Bolehkah saya jalankan gpt-oss-20b secara tempatan?

Ya. Berat model terbuka di bawah Apache 2.0 dan model muat dalam 16 GB memori berkat kuantisasi MXFP4 bagi berat MoE. Ia berjalan melalui Transformers atau vLLM.

Berapa kosnya dan berapa tetingkap konteks?

Melalui API ia berharga $0.02 setiap sejuta token input dan $0.09 setiap sejuta token output, dengan tetingkap konteks 131,072 token.

Bagaimana gpt-oss-20b berbeza daripada gpt-oss-120b?

gpt-oss-20b adalah varian latensi rendah dan penggunaan memori rendah yang disasarkan untuk penggunaan tempatan atau penyebaran khusus; gpt-oss-120b mempunyai 117B parameter dan dimaksudkan untuk beban kerja pengeluaran, tujuan umum dan penalaran tinggi pada satu GPU 80 GB.

Gpt oss 20b

5516°

#llm #openai #penalaran #ejen #pengaturcaraan #tempatan

Berjalan di Graydient

Jalankan model ini

Tawaran / Iklan

Easy Creator (Prism) Web

Tanpa had · yuran tetap

Terbaik untuk pemula. Aliran kerja yang kuat, lengkung pembelajaran rendah.

PirateDiffusion Telegram

Tanpa had · yuran tetap

Cipta video, imej, persona sembang tersuai, dan banyak lagi.

Pro studio (SpyGlass) Web

Tanpa had · yuran tetap

Layari model, render dan perbaiki dari mana-mana pelayar atau telefon.

Discord bot (Vector)

Tanpa had · yuran tetap

Tambah Vector ke pelayan anda atau sertai Discord Vector. Cipta apa sahaja!

Unified Editor Web

Tanpa had · yuran tetap

Editor untuk imej dan video: render, sunting, tingkatkan dan banyak lagi dalam satu halaman.

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

Aplikasi tempatan

Perlu tetapan

Pasang program tempatan kalau komputer kau cukup kuat.

ModelDuel Web

Bayar ikut guna

Jana arahan yang sama pada sehingga 50 model checkpoint/asas sekaligus.

Sewa GPU di awan

Graydient Cloud GPU

Tanpa had · yuran tetap

Bayaran tetap, penggunaan tanpa had. Model ini dipasang dengan satu klik.

RunPod Cloud GPU

Caj mengikut minit

Sewa GPU mengikut minit dan pasang model sendiri.

Panduan untuk model ini

Cara Pasang Ollama dan Jalankan AI Tempatan (Windows, Mac, Linux)

Ollama vs LM Studio (2026): aplikasi AI tempatan mana yang patut digunakan, dan model teratas yang dijalankan oleh setiap satu

LLM tempatan terbaik mengikut kegunaan (Oktober 2026): model terbuka yang sesuai untuk setiap kerja

Apakah fail GGUF? Model kuantisasi diterangkan (Q4, Q8, fp8, NF4)

Berapa banyak VRAM yang saya perlukan untuk AI tempatan?

Semua panduan

OpenAI | konteks token 131,072 | $0.02/M input, $0.09/M output. gpt-oss-20b adalah model parameter 21B berat terbuka yang dikeluarkan oleh OpenAI di bawah lesen Apache 2.0. Ia menggunakan seni bina Mixture-of-Experts (MoE) dengan 3.6B parameter aktif setiap laluan ke hadapan, dioptimumkan untuk inferens latensi rendah dan boleh digunakan pada perkakasan pengguna atau GPU tunggal. Model ini dilatih dalam format respons Harmony OpenAI dan menyokong konfigurasi tahap penalaran, penalaan halus, dan keupayaan agen termasuk panggilan fungsi, penggunaan alat, dan output berstruktur.

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

gpt-oss-20b adalah model penalaran berat terbuka yang lebih kecil dari OpenAI: 21B parameter, seni bina MoE, hanya 3.6B aktif setiap laluan ke hadapan, dan muat dalam 16 GB memori. Dilesenkan di bawah Apache 2.0, boleh disesuaikan, dan dibina untuk kerja agen termasuk panggilan fungsi dan output berstruktur. Sesuai untuk pembangun yang mahukan model penalaran terlatih OpenAI yang boleh dijalankan secara tempatan atau dikerahkan dengan kos rendah tanpa perjanjian penggunaan.

