GPT-OSS显存与GPU需求计算器
计算GPT-OSS部署所需的显存和GPU数量,支持NVIDIA、AMD、苹果、华为等各厂商显卡
张卡
显存需求 59.31 GB
需要 1 张显卡(基于显存容量)
58.5 GB
所有模型权重
0.28 GB
对话历史缓存
0.43 GB
专家模型优化
0.1 GB
临时计算缓存
总吞吐量
1100 tokens/s
每用户吞吐量
1100 tokens/s/user
预估延迟
136 ms
最大QPS
7.3 queries/s
基于 1x NVIDIA H100 (80GB) 的显存带宽与算力模型推算的参考推理速率。
一键部署命令生成
vllm serve openai/gpt-oss-120b --max-model-len 8192
命令参数已自动匹配当前所选精度、上下文长度与多卡张量并行数量。查看 GPT-OSS-120B 专属显存指南 →
GPT-OSS 模型架构与显存规格
总参数量
117B
模型架构
MoE(单步激活 5.1B)
发布厂商
OpenAI
推荐部署精度
MXFP4
GPT-OSS 不同精度与上下文显存占用矩阵
预计算的并发=1 显存总占用(含模型权重 + KV Cache + 运行时开销)。
| 量化精度 | 8K 上下文 | 32K 上下文 | 128K 上下文 |
|---|---|---|---|
| FP16 | 235.7 GB | 239.2 GB | 252.9 GB |
| FP8 | 118.1 GB | 120.0 GB | 126.9 GB |
| INT8 | 118.1 GB | 120.0 GB | 126.9 GB |
| INT4 | 59.3 GB | 60.3 GB | 63.9 GB |
GPT-OSS 推荐 GPU 硬件配置表(MXFP4)
基于 8K 上下文、单并发推算所需最小卡数与单流生成速率。
| GPU 显卡型号 | 最低卡数 | 总显存池 | 预估速度 |
|---|---|---|---|
| NVIDIA RTX 4090 (24GB) | 3× | 72 GB | 2722 tok/s |
| NVIDIA RTX 5090 (32GB) | 2× | 64 GB | 2267 tok/s |
| Apple M4 Max (128GB) (128GB) | 1× | 128 GB | 137 tok/s |
| NVIDIA A100 (80GB) (80GB) | 1× | 80 GB | 647 tok/s |
| NVIDIA H100 (80GB) | 1× | 80 GB | 1100 tok/s |
| NVIDIA H200 (141GB) | 1× | 141 GB | 1600 tok/s |
| Huawei Ascend 910B (64GB) | 1× | 64 GB | 400 tok/s |
GPT-OSS 部署常见问题
运行 GPT-OSS 最低需要多大显存?
在 8K 上下文单并发场景下,GPT-OSS 于 FP16 精度约需 235.7 GB,FP8 约需 118.1 GB,INT4 量化后仅需约 59.3 GB 显存。
用 RTX 4090 或 H100 部署 GPT-OSS 需要几张卡?
以 MXFP4 精度运行 GPT-OSS,至少需要 3 张 RTX 4090 (24GB) 或 1 张 NVIDIA H100 (80GB)。
生产环境运行 GPT-OSS 推荐哪种量化精度?
对于 OpenAI 推出的 GPT-OSS(117B),推荐优先使用 MXFP4,在生成质量、显存开销与吞吐效率间表现最佳。