Memoria en cada precisión
| Versión | Pesos | Con contexto | Mac más pequeña |
|---|---|---|---|
| 4,25 bits nativo | 13,8 GB | 15,3 GB | 24 GB |
| 3 bits menor calidad | 9,2 GB | 10,7 GB | 16 GB |
| 2 bits menor calidad | 6,6 GB | 8,1 GB | 16 GB |
En cada chip de Apple
El tamaño de memoria más pequeño de cada chip que ejecuta gpt-oss-20b, la mejor versión que cabe y la velocidad de escritura que puedes esperar.
| Chip | Necesita | Versión | Tokens/s |
|---|---|---|---|
| M6 | 24 GB | 4,25 bits nativo Va bien | 40–72 |
| M5 Ultra | 96 GB | 4,25 bits nativo Va bien | 284–505 |
| M5 Max | 36 GB | 4,25 bits nativo Va bien | 109–194 |
| M5 Pro | 24 GB | 4,25 bits nativo Va bien | 73–129 |
| M5 | 24 GB | 4,25 bits nativo Va bien | 36–64 |
| M4 Max | 36 GB | 4,25 bits nativo Va bien | 97–173 |
| M4 Pro | 24 GB | 4,25 bits nativo Va bien | 65–115 |
| M4 | 24 GB | 4,25 bits nativo Va bien | 28–51 |
| M3 Ultra | 96 GB | 4,25 bits nativo Va bien | 194–345 |
| M3 Max | 36 GB | 4,25 bits nativo Va bien | 71–126 |
| M3 Pro | 36 GB | 4,25 bits nativo Va bien | 36–63 |
| M3 | 24 GB | 4,25 bits nativo Va bien | 24–42 |
| M2 Ultra | 64 GB | 4,25 bits nativo Va bien | 189–337 |
| M2 Max | 32 GB | 4,25 bits nativo Va bien | 95–168 |
| M2 Pro | 32 GB | 4,25 bits nativo Va bien | 47–84 |
| M2 | 24 GB | 4,25 bits nativo Va bien | 24–42 |
| M1 Ultra | 64 GB | 4,25 bits nativo Va bien | 189–337 |
| M1 Max | 32 GB | 4,25 bits nativo Va bien | 95–168 |
| M1 Pro | 32 GB | 4,25 bits nativo Va bien | 47–84 |
| M1 | 16 GB | 3 bits Va bien | 19–34 |
Cómo ejecutarlo
- La forma fácil: descarga MLX Harness, gratis y de código abierto. Busca gpt-oss-20b, descarga la versión que encaja con tu Mac y empieza a chatear. MLX Harness también ofrece el modelo a tus otras apps mediante una API compatible con OpenAI.Descarga MLX HarnessGratis · Apple Silicon · macOS 14.5 o posterior
- En Terminal, con MLX de Apple:
pip install mlx-lmmlx_lm.chat --model mlx-community/gpt-oss-20b-MXFP4-Q8Versión MLX: mlx-community/gpt-oss-20b-MXFP4-Q8 en Hugging Face. Las demás precisiones están justo al lado.
Paso a paso: descargar y ejecutar LLM en tu Mac · cómo usar MLX Harness · MLX vs Ollama vs llama.cpp
Sobre gpt-oss-20b
| Creado por | OpenAI |
|---|---|
| Parámetros | 21B en total · 3,6B activos (mezcla de expertos) |
| Contexto | 128K tokens |
| Licencia | Apache-2.0 |
| Lanzamiento | 2025-08 |
| Entrada | Texto |
| Inteligencia | 9 en el Artificial Analysis Intelligence Index |
| Pesos | openai/gpt-oss-20b |
Preguntas
- ¿Cuánta memoria necesita gpt-oss-20b?
- Unos 13,8 GB de pesos a 4,25 bits nativo, más espacio para el contexto: 15,3 GB en total. En una Mac, eso significa 24 GB de memoria unificada o más, porque macOS deja que la GPU use alrededor del 75 % de forma predeterminada.
- ¿Qué tan rápido va gpt-oss-20b en una Mac?
- La velocidad de escritura depende del ancho de banda de memoria. Aquí, la Mac más rápida para este modelo es una con M5 Ultra y 96 GB, a unos 284–505 tokens por segundo (4,25 bits nativo). La Mac más pequeña que lo ejecuta, con 24 GB, logra unos 73–129 con un M5 Pro.
- ¿Por qué gpt-oss-20b va más rápido de lo que sugiere su tamaño?
- Es un modelo de mezcla de expertos: mantiene 21B parámetros en memoria, pero solo lee 3,6B en cada token, así que escribe a la velocidad de un modelo mucho más pequeño.
Modelos similares
Para la ficha de tu modelo o tu README
Muestra la Mac más pequeña que ejecuta bien gpt-oss-20b y enlaza a esta página.
[](https://mlx.app/run/gpt-oss-20b)Cómo se calcula
Memoria: los parámetros del modelo a 8, 6, 4, 3 o 2 bits por peso más las escalas por grupo de MLX (medio bit por peso), o su formato nativo, con espacio extra para el contexto. De forma predeterminada, macOS deja que la GPU use alrededor del 75 % de la memoria unificada. Velocidad: el ancho de banda de memoria dividido entre los bytes leídos por token es el techo para una conversación; en los benchmarks públicos de Apple Silicon de llama.cpp, las ejecuciones reales alcanzan entre el 45 % y el 80 % de ese techo, que es el rango que se muestra. Son estimaciones, no mediciones: mide tu propia Mac en MLX Bench. Datos de los modelos tomados de cada ficha oficial; datos de los chips, de las especificaciones técnicas de Apple. Revisado el 2026-10-19. Los mismos datos que mlx.app/compare.