로그인지갑 만들기

Mac에서 gpt-oss-120b 실행할 수 있을까?

네, 통합 메모리가 96GB 이상이면 됩니다. gpt-oss-120b 모델의 파라미터는 117B이고, 토큰마다 그중 5.1B만 활성화됩니다. 정밀도별로 필요한 메모리와 각 Apple 칩에서의 속도를 정리했습니다.

네이티브 4.25비트 메모리70.5 GB가중치 65.3 GB + 컨텍스트
최소 사양 Mac96 GB네이티브 4.25비트 · Mac 구성 23가지
가장 빠른 Mac200–356토큰/초 · M5 Ultra 96GB(추정)

정밀도별 메모리

버전가중치컨텍스트 포함최소 사양 Mac
네이티브 4.25비트65.3 GB70.5 GB96 GB
3비트 품질 낮음51.2 GB55.3 GB96 GB
2비트 품질 낮음36.6 GB39.5 GB64 GB

모든 Apple 칩에서

칩마다 gpt-oss-120b 모델을 실행할 수 있는 가장 작은 메모리 용량, 거기에 맞는 최적의 버전, 예상 생성 속도입니다.

칩필요량버전토큰/초
M6맞는 용량 없음너무 큼–
M5 Ultra96 GB네이티브 4.25비트 쾌적함200–356
M5 Max128 GB네이티브 4.25비트 쾌적함102–182
M5 Pro64 GB2비트 쾌적함86–154
M5맞는 용량 없음너무 큼–
M4 Max128 GB네이티브 4.25비트 쾌적함91–162
M4 Pro64 GB2비트 쾌적함77–137
M4맞는 용량 없음너무 큼–
M3 Ultra96 GB네이티브 4.25비트 쾌적함137–243
M3 Max96 GB네이티브 4.25비트 쾌적함50–89
M3 Pro맞는 용량 없음너무 큼–
M3맞는 용량 없음너무 큼–
M2 Ultra128 GB네이티브 4.25비트 쾌적함133–237
M2 Max96 GB네이티브 4.25비트 쾌적함67–119
M2 Pro맞는 용량 없음너무 큼–
M2맞는 용량 없음너무 큼–
M1 Ultra128 GB네이티브 4.25비트 쾌적함133–237
M1 Max64 GB2비트 쾌적함113–200
M1 Pro맞는 용량 없음너무 큼–
M1맞는 용량 없음너무 큼–

실행하는 방법

  1. 가장 쉬운 방법: 무료 오픈 소스인 MLX Harness를 다운로드하세요. gpt-oss-120b 모델을 검색해 내 Mac에 맞는 버전을 받으면 바로 채팅할 수 있습니다. OpenAI 호환 API로 다른 앱에 모델을 제공할 수도 있습니다.MLX Harness 다운로드무료 · Apple Silicon · macOS 14.5 이상
  2. 터미널에서 Apple의 MLX로:pip install mlx-lmmlx_lm.chat --model mlx-community/gpt-oss-120b-MXFP4-Q8빌드: Hugging Face의 mlx-community/gpt-oss-120b-MXFP4-Q8. 다른 정밀도도 같은 곳에 있습니다.

단계별 안내: Mac에서 LLM 다운로드하고 실행하기 · MLX Harness 사용법 · MLX vs Ollama vs llama.cpp

gpt-oss-120b 정보

개발사OpenAI
파라미터전체 117B · 활성 5.1B(전문가 혼합)
컨텍스트128K토큰
라이선스Apache-2.0
출시2025-08
입력텍스트
지능Artificial Analysis Intelligence Index 11.6점
가중치openai/gpt-oss-120b

가이드: mlx.app 단계별 안내

자주 묻는 질문

gpt-oss-120b 모델에는 메모리가 얼마나 필요한가요?
네이티브 4.25비트에서 가중치가 약 65.3 GB이고, 컨텍스트 여유까지 더하면 모두 70.5 GB입니다. macOS는 기본적으로 GPU가 통합 메모리의 약 75%를 쓰도록 허용하므로, Mac에서는 통합 메모리가 96GB 이상 필요합니다.
Mac에서 gpt-oss-120b 모델은 얼마나 빠른가요?
생성 속도는 메모리 대역폭에 달려 있습니다. 여기서 가장 빠른 Mac은 96GB M5 Ultra로, 초당 약 200–356토큰입니다(네이티브 4.25비트). 실행할 수 있는 최소 사양 Mac인 96GB M5 Ultra에서는 초당 약 200–356토큰입니다.
gpt-oss-120b 모델이 크기에 비해 빠른 이유는 무엇인가요?
전문가 혼합(MoE) 모델이기 때문입니다. 메모리에는 117B 파라미터를 올려 두지만 토큰마다 5.1B만 읽으므로, 훨씬 작은 모델과 비슷한 속도로 생성합니다.

비슷한 모델

모든 모델 · 모든 Mac · 내 Mac 비교하기

모델 카드나 README용

Runs on a Mac: gpt-oss-120b gpt-oss-120b 모델을 쾌적하게 실행하는 최소 사양 Mac을 보여 주고 이 페이지로 연결합니다.

[![Runs on a Mac](https://mlx.app/badge/run/gpt-oss-120b.svg)](https://mlx.app/run/gpt-oss-120b)

계산 방법

메모리: 모델 파라미터를 가중치당 8, 6, 4, 3, 2비트로 계산하고 MLX의 그룹 스케일(가중치당 0.5비트)을 더하거나 네이티브 형식 그대로 계산한 뒤, 컨텍스트를 위한 여유를 더했습니다. macOS는 기본적으로 GPU가 통합 메모리의 약 75%를 쓰도록 허용합니다. 속도: 메모리 대역폭을 토큰당 읽는 바이트 수로 나눈 값이 한 대화의 상한입니다. llama.cpp의 Apple Silicon 공개 벤치마크에서 실제 속도는 그 상한의 약 45~80%였고, 여기 표시한 범위가 바로 그 값입니다. 측정값이 아닌 추정값이니, 내 Mac은 MLX Bench에서 직접 측정해 보세요. 모델 수치는 각 공식 모델 카드, 칩 수치는 Apple 기술 사양에서 가져왔습니다. 2026-10-19 확인. mlx.app/compare와 같은 데이터입니다.

Mac에서 gpt-oss-120b 실행될까? 메모리와 속도