Bộ nhớ ở từng mức chính xác
| Phiên bản | Trọng số | Kèm ngữ cảnh | Mac nhỏ nhất |
|---|---|---|---|
| 4,25-bit gốc | 65,3 GB | 70,5 GB | 96 GB |
| 3-bit chất lượng thấp hơn | 51,2 GB | 55,3 GB | 96 GB |
| 2-bit chất lượng thấp hơn | 36,6 GB | 39,5 GB | 64 GB |
Trên mọi chip Apple
Dung lượng bộ nhớ nhỏ nhất của mỗi chip chạy được gpt-oss-120b, phiên bản tốt nhất vừa với nó, và tốc độ viết bạn có thể kỳ vọng.
| Chip | Cần | Phiên bản | Token/giây |
|---|---|---|---|
| M6 | không dung lượng nào vừa | Quá lớn | – |
| M5 Ultra | 96 GB | 4,25-bit gốc Chạy tốt | 200–356 |
| M5 Max | 128 GB | 4,25-bit gốc Chạy tốt | 102–182 |
| M5 Pro | 64 GB | 2-bit Chạy tốt | 86–154 |
| M5 | không dung lượng nào vừa | Quá lớn | – |
| M4 Max | 128 GB | 4,25-bit gốc Chạy tốt | 91–162 |
| M4 Pro | 64 GB | 2-bit Chạy tốt | 77–137 |
| M4 | không dung lượng nào vừa | Quá lớn | – |
| M3 Ultra | 96 GB | 4,25-bit gốc Chạy tốt | 137–243 |
| M3 Max | 96 GB | 4,25-bit gốc Chạy tốt | 50–89 |
| M3 Pro | không dung lượng nào vừa | Quá lớn | – |
| M3 | không dung lượng nào vừa | Quá lớn | – |
| M2 Ultra | 128 GB | 4,25-bit gốc Chạy tốt | 133–237 |
| M2 Max | 96 GB | 4,25-bit gốc Chạy tốt | 67–119 |
| M2 Pro | không dung lượng nào vừa | Quá lớn | – |
| M2 | không dung lượng nào vừa | Quá lớn | – |
| M1 Ultra | 128 GB | 4,25-bit gốc Chạy tốt | 133–237 |
| M1 Max | 64 GB | 2-bit Chạy tốt | 113–200 |
| M1 Pro | không dung lượng nào vừa | Quá lớn | – |
| M1 | không dung lượng nào vừa | Quá lớn | – |
Cách chạy
- Cách dễ nhất: tải MLX Harness, miễn phí và mã nguồn mở. Tìm gpt-oss-120b, tải phiên bản vừa với Mac của bạn và bắt đầu trò chuyện. Ứng dụng cũng cung cấp mô hình cho các ứng dụng khác qua API tương thích OpenAI.Tải MLX HarnessMiễn phí · Apple Silicon · macOS 14.5 trở lên
- Trong Terminal với MLX của Apple:
pip install mlx-lmmlx_lm.chat --model mlx-community/gpt-oss-120b-MXFP4-Q8Bản dựng: mlx-community/gpt-oss-120b-MXFP4-Q8 trên Hugging Face. Các mức chính xác khác nằm ngay cạnh.
Từng bước: tải và chạy LLM trên Mac · cách dùng MLX Harness · MLX vs Ollama vs llama.cpp
Về gpt-oss-120b
| Nhà phát triển | OpenAI |
|---|---|
| Tham số | Tổng 117B · 5,1B hoạt động (mixture-of-experts) |
| Ngữ cảnh | 128K token |
| Giấy phép | Apache-2.0 |
| Phát hành | 2025-08 |
| Đầu vào | Văn bản |
| Trí tuệ | 11,6 trên Artificial Analysis Intelligence Index |
| Trọng số | openai/gpt-oss-120b |
Hướng dẫn: từng bước trên mlx.app
Câu hỏi
- gpt-oss-120b cần bao nhiêu bộ nhớ?
- Khoảng 65,3 GB cho trọng số ở mức 4,25-bit gốc, cộng thêm chỗ cho ngữ cảnh: tổng cộng 70,5 GB. Trên Mac, điều đó có nghĩa là cần từ 96 GB bộ nhớ hợp nhất trở lên, vì mặc định macOS cho GPU dùng khoảng 75% bộ nhớ.
- gpt-oss-120b chạy nhanh đến đâu trên Mac?
- Tốc độ viết phụ thuộc vào băng thông bộ nhớ. Mac nhanh nhất cho mô hình này ở đây là M5 Ultra với 96 GB, khoảng 200–356 token mỗi giây (4,25-bit gốc). Mac nhỏ nhất chạy được nó, M5 Ultra với 96 GB, đạt khoảng 200–356.
- Vì sao gpt-oss-120b chạy nhanh hơn kích thước của nó?
- Đây là mô hình mixture-of-experts: nó giữ 117B tham số trong bộ nhớ nhưng mỗi token chỉ đọc 5,1B, nên viết nhanh như một mô hình nhỏ hơn nhiều.
Mô hình tương tự
Cho thẻ mô hình hoặc README của bạn
Hiển thị chiếc Mac nhỏ nhất chạy tốt gpt-oss-120b và liên kết tới trang này.
[](https://mlx.app/run/gpt-oss-120b)Cách tính
Bộ nhớ: số tham số của mô hình ở 8, 6, 4, 3 hoặc 2 bit mỗi trọng số cộng với hệ số tỷ lệ theo nhóm của MLX (nửa bit mỗi trọng số), hoặc theo định dạng gốc, rồi thêm chỗ cho ngữ cảnh. Mặc định macOS cho GPU dùng khoảng 75% bộ nhớ hợp nhất. Tốc độ: băng thông bộ nhớ chia cho số byte đọc mỗi token là mức trần cho một cuộc trò chuyện; trong benchmark Apple Silicon công khai của llama.cpp, thực tế đạt khoảng 45% đến 80% mức đó, và đó là khoảng được hiển thị. Đây là ước tính, không phải số đo: hãy đo chính Mac của bạn trên MLX Bench. Số liệu mô hình lấy từ thẻ mô hình chính thức, số liệu chip từ Thông số kỹ thuật của Apple. Kiểm tra ngày 2026-10-19. Cùng dữ liệu với mlx.app/compare.