Πόση μνήμη χρειάζεται το gpt-oss-20b;

Περίπου 13,8 GB για τα βάρη σε εγγενές 4,25-bit, συν χώρο για τα συμφραζόμενα: 15,3 GB συνολικά. Σε Mac αυτό σημαίνει 24 GB ενοποιημένης μνήμης ή περισσότερα, αφού το macOS αφήνει από προεπιλογή την GPU να χρησιμοποιεί περίπου το 75% της.

Πόσο γρήγορο είναι το gpt-oss-20b σε Mac;

Η ταχύτητα γραφής εξαρτάται από το εύρος ζώνης μνήμης. Ο ταχύτερος Mac γι’ αυτό εδώ είναι ένας Mac με M5 Ultra και 96 GB, με περίπου 284–505 tokens ανά δευτερόλεπτο (εγγενές 4,25-bit). Ο μικρότερος Mac που το τρέχει, με 24 GB, φτάνει περίπου τα 73–129 με M5 Pro.

Γιατί το gpt-oss-20b τρέχει πιο γρήγορα απ’ ό,τι δείχνει το μέγεθός του;

Είναι μοντέλο mixture of experts: κρατά 21B παραμέτρους στη μνήμη αλλά διαβάζει μόνο 3,6B για κάθε token, οπότε γράφει με την ταχύτητα ενός πολύ μικρότερου μοντέλου.

Εκτέλεση gpt-oss-20b σε Mac: απαιτήσεις RAM και ταχύτητα

Μνήμη σε κάθε ακρίβεια

Έκδοση	Βάρη	Με συμφραζόμενα	Μικρότερος Mac
εγγενές 4,25-bit	13,8 GB	15,3 GB	24 GB
3-bit χαμηλότερη ποιότητα	9,2 GB	10,7 GB	16 GB
2-bit χαμηλότερη ποιότητα	6,6 GB	8,1 GB	16 GB

Πόση RAM χρειάζεται ένα LLM

Σε κάθε τσιπ της Apple

Το μικρότερο μέγεθος μνήμης κάθε τσιπ που τρέχει το gpt-oss-20b, η καλύτερη έκδοση που χωράει και η ταχύτητα γραφής που μπορείτε να περιμένετε.

Τσιπ	Απαιτεί	Έκδοση	Tokens/s
M6	24 GB	εγγενές 4,25-bit Τρέχει καλά	40–72
M5 Ultra	96 GB	εγγενές 4,25-bit Τρέχει καλά	284–505
M5 Max	36 GB	εγγενές 4,25-bit Τρέχει καλά	109–194
M5 Pro	24 GB	εγγενές 4,25-bit Τρέχει καλά	73–129
M5	24 GB	εγγενές 4,25-bit Τρέχει καλά	36–64
M4 Max	36 GB	εγγενές 4,25-bit Τρέχει καλά	97–173
M4 Pro	24 GB	εγγενές 4,25-bit Τρέχει καλά	65–115
M4	24 GB	εγγενές 4,25-bit Τρέχει καλά	28–51
M3 Ultra	96 GB	εγγενές 4,25-bit Τρέχει καλά	194–345
M3 Max	36 GB	εγγενές 4,25-bit Τρέχει καλά	71–126
M3 Pro	36 GB	εγγενές 4,25-bit Τρέχει καλά	36–63
M3	24 GB	εγγενές 4,25-bit Τρέχει καλά	24–42
M2 Ultra	64 GB	εγγενές 4,25-bit Τρέχει καλά	189–337
M2 Max	32 GB	εγγενές 4,25-bit Τρέχει καλά	95–168
M2 Pro	32 GB	εγγενές 4,25-bit Τρέχει καλά	47–84
M2	24 GB	εγγενές 4,25-bit Τρέχει καλά	24–42
M1 Ultra	64 GB	εγγενές 4,25-bit Τρέχει καλά	189–337
M1 Max	32 GB	εγγενές 4,25-bit Τρέχει καλά	95–168
M1 Pro	32 GB	εγγενές 4,25-bit Τρέχει καλά	47–84
M1	16 GB	3-bit Τρέχει καλά	19–34

Πώς να το τρέξετε

Στο Terminal με το MLX της Apple:pip install mlx-lmmlx_lm.chat --model mlx-community/gpt-oss-20b-MXFP4-Q8Build: mlx-community/gpt-oss-20b-MXFP4-Q8 στο Hugging Face. Οι άλλες ακρίβειες βρίσκονται ακριβώς δίπλα.

