gpt-oss-120bをローカルで動かすのに最適なGPU
2026年10月時点のリアルタイム価格とおすすめハードウェアに更新済みです。
gpt-oss-120bはmixture-of-expertsモデルです。117B個のパラメータすべてがVRAMに常駐する必要がありますが、トークンごとに活性化するのは5.1B個のみです — そのため、同サイズのdenseモデルよりはるかに高速に生成できますが、必要なメモリは同サイズ分のままです。
gpt-oss-120bをローカルで動かすには、Q4_K_M量子化・32kトークンのコンテキストでおよそ67.9GBのVRAMが必要です。 収まる中で最もコスパの良いカードはRTX PRO 6000 Blackwell（96GB）で、毎秒約190トークンを生成できると見込まれます。
コンテキスト長を調整
スライダーでよく使われるサイズを選ぶか、任意の値を直接入力してください。
推奨ハードウェア
Q3の重みは約50GBで、あらゆるコンシューマー向けカードの容量を超えているため、単一GPUでの最低ラインは96GBのRTX PRO 6000 Blackwellです。トークンごとに活性化するパラメータはわずか5.1Bのため、llama.cppのエキスパートオフロード（--n-cpu-moe）を使う方が安上がりです：ホットパスを24〜48GBのカードに保持し、エキスパートをシステムRAMからページングします。
推奨ハードウェア
Q4の重みは約67GBで、このモデルのネイティブ形式であるMXFP4（約63GB）に近い容量です。単一の96GB RTX PRO 6000 Blackwell（または80GBのデータセンター向けカード）なら、フル品質・フルコンテキストで動作させられます。アクティブパラメータはわずか5.1Bのため、総計117Bにもかかわらずデコードは高速です。
Q8には約135GBが必要で、マルチGPUまたは統合メモリの構成が必要です。gpt-ossはMXFP4形式で提供されており、その約4ビット形式ですでにほぼ無劣化であるため、Q8のために追加のハードウェアを用意する価値はほとんどありません。
同じVRAM要件を持つ他のモデル
gpt-oss-120bの重みは96GBのカードに収まるため、同程度のサイズの他のモデルも同じGPUで動作します。生成速度は異なります — mixture-of-expertsモデルは高速で、denseモデルは低速です — が、いずれも同じVRAM容量で読み込めます：
gpt-oss-120b向けに構成を最適化
量子化の推奨
日常的なコーディングや推論タスクには、Q4_K_M（4ビット量子化）が品質とメモリ効率の最良のバランスを提供します — FP16と比較してメモリ要件を70%以上削減しながら、品質低下はごくわずかです。Q8以上のプリセットはより高い忠実度を保ちますが、VRAM使用量が大幅に増加するため、レイヤーオフロードが必要になりスループットが低下する場合があります。
推奨ローカルソフトウェア
ローカル推論には、GPUへのモデル分割とコンテキストキャッシュの最適化が自動化されているOllamaを主要ランナーとして使用することをおすすめします。より高度なファインチューニングや量子化の分割には、Flash Attentionをネイティブビルドしたllama.cppが最も細かい制御を提供します。
gpt-oss-120bをローカルで動かす — FAQ
gpt-oss-120bを動かすにはどのくらいのVRAMが必要ですか？
KVキャッシュ量子化を有効にした32kコンテキストの場合、gpt-oss-120bにはQ4_K_M（多くの人におすすめの量子化）で約67.9GBのVRAMが必要です。Q3_K_Mに下げると、多少の品質低下と引き換えに約51.1GBまで削減できます。一方Q8_0は、このモデルが出せる最高品質のために約135.2GBが必要です。
gpt-oss-120bはどのくらいのサイズのグラフィックカードに収まりますか？
gpt-oss-120bはQ4_K_Mで約67.9GBが必要ですが、これは単一の24GBコンシューマー向けカードの容量を上回ります。ワークステーション向けカード、マルチGPU構成、またはより強力な量子化が必要です — そうしないとレイヤーがシステムRAMに溢れ、生成速度が大幅に低下します。
gpt-oss-120bにはどの量子化を使うべきですか？
VRAMに余裕がない限りQ4_K_Mを使用してください。約67.9GBが必要で、フル精度との品質差はごくわずかです。Q8_0は約135.2GBが必要ですが、その品質向上は日常的なコーディングやチャットではほとんど体感できません。余ったVRAMはコンテキストを長くする方に使う方がよいでしょう。
コンテキスト長はgpt-oss-120bに必要なVRAMにどう影響しますか？
モデルの重みは固定ですが、KVキャッシュはコンテキスト長に比例して増加します。gpt-oss-120bを32kコンテキストで使用する場合、キャッシュは約0.7GBです。64kに倍増すると、約1.3GBになります。KVキャッシュ量子化をオフにすると、これらの数値はさらに倍になります。
gpt-oss-120bはなぜパラメータ数から想像されるより高速なのですか？
gpt-oss-120bはmixture-of-expertsモデルです。117B個のパラメータすべてをVRAMに保持する必要がありますが、各トークンの生成に使われるのは5.1B個のみです。生成速度はこの5.1B個のアクティブパラメータの転送速度に左右されるため、体感的には117Bモデルよりも5.1Bモデルに近くなります — ただしメモリは117B分すべてが必要です。
同じGPUでgpt-oss-120bに似た他のモデルも動かせますか？
はい。gpt-oss-120bはQ4_K_Mで約67.9GBが必要で、同じカードに重みが収まるモデルであれば動作します — Qwen3.5-122B-A10B (122B), DBRX (132B), Mixtral 8x22B (141B)などが該当します。重みは同じGPUに収まりますが、生成速度は異なります（mixture-of-expertsモデルは高速、denseモデルは低速）。
▸トークン速度の推定方法
各GPUには2つの指標が表示されます：Read tok/s（モデルがプロンプトを読み込む速度）とDecode tok/s（トークンを生成して返す速度）です。これらは根本的に異なるボトルネックをモデル化しています。
リード（プリフィル）
プロンプトは1回の並列処理で処理されます。これは計算律速であり、GPUのテンソルコアを飽和させます。
デコード（生成）
新しいトークンを1つ生成するたびに、モデルのアクティブな重み全体をVRAMから読み込む必要があります。これはメモリ帯域幅律速です。GPUは計算ではなく、データ待ちで処理が止まります。
重み = (activeParams × bits ÷ 8) × 1.15（オーバーヘッド）。ステップごとのKVキャッシュ = activeParams × multiplier × contextK。
アーキテクチャ利用率係数
左：デコード係数 — 右：リード係数
データソース
TFLOPSとメモリ帯域幅はGPUデータベースから取得しています。データがない場合、帯域幅は組み込みの辞書データにフォールバックします。
制限事項
これらは分析による推定値であり、ベンチマークの実測結果ではありません。絶対的な性能保証としてではなく、相対的な比較の参考としてご利用ください。