Memori pada setiap kepersisan
| Versi | Pemberat | Dengan konteks | Mac terkecil |
|---|---|---|---|
| 4.25-bit asli | 65.3 GB | 70.5 GB | 96 GB |
| 3-bit kualiti lebih rendah | 51.2 GB | 55.3 GB | 96 GB |
| 2-bit kualiti lebih rendah | 36.6 GB | 39.5 GB | 64 GB |
Pada setiap cip Apple
Saiz memori terkecil setiap cip yang menjalankan gpt-oss-120b, versi terbaik yang muat, dan kelajuan menulis yang boleh anda jangkakan.
| Cip | Perlu | Versi | Token/s |
|---|---|---|---|
| M6 | tiada saiz yang muat | Terlalu besar | – |
| M5 Ultra | 96 GB | 4.25-bit asli Berjalan baik | 200–356 |
| M5 Max | 128 GB | 4.25-bit asli Berjalan baik | 102–182 |
| M5 Pro | 64 GB | 2-bit Berjalan baik | 86–154 |
| M5 | tiada saiz yang muat | Terlalu besar | – |
| M4 Max | 128 GB | 4.25-bit asli Berjalan baik | 91–162 |
| M4 Pro | 64 GB | 2-bit Berjalan baik | 77–137 |
| M4 | tiada saiz yang muat | Terlalu besar | – |
| M3 Ultra | 96 GB | 4.25-bit asli Berjalan baik | 137–243 |
| M3 Max | 96 GB | 4.25-bit asli Berjalan baik | 50–89 |
| M3 Pro | tiada saiz yang muat | Terlalu besar | – |
| M3 | tiada saiz yang muat | Terlalu besar | – |
| M2 Ultra | 128 GB | 4.25-bit asli Berjalan baik | 133–237 |
| M2 Max | 96 GB | 4.25-bit asli Berjalan baik | 67–119 |
| M2 Pro | tiada saiz yang muat | Terlalu besar | – |
| M2 | tiada saiz yang muat | Terlalu besar | – |
| M1 Ultra | 128 GB | 4.25-bit asli Berjalan baik | 133–237 |
| M1 Max | 64 GB | 2-bit Berjalan baik | 113–200 |
| M1 Pro | tiada saiz yang muat | Terlalu besar | – |
| M1 | tiada saiz yang muat | Terlalu besar | – |
Cara menjalankannya
- Cara mudah: muat turun MLX Harness, percuma dan sumber terbuka. Cari gpt-oss-120b, muat turun versi yang sesuai dengan Mac anda, dan mula bersembang. Ia juga menyediakan model kepada aplikasi anda yang lain melalui API yang serasi dengan OpenAI.Muat turun MLX HarnessPercuma · Apple Silicon · macOS 14.5 atau lebih baharu
- Dalam Terminal dengan MLX daripada Apple:
pip install mlx-lmmlx_lm.chat --model mlx-community/gpt-oss-120b-MXFP4-Q8Binaan: mlx-community/gpt-oss-120b-MXFP4-Q8 di Hugging Face. Kepersisan lain ada di sebelahnya.
Langkah demi langkah: muat turun dan jalankan LLM pada Mac · cara menggunakan MLX Harness · MLX vs Ollama vs llama.cpp
Tentang gpt-oss-120b
| Dibuat oleh | OpenAI |
|---|---|
| Parameter | 117B jumlah · 5.1B aktif (mixture of experts) |
| Konteks | 128K token |
| Lesen | Apache-2.0 |
| Dikeluarkan | 2025-08 |
| Input | Teks |
| Kecerdasan | 11.6 dalam Artificial Analysis Intelligence Index |
| Pemberat | openai/gpt-oss-120b |
Panduan: langkah demi langkah di mlx.app
Soalan
- Berapakah memori yang diperlukan oleh gpt-oss-120b?
- Kira-kira 65.3 GB pemberat pada 4.25-bit asli, serta ruang untuk konteks: 70.5 GB kesemuanya. Pada Mac, ini bermakna 96 GB memori bersatu atau lebih, kerana secara lalai macOS membenarkan GPU menggunakan kira-kira 75% daripadanya.
- Sepantas mana gpt-oss-120b pada Mac?
- Kelajuan menulis bergantung pada lebar jalur memori. Mac terpantas untuknya di sini ialah M5 Ultra dengan 96 GB, kira-kira 200–356 token sesaat (4.25-bit asli). Mac terkecil yang menjalankannya, dengan 96 GB, mencapai kira-kira 200–356 pada M5 Ultra.
- Mengapakah gpt-oss-120b berjalan lebih pantas daripada saiznya?
- Ia model mixture-of-experts: ia menyimpan 117B parameter dalam memori tetapi hanya membaca 5.1B bagi setiap token, jadi ia menulis sepantas model yang jauh lebih kecil.
Model serupa
Untuk kad model atau README anda
Menunjukkan Mac terkecil yang menjalankan gpt-oss-120b dengan baik dan memaut ke sini.
[](https://mlx.app/run/gpt-oss-120b)Cara ia dikira
Memori: parameter model pada 8, 6, 4, 3 atau 2 bit setiap pemberat serta skala kumpulan MLX (setengah bit setiap pemberat), atau format aslinya, dengan ruang untuk konteks di atasnya. Secara lalai macOS membenarkan GPU menggunakan kira-kira 75% memori bersatu. Kelajuan: lebar jalur memori dibahagikan dengan bait yang dibaca bagi setiap token ialah had atas untuk satu perbualan; dalam penanda aras Apple Silicon awam llama.cpp, larian sebenar mencapai kira-kira 45% hingga 80% daripadanya, dan julat itulah yang ditunjukkan. Ini anggaran, bukan ukuran: ukur Mac anda sendiri di MLX Bench. Angka model daripada kad model rasmi setiap model, angka cip daripada Spesifikasi Teknikal Apple. Disemak 2026-10-19. Data yang sama seperti mlx.app/compare.