Βήμα προς βήμα: λήψη και εκτέλεση LLM σε Mac · MLX vs Ollama vs llama.cpp

Το gpt-oss-20b στο AI App Store · Προτιμάτε μια εφαρμογή από το Τερματικό; Συγκρίνετε τις εφαρμογές Mac που τρέχουν τοπικά μοντέλα στο AI App Store: τιμή, άδεια και πού πηγαίνουν τα δεδομένα σας.

Σχετικά με το gpt-oss-20b

Δημιουργός	OpenAI
Παράμετροι	21B συνολικά · 3,6B ενεργές (mixture of experts)
Συμφραζόμενα	128K tokens
Άδεια	Apache-2.0
Κυκλοφορία	2025-08
Είσοδος	Κείμενο
Νοημοσύνη	9 στον Artificial Analysis Intelligence Index
Βάρη	openai/gpt-oss-20b

Ερωτήσεις

Πόση μνήμη χρειάζεται το gpt-oss-20b;: Περίπου 13,8 GB για τα βάρη σε εγγενές 4,25-bit, συν χώρο για τα συμφραζόμενα: 15,3 GB συνολικά. Σε Mac αυτό σημαίνει 24 GB ενοποιημένης μνήμης ή περισσότερα, αφού το macOS αφήνει από προεπιλογή την GPU να χρησιμοποιεί περίπου το 75% της.
Πόσο γρήγορο είναι το gpt-oss-20b σε Mac;: Η ταχύτητα γραφής εξαρτάται από το εύρος ζώνης μνήμης. Ο ταχύτερος Mac γι’ αυτό εδώ είναι ένας Mac με M5 Ultra και 96 GB, με περίπου 284–505 tokens ανά δευτερόλεπτο (εγγενές 4,25-bit). Ο μικρότερος Mac που το τρέχει, με 24 GB, φτάνει περίπου τα 73–129 με M5 Pro.
Γιατί το gpt-oss-20b τρέχει πιο γρήγορα απ’ ό,τι δείχνει το μέγεθός του;: Είναι μοντέλο mixture of experts: κρατά 21B παραμέτρους στη μνήμη αλλά διαβάζει μόνο 3,6B για κάθε token, οπότε γράφει με την ταχύτητα ενός πολύ μικρότερου μοντέλου.

Παρόμοια μοντέλα

Όλα τα μοντέλα · Όλοι οι Mac · Συγκρίνετε τον Mac σας

Για την κάρτα μοντέλου ή το README σας

Δείχνει τον μικρότερο Mac που τρέχει καλά το gpt-oss-20b και οδηγεί εδώ.

[![Runs on a Mac](https://mlx.app/badge/run/gpt-oss-20b.svg)](https://mlx.app/run/gpt-oss-20b)

Πώς υπολογίζεται

Μνήμη: οι παράμετροι του μοντέλου σε 8, 6, 4, 3 ή 2 bit ανά βάρος συν τις κλίμακες ομάδων του MLX (μισό bit ανά βάρος), ή στην εγγενή του μορφή, με χώρο για τα συμφραζόμενα από πάνω. Από προεπιλογή το macOS αφήνει την GPU να χρησιμοποιεί περίπου το 75% της ενοποιημένης μνήμης. Ταχύτητα: το εύρος ζώνης μνήμης διαιρεμένο με τα bytes που διαβάζονται ανά token είναι το ανώτατο όριο για μία συνομιλία· στα δημόσια benchmarks Apple Silicon του llama.cpp οι πραγματικές εκτελέσεις φτάνουν περίπου το 45% έως 80% του ορίου, και αυτό το εύρος δείχνουμε. Είναι εκτιμήσεις, όχι μετρήσεις: μετρήστε τον δικό σας Mac στο MLX Bench. Στοιχεία μοντέλων από την επίσημη κάρτα κάθε μοντέλου, στοιχεία τσιπ από τα Τεχνικά χαρακτηριστικά της Apple. Ελέγχθηκε 2026-10-19. Ίδια δεδομένα με το mlx.app/compare.

Ανοιχτά δεδομένα: mlx.app/data (JSON, CSV)