Memori di setiap presisi
| Versi | Bobot | Dengan konteks | Mac terkecil |
|---|---|---|---|
| 4,25-bit bawaan | 13,8 GB | 15,3 GB | 24 GB |
| 3-bit kualitas lebih rendah | 9,2 GB | 10,7 GB | 16 GB |
| 2-bit kualitas lebih rendah | 6,6 GB | 8,1 GB | 16 GB |
Di setiap chip Apple
Ukuran memori terkecil setiap chip yang bisa menjalankan gpt-oss-20b, versi terbaik yang muat, dan kecepatan menulis yang bisa Anda harapkan.
| Chip | Butuh | Versi | Token/s |
|---|---|---|---|
| M6 | 24 GB | 4,25-bit bawaan Berjalan baik | 40–72 |
| M5 Ultra | 96 GB | 4,25-bit bawaan Berjalan baik | 284–505 |
| M5 Max | 36 GB | 4,25-bit bawaan Berjalan baik | 109–194 |
| M5 Pro | 24 GB | 4,25-bit bawaan Berjalan baik | 73–129 |
| M5 | 24 GB | 4,25-bit bawaan Berjalan baik | 36–64 |
| M4 Max | 36 GB | 4,25-bit bawaan Berjalan baik | 97–173 |
| M4 Pro | 24 GB | 4,25-bit bawaan Berjalan baik | 65–115 |
| M4 | 24 GB | 4,25-bit bawaan Berjalan baik | 28–51 |
| M3 Ultra | 96 GB | 4,25-bit bawaan Berjalan baik | 194–345 |
| M3 Max | 36 GB | 4,25-bit bawaan Berjalan baik | 71–126 |
| M3 Pro | 36 GB | 4,25-bit bawaan Berjalan baik | 36–63 |
| M3 | 24 GB | 4,25-bit bawaan Berjalan baik | 24–42 |
| M2 Ultra | 64 GB | 4,25-bit bawaan Berjalan baik | 189–337 |
| M2 Max | 32 GB | 4,25-bit bawaan Berjalan baik | 95–168 |
| M2 Pro | 32 GB | 4,25-bit bawaan Berjalan baik | 47–84 |
| M2 | 24 GB | 4,25-bit bawaan Berjalan baik | 24–42 |
| M1 Ultra | 64 GB | 4,25-bit bawaan Berjalan baik | 189–337 |
| M1 Max | 32 GB | 4,25-bit bawaan Berjalan baik | 95–168 |
| M1 Pro | 32 GB | 4,25-bit bawaan Berjalan baik | 47–84 |
| M1 | 16 GB | 3-bit Berjalan baik | 19–34 |
Cara menjalankannya
- Cara mudah: unduh MLX Harness, gratis dan open source. Cari gpt-oss-20b, unduh versi yang cocok untuk Mac Anda, lalu mulai chat. Aplikasi ini juga menyajikan model ke aplikasi Anda yang lain melalui API yang kompatibel dengan OpenAI.Unduh MLX HarnessGratis · Apple Silicon · macOS 14.5 atau lebih baru
- Di Terminal dengan MLX dari Apple:
pip install mlx-lmmlx_lm.chat --model mlx-community/gpt-oss-20b-MXFP4-Q8Build: mlx-community/gpt-oss-20b-MXFP4-Q8 di Hugging Face. Presisi lain ada di sebelahnya.
Langkah demi langkah: unduh dan jalankan LLM di Mac · cara memakai MLX Harness · MLX vs Ollama vs llama.cpp
Tentang gpt-oss-20b
| Dibuat oleh | OpenAI |
|---|---|
| Parameter | 21B total · 3,6B aktif (mixture of experts) |
| Konteks | 128K token |
| Lisensi | Apache-2.0 |
| Dirilis | 2025-08 |
| Input | Teks |
| Kecerdasan | 9 di Artificial Analysis Intelligence Index |
| Bobot | openai/gpt-oss-20b |
Pertanyaan
- Berapa memori yang dibutuhkan gpt-oss-20b?
- Sekitar 13,8 GB untuk bobot pada 4,25-bit bawaan, ditambah ruang untuk konteks: total 15,3 GB. Di Mac artinya memori terpadu 24 GB atau lebih, karena secara bawaan macOS mengizinkan GPU memakai sekitar 75% darinya.
- Seberapa cepat gpt-oss-20b di Mac?
- Kecepatan menulis bergantung pada bandwidth memori. Mac tercepat untuknya di sini adalah M5 Ultra dengan 96 GB, sekitar 284–505 token per detik (4,25-bit bawaan). Mac terkecil yang bisa menjalankannya, dengan 24 GB, mencapai sekitar 73–129 pada M5 Pro.
- Mengapa gpt-oss-20b berjalan lebih cepat daripada ukurannya?
- Ini model mixture-of-experts: ia menyimpan 21B parameter di memori tetapi hanya membaca 3,6B untuk setiap token, sehingga menulis secepat model yang jauh lebih kecil.
Model serupa
Untuk kartu model atau README Anda
Menampilkan Mac terkecil yang menjalankan gpt-oss-20b dengan baik dan menautkan ke sini.
[](https://mlx.app/run/gpt-oss-20b)Cara menghitungnya
Memori: parameter model pada 8, 6, 4, 3, atau 2 bit per bobot ditambah skala grup MLX (setengah bit per bobot), atau format bawaannya, ditambah ruang untuk konteks. Secara bawaan macOS mengizinkan GPU memakai sekitar 75% memori terpadu. Kecepatan: bandwidth memori dibagi jumlah byte yang dibaca per token adalah batas atas untuk satu percakapan; dalam benchmark Apple Silicon publik llama.cpp, proses nyata mencapai sekitar 45% hingga 80% darinya, dan rentang itulah yang ditampilkan. Ini perkiraan, bukan pengukuran: ukur Mac Anda sendiri di MLX Bench. Angka model dari kartu model resmi masing-masing, angka chip dari Spesifikasi Teknis Apple. Diperiksa 2026-10-19. Data sama dengan mlx.app/compare.