Dikenali untuk

Reka bentuk MoE mengekalkan parameter aktif pada 3.6B, membolehkan inferens pantas dan penggunaan memori rendah
Usaha penalaran boleh dikonfigurasikan: rendah, sederhana atau tinggi untuk menukar latensi dengan kedalaman
Output rantai pemikiran penuh boleh dilihat oleh pembangun untuk penyahpepijatan
Panggilan fungsi asli, penggunaan alat dan output berstruktur untuk saluran agen
Lesen Apache 2.0: penggunaan komersial dan penalaan tanpa sekatan copyleft

Berhati-hati dengan

Mesti digunakan dengan format respons Harmony OpenAI; pemanggilan arahan standard tidak akan berfungsi dengan betul.
Output rantai pemikiran adalah untuk pemeriksaan pembangun sahaja, bukan untuk pengguna akhir.
Adik-beradik yang lebih kecil kepada gpt-oss-120b; untuk tugas penalaran berisiko tinggi model yang lebih besar adalah pilihan yang dimaksudkan.

Terbaik untuk

Penalaran

Ejen dan penggunaan alat

Pengaturcaraan

Jalankan secara tempatan

Pantas

Arahan untuk cuba

Sahihkan rantai panggilan fungsi

Saya mempunyai agen Python yang memanggil tiga alat secara berurutan: get_weather, get_forecast, dan send_alert. send_alert diaktifkan walaupun keadaan normal. Jejaki kemungkinan ralat logik, cadangkan pembetulan, dan tunjukkan aliran panggilan alat yang betul dengan cabang bersyarat yang sesuai.

Teka-teki penalaran langkah demi langkah

Seorang petani mempunyai 17 biri-biri. Semua kecuali 9 mati. Berapa yang tinggal? Jelaskan mengapa soalan ini mengelirukan kebanyakan model bahasa, apa jawapan yang betul, dan corak penalaran yang anda gunakan untuk mengelakkan perangkap.

Ekstrak output berstruktur

Ekstrak medan berikut dari iklan kerja ini sebagai objek JSON: job_title, company, location, salary_range, required_years_experience, remote_policy. Iklan kerja: Jurutera ML Kanan di Acme Corp, San Francisco atau jauh, $180k–$220k, pengalaman 5+ tahun diperlukan, hibrid 2 hari di pejabat.

Bandingkan dengan

GPT-6 Luna
Model hanya API
konteks 1,050,000 token · Input $0.10/M, output $0.50/M
GPT-5.6 Luna
Model hanya API
konteks 1,050,000 token · Input $0.20/M, output $1.20/M
GPT-5.6 Sol
Model hanya API
konteks 1,050,000 token · Input $4.00/M, output $20.00/M
GPT-6.1 Sol
Model hanya API
konteks 1,050,000 token · Input $2.00/M, output $10.00/M

Lebih banyak model teks dari openai

Soalan yang sering ditanya

Bolehkah saya jalankan gpt-oss-20b secara tempatan?: Ya. Berat model terbuka di bawah Apache 2.0 dan model muat dalam 16 GB memori berkat kuantisasi MXFP4 bagi berat MoE. Ia berjalan melalui Transformers atau vLLM.
Berapa kosnya dan berapa tetingkap konteks?: Melalui API ia berharga $0.02 setiap sejuta token input dan $0.09 setiap sejuta token output, dengan tetingkap konteks 131,072 token.
Bagaimana gpt-oss-20b berbeza daripada gpt-oss-120b?: gpt-oss-20b adalah varian latensi rendah dan penggunaan memori rendah yang disasarkan untuk penggunaan tempatan atau penyebaran khusus; gpt-oss-120b mempunyai 117B parameter dan dimaksudkan untuk beban kerja pengeluaran, tujuan umum dan penalaran tinggi pada satu GPU 80 GB.

Keputusan Kapten
Model penalaran terbuka yang benar-benar boleh ditala dan muat pada GPU 16 GB — cukup jarang dari mana-mana makmal, apatah lagi OpenAI.

Kad model di Hugging Face

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh berubah.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Bagaimana skor ini dijumlahkan

Model ini belum ada data populariti dari mana-mana sumber lagi, jadi ia membawa nombor gantian di bawah 7,000° yang memastikan senarai lengkap. Ia tidak pernah menduduki tempat lebih tinggi daripada model yang ada data. Pecahan muncul di sini sebaik sahaja sumber melaporkannya.

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Model serupa

Llama 3.2 90B Vision Instruct

TEXT / LLM

Grok 4.3

TEXT / LLM

Model AI untuk penjanaan imej, video dan teks

Gpt oss 20b ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain, semak skor habanya untuk melihat trendnya, dan bukanya di PirateDiffusion atau BitVector untuk mencubanya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm openai penalaran ejen pengaturcaraan tempatan pantas

Layari mengikut keluarga model