gpt-oss — открытые модели OpenAI с рассуждением и лицензией Apache 2.0. Их веса изначально выпущены в 4 битах (MXFP4), поэтому сжимать нечего: gpt-oss-20b занимает 12 ГБ, gpt-oss-120b — 63 ГБ при полном качестве. Ниже — сколько видеопамяти им нужно и ссылки на готовые сборки трёх уровней.
Сборка под gpt-oss-20bВсе модели
Модели и сборки
| Модель | Главное применение | Нужно на «Экономично» | Сборка |
|---|---|---|---|
| gpt-oss-20b | недорогой локальный ассистент | 13,4 ГБ | башня · в стойку |
| gpt-oss-120b | сильный ассистент для отдела, код | 66,3 ГБ | башня · в стойку |
Какую взять. gpt-oss-20b — недорогой локальный ассистент на одной видеокарте за 16 ГБ. gpt-oss-120b заметно сильнее и лучше пишет по-русски, а на одной RTX PRO 6000 (96 ГБ) отвечает около 200 токенов в секунду.
Уровни: Экономично — самый доступный вариант, на котором модель работает целиком; Сбалансировано — больше бит и длиннее окно; С запасом — несколько пользователей сразу. Цена в тексте не указана: она меняется каждый день и показывается в конфигураторе по ссылке.
OpenAI gpt-oss-20b
Открытая модель OpenAI с рассуждением: веса изначально в 4 битах (MXFP4), поэтому сжимать нечего — 12 ГБ при полном качестве. Влезает в одну видеокарту на 16 ГБ.
Для чего: недорогой локальный ассистент, рассуждения и вызов инструментов, обучение и эксперименты.
- Разработчик: OpenAI, выпуск — август 2025.
- Параметров: 21 млрд, из них на каждый токен работают 3,6 млрд («смесь экспертов», MoE).
- Понимает: текст.
- Контекст: до 128 тыс. токенов.
- Лицензия: Apache 2.0. Русский язык: средне.
- В Ollama:
gpt-oss:20b; веса — на Hugging Face (openai/gpt-oss-20b).
Сколько видеопамяти нужно одному пользователю — веса, кэш контекста в 8 битах и служебная память:
| Сжатие | Файл модели | Видеопамяти с окном 32 тыс. токенов | С окном 128 тыс. |
|---|---|---|---|
| Q4_K_M (4 бита) | 11,6 ГБ | 13,4 ГБ | 14,6 ГБ |
| Q6_K (6 бит) | 12 ГБ | 13,8 ГБ | 15 ГБ |
| Q8_0 (8 бит) | 12,1 ГБ | 13,9 ГБ | 15,1 ГБ |
Веса выпущены сразу в MXFP4, поэтому файлы Q4, Q6 и Q8 почти одного размера — сжимать нечего, качество полное.
Готовые сборки. Ссылка откроет конфигуратор со сборкой из деталей в наличии и ценой на сегодня; уровень и корпус там можно поменять.
| Уровень | Что заложено | Нужно | Подойдёт | Готовая сборка |
|---|---|---|---|---|
| Экономично | родные 4 бита (MXFP4), окно 32 тыс. токенов, 1 пользователь | 13,4 ГБ | 16 ГБ (RTX 5060 Ti 16 ГБ и выше) | башня · в стойку |
| Сбалансировано | родные 4 бита (MXFP4), окно 64 тыс. токенов, 1 пользователь | 14,3 ГБ | 16 ГБ (RTX 5060 Ti 16 ГБ и выше) | башня · в стойку |
| С запасом | родные 4 бита (MXFP4), 4 пользователя по 32 тыс. токенов (vLLM) | 16,8 ГБ | 24 ГБ (RTX PRO 4000 и выше) | башня · в стойку |
OpenAI gpt-oss-120b
Старшая открытая модель OpenAI: 117 млрд параметров, на токен — 5 млрд, веса в родных 4 битах — 63 ГБ. На одной RTX PRO 6000 (96 ГБ) пишет около 200 токенов в секунду.
Для чего: сильный ассистент для отдела, рассуждения, код, агенты; замена облачным моделям внутри компании.
- Разработчик: OpenAI, выпуск — август 2025.
- Параметров: 117 млрд, из них на каждый токен работают 5,1 млрд («смесь экспертов», MoE).
- Понимает: текст.
- Контекст: до 128 тыс. токенов.
- Лицензия: Apache 2.0. Русский язык: хорошо.
- В Ollama:
gpt-oss:120b; веса — на Hugging Face (openai/gpt-oss-120b).
Сколько видеопамяти нужно одному пользователю — веса, кэш контекста в 8 битах и служебная память:
| Сжатие | Файл модели | Видеопамяти с окном 32 тыс. токенов | С окном 128 тыс. |
|---|---|---|---|
| Q4_K_M (4 бита) | 62,8 ГБ | 66,3 ГБ | 68,1 ГБ |
| Q6_K (6 бит) | 63,3 ГБ | 66,8 ГБ | 68,6 ГБ |
| Q8_0 (8 бит) | 63,4 ГБ | 66,9 ГБ | 68,7 ГБ |
Веса выпущены сразу в MXFP4, поэтому файлы Q4, Q6 и Q8 почти одного размера — сжимать нечего, качество полное.
