Geheugen bij elke precisie
| Versie | Gewichten | Met context | Kleinste Mac |
|---|---|---|---|
| 4,25 bits native | 13,8 GB | 15,3 GB | 24 GB |
| 3 bits lagere kwaliteit | 9,2 GB | 10,7 GB | 16 GB |
| 2 bits lagere kwaliteit | 6,6 GB | 8,1 GB | 16 GB |
Op elke Apple-chip
Per chip de kleinste geheugengrootte die gpt-oss-20b draait, de beste versie die erin past en de schrijfsnelheid die je kunt verwachten.
| Chip | Nodig | Versie | Tokens/s |
|---|---|---|---|
| M6 | 24 GB | 4,25 bits native Draait goed | 40–72 |
| M5 Ultra | 96 GB | 4,25 bits native Draait goed | 284–505 |
| M5 Max | 36 GB | 4,25 bits native Draait goed | 109–194 |
| M5 Pro | 24 GB | 4,25 bits native Draait goed | 73–129 |
| M5 | 24 GB | 4,25 bits native Draait goed | 36–64 |
| M4 Max | 36 GB | 4,25 bits native Draait goed | 97–173 |
| M4 Pro | 24 GB | 4,25 bits native Draait goed | 65–115 |
| M4 | 24 GB | 4,25 bits native Draait goed | 28–51 |
| M3 Ultra | 96 GB | 4,25 bits native Draait goed | 194–345 |
| M3 Max | 36 GB | 4,25 bits native Draait goed | 71–126 |
| M3 Pro | 36 GB | 4,25 bits native Draait goed | 36–63 |
| M3 | 24 GB | 4,25 bits native Draait goed | 24–42 |
| M2 Ultra | 64 GB | 4,25 bits native Draait goed | 189–337 |
| M2 Max | 32 GB | 4,25 bits native Draait goed | 95–168 |
| M2 Pro | 32 GB | 4,25 bits native Draait goed | 47–84 |
| M2 | 24 GB | 4,25 bits native Draait goed | 24–42 |
| M1 Ultra | 64 GB | 4,25 bits native Draait goed | 189–337 |
| M1 Max | 32 GB | 4,25 bits native Draait goed | 95–168 |
| M1 Pro | 32 GB | 4,25 bits native Draait goed | 47–84 |
| M1 | 16 GB | 3 bits Draait goed | 19–34 |
Zo draai je het
- De makkelijke manier: download MLX Harness, gratis en open source. Zoek gpt-oss-20b, download de versie die bij je Mac past en begin te chatten. MLX Harness stelt het model ook beschikbaar aan je andere apps via een OpenAI-compatibele API.Download MLX HarnessGratis · Apple Silicon · macOS 14.5 of nieuwer
- In Terminal, met Apples MLX:
pip install mlx-lmmlx_lm.chat --model mlx-community/gpt-oss-20b-MXFP4-Q8Build: mlx-community/gpt-oss-20b-MXFP4-Q8 op Hugging Face. Andere precisies staan ernaast.
Stap voor stap: LLM's downloaden en draaien op een Mac · zo gebruik je MLX Harness · MLX vs Ollama vs llama.cpp
Over gpt-oss-20b
| Gemaakt door | OpenAI |
|---|---|
| Parameters | 21B totaal · 3,6B actief (mixture-of-experts) |
| Context | 128K tokens |
| Licentie | Apache-2.0 |
| Uitgebracht | 2025-08 |
| Invoer | Tekst |
| Intelligentie | 9 op de Artificial Analysis Intelligence Index |
| Gewichten | openai/gpt-oss-20b |
Vragen
- Hoeveel geheugen heeft gpt-oss-20b nodig?
- Ongeveer 13,8 GB aan gewichten op 4,25 bits native, plus ruimte voor de context: 15,3 GB in totaal. Op een Mac betekent dat 24 GB geïntegreerd geheugen of meer, omdat macOS de GPU standaard ongeveer 75% ervan laat gebruiken.
- Hoe snel is gpt-oss-20b op een Mac?
- De schrijfsnelheid hangt af van de geheugenbandbreedte. De snelste Mac hiervoor is een M5 Ultra met 96 GB, met ongeveer 284–505 tokens per seconde (4,25 bits native). De kleinste Mac die het draait, met 24 GB, haalt ongeveer 73–129 op een M5 Pro.
- Waarom draait gpt-oss-20b sneller dan je op basis van de grootte zou verwachten?
- Het is een mixture-of-expertsmodel: het houdt 21B parameters in het geheugen, maar leest per token maar 3,6B, dus het schrijft zo snel als een veel kleiner model.
Vergelijkbare modellen
Voor je modelkaart of README
Toont de kleinste Mac die gpt-oss-20b goed draait en linkt naar deze pagina.
[](https://mlx.app/run/gpt-oss-20b)Zo is het berekend
Geheugen: de parameters van het model op 8, 6, 4, 3 of 2 bits per gewicht plus de groepsschalen van MLX (een halve bit per gewicht), of het eigen formaat van het model, met daarbovenop ruimte voor de context. Standaard laat macOS de GPU ongeveer 75% van het geïntegreerde geheugen gebruiken. Snelheid: de geheugenbandbreedte gedeeld door het aantal bytes dat per token wordt gelezen, is het plafond voor één gesprek; in de openbare Apple Silicon-benchmarks van llama.cpp halen echte runs ongeveer 45% tot 80% daarvan, en dat is het bereik dat we tonen. Dit zijn schattingen, geen metingen: meet je eigen Mac op MLX Bench. Modelgegevens uit elke officiële modelkaart, chipgegevens uit de technische specificaties van Apple. Gecontroleerd op 2026-10-19. Dezelfde gegevens als mlx.app/compare.