA GeForce RTX 5070
- GPT-OSS na NVIDIA GeForce RTX 5070 Ti
- GPT-OSS na NVIDIA GeForce RTX 5080
- GPT-OSS na NVIDIA H100 80GB (PCIe)
- GPT-OSS na NVIDIA RTX PRO 6000 Blackwell
GPT-OSS — najczęściej zadawane pytania
How much VRAM does GPT-OSS need?
GPT-OSS needs about 13 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: GPT-OSS 120B (71 GB, Q4_K_M); GPT-OSS 20B (13 GB, MXFP4). On Apple Silicon, unified memory counts toward this requirement.
Can I run GPT-OSS on an RTX 4090 (24 GB)?
Yes — GPT-OSS runs on an RTX 4090 (24 GB) and other 24 GB cards such as the RTX 3090. Smaller variants also fit comfortably on 8–16 GB GPUs at Q4_K_M.
What quantization should I use for GPT-OSS?
Q4_K_M is the best balance of quality and VRAM for GPT-OSS in most cases. Choose Q8_0 for near-lossless quality if you have spare VRAM, or smaller quants (Q3/Q2) only when memory is tight.
How do I run GPT-OSS with Ollama?
Install Ollama, then run: ollama run gpt-oss:120b. This downloads GPT-OSS and starts a local, OpenAI-compatible endpoint — no internet connection is needed after the initial download.