Готовые сборки. Ссылка откроет конфигуратор со сборкой из деталей в наличии и ценой на сегодня; уровень и корпус там можно поменять.
| Уровень | Что заложено | Нужно | Подойдёт | Готовая сборка |
|---|---|---|---|---|
| Экономично | родные 4 бита (MXFP4), окно 32 тыс. токенов, 1 пользователь | 66,3 ГБ | 96 ГБ (RTX PRO 6000) или 2–4 карты | башня · в стойку |
| Сбалансировано | родные 4 бита (MXFP4), окно 64 тыс. токенов, 1 пользователь | 67,4 ГБ | 96 ГБ (RTX PRO 6000) или 2–4 карты | башня · в стойку |
| С запасом | родные 4 бита (MXFP4), 4 пользователя по 32 тыс. токенов (vLLM) | 76,3 ГБ | 96 ГБ (RTX PRO 6000) или 2–4 карты | башня · в стойку |
Как мы считаем видеопамять
Видеопамять = файл модели + проектор картинок (у моделей, которые видят изображения) + кэш контекста в 8 битах + 1 ГБ служебной памяти + 3 % от весов. Кэш растёт с длиной окна и числом одновременных пользователей; для нескольких пользователей (vLLM) берём ещё 10 % запаса. Расчёт сверен с нашим ИИ-сервером: для Qwen 3.8 27B в Q4 формула даёт 20 ГБ, замер — 17,5 ГБ; для Gemma 4 31B QAT — 22 и 19,2 ГБ, то есть с запасом. Если модель не помещается в видеопамять целиком, часть слоёв уходит в оперативную память и ответ замедляется в разы.
Чем запускать
Ollama и LM Studio — проще всего начать, работают на Windows и Linux. llama.cpp — гибкая работа с файлами GGUF, в том числе модель в оперативной памяти с выносом общих слоёв на видеокарту (--n-cpu-moe). vLLM — для нескольких пользователей сразу и для нескольких видеокарт (тензорный параллелизм, поэтому карт 1, 2, 4 или 8). Для больших моделей в оперативной памяти — также ktransformers.
Частые вопросы
Какие системные требования у gpt-oss-20b?
Файл модели — 11,6 ГБ; с окном 32 тыс. токенов нужно около 13,4 ГБ видеопамяти — видеокарта на 16 ГБ, например GeForce RTX 5060 Ti 16 ГБ. Для четырёх пользователей сразу — около 17 ГБ, это карта на 24 ГБ.
Какие системные требования у gpt-oss-120b?
Файл — 62,8 ГБ; с окном 32 тыс. токенов нужно около 66 ГБ видеопамяти — одна RTX PRO 6000 Blackwell (96 ГБ). По опубликованным замерам на такой карте — около 196 токенов в секунду. Для четырёх пользователей — около 76 ГБ: та же карта или четыре по 24 ГБ в сервере.
Нужно ли сжимать gpt-oss в Q4?
Нет: веса уже в родном 4-битном формате MXFP4. Файлы «Q4», «Q6» и «Q8» почти одного размера — берите родной вариант, он и есть полное качество.
Как gpt-oss пишет по-русски?
gpt-oss-20b — средне, gpt-oss-120b — хорошо. Если основная работа — тексты на русском, посмотрите также GigaChat и T-pro или Qwen.
Сколько стоит компьютер для gpt-oss?
Цена зависит от модели, уровня и корпуса и меняется вместе с ценами видеокарт, поэтому в тексте её нет. Нажмите ссылку на сборку — конфигуратор покажет состав и цену на сегодня из деталей в наличии; там же можно сменить уровень, корпус или любую деталь.
Сколько времени занимает сборка и доставка?
Собираем из деталей в наличии и тестируем за 4–5 дней после оплаты. Доставка по России бесплатная — до адреса, со страховкой.
Как оплатить и какая гарантия?
Безналичный расчёт по договору, цены с НДС — работаем с юридическими лицами. Гарантия — 1 год на сервер и комплектующие.
Смотрите также
- Компьютер и сервер для нейросетей — все модели
- Компьютер и сервер для Qwen
- Компьютер и сервер для Gemma 4
- Сервер для DeepSeek V4
- Сервер для GigaChat
- Компьютер и сервер для GLM
- Сервер для Kimi K2.6
- Какая видеокарта нужна для нейросети: таблица по моделям
- Квантование нейросети: Q4, Q6 или Q8 — что выбрать
- Локальная нейросеть: компьютер, рабочая станция или сервер
- Наш ИИ-сервер: RTX 5090 и RTX 5060 Ti, Qwen 3.8 27B и Gemma 4 31B
- Сервер для нейросетей и локальных LLM: какие видеокарты и сколько видеопамяти нужно
- GPU-сервер на 1, 2 или 4 видеокарты
- Профессиональные видеокарты NVIDIA