gpt-oss-20b : configuration GPU requise, VRAM et GPU le moins cher
gpt-oss-20b compte 20,9 Md paramètres, publiés en FP4. C’est un modèle à mélange d’experts : 4 de ses 32 experts traitent chaque token, soit environ 4,2 Md paramètres, il génère donc à peu près à la vitesse d’un modèle de cette taille. Tous les experts doivent malgré tout résider en mémoire GPU, d’où des chiffres de mémoire ci-dessous pour le modèle complet. Il est publié sous apache-2.0, qui autorise l’usage commercial.
- Paramètres
- 20,9 Md
- Empreinte minimale (INT4)
- environ 13 Go
- GPU le moins cher par heure (FP16)
- 0,50 $US
- Type
- Texte
openai/gpt-oss-20b
Voir sur Hugging Face (s’ouvre dans un nouvel onglet)Lire notre test
- Paramètres 20,9 Md
- Actifs par token 4,2 Md
- Type Texte
- Tâche text-generation
- Contexte max. 128K
- Licence apache-2.0
- Téléchargements 5,7 M
- J’aime 5,3 k
Calcul pour gpt-oss-20b
Plus de réglages
gpt-oss-20b demande environ 47 Go de mémoire GPU
Inférence (vLLM), FP16 / BF16, contexte de 8K tokens, une requête à la fois.
Où va la mémoire
- Poids 42 Go
- Cache KV 0,2 Go
- Surcoût du moteur 5,2 Go
- Total 47 Go
Le nombre de GPU laisse 10 % de chaque carte libre pour les pics. Prévoyez davantage si vous attendez de longs prompts ou beaucoup d’utilisateurs en même temps.
| Rang | Configuration | Par GPU / h | GPU nécessaires | Total / h | Total / mois (24/7) | Fournisseur |
|---|---|---|---|---|---|---|
| 1 | 1 × RTX PRO 6000 96GBLa moins chèreBlackwell · GDDR7 | 0,50 $US | 1 | 0,50 $US | 365 $US | RunPod (s’ouvre dans un nouvel onglet)1x RTX PRO 6000 MaxQ |
| 2 | 3 × RTX 3090 24GBAmpere · GDDR6X | 0,26 $US | 3vendue avec 4 GPU ; il vous en faut 3 | 1,06 $US | 772 $US | Vast.ai (s’ouvre dans un nouvel onglet)4x RTX 3090 (median of 5 offers) |
| 3 | 2 × A40 48GBAmpere · GDDR6 | 0,59 $US | 2 | 1,18 $US | 861 $US | RunPod (s’ouvre dans un nouvel onglet)2x A40 |
| 4 | 1 × A100 80GBAmpere · HBM2e | 1,21 $US | 1 | 1,21 $US | 884 $US | Vast.ai (s’ouvre dans un nouvel onglet)1x A100 SXM4 (median of 8 offers) |
| 5 | 2 × A100 40GBAmpere · HBM2 | 0,62 $US | 2 | 1,24 $US | 903 $US | Vast.ai (s’ouvre dans un nouvel onglet)2x A100 SXM4 (median of 3 offers) |
| 6 | 2 × RTX A6000 48GBAmpere · GDDR6 | 0,69 $US | 2 | 1,38 $US | 1 007 $US | RunPod (s’ouvre dans un nouvel onglet)2x RTX A6000 |
| 7 | 2 × L40S 48GBAda Lovelace · GDDR6 | 0,79 $US | 2 | 1,57 $US | 1 150 $US | Vast.ai (s’ouvre dans un nouvel onglet)2x L40S (median of 4 offers) |
| 8 | 2 × RTX 5090 32GBBlackwell · GDDR7 | 0,87 $US | 2 | 1,74 $US | 1 269 $US | Vast.ai (s’ouvre dans un nouvel onglet)2x RTX 5090 (median of 44 offers) |
| 9 | 1 × GH200 96GBHopper · HBM3 | 1,99 $US | 1 | 1,99 $US | 1 453 $US | Vultr (s’ouvre dans un nouvel onglet)vbm-72c-480gb-gh200-gpu (bare metal) |
| 10 | 3 × RTX 4090 24GBAda Lovelace · GDDR6X | 0,53 $US | 3vendue avec 4 GPU ; il vous en faut 3 | 2,14 $US | 1 561 $US | Vast.ai (s’ouvre dans un nouvel onglet)4x RTX 4090 (median of 14 offers) |
| 11 | 2 × RTX 6000 Ada 48GBAda Lovelace · GDDR6 | 1,09 $US | 2 | 2,18 $US | 1 591 $US | RunPod (s’ouvre dans un nouvel onglet)2x RTX 6000 Ada |
| 12 | 1 × MI300X 192GBCDNA 3 · HBM3 | 2,39 $US | 1 | 2,39 $US | 1 745 $US | RunPod (s’ouvre dans un nouvel onglet)1x MI300X |
| 13 | 3 × L4 24GBAda Lovelace · GDDR6 | 0,69 $US | 3vendue avec 4 GPU ; il vous en faut 3 | 2,76 $US | 2 015 $US | RunPod (s’ouvre dans un nouvel onglet)4x L4 |
| 14 | 1 × H100 80GBHopper · HBM3 | 2,89 $US | 1 | 2,89 $US | 2 110 $US | RunPod (s’ouvre dans un nouvel onglet)1x H100 PCIe |
| 15 | 1 × H100 NVL 94GBHopper · HBM3 | 3,19 $US | 1 | 3,19 $US | 2 329 $US | RunPod (s’ouvre dans un nouvel onglet)1x H100 NVL |
| 16 | 1 × H200 141GBHopper · HBM3e | 3,79 $US | 1 | 3,79 $US | 2 767 $US | RunPod (s’ouvre dans un nouvel onglet)1x H200 NVL |
| 17 | 4 × T4 16GBTuring · GDDR6 | 0,98 $US | 4 | 3,91 $US | 2 856 $US | AWS (s’ouvre dans un nouvel onglet)g4dn.12xlarge |
| 18 | 3 × A10 24GBAmpere · GDDR6 | 1,42 $US | 3vendue avec 4 GPU ; il vous en faut 3 | 5,67 $US | 4 141 $US | AWS (s’ouvre dans un nouvel onglet)g5.12xlarge |
| 19 | 4 × V100 16GBVolta · HBM2 | 0,79 $US | 4vendue avec 8 GPU ; il vous en faut 4 | 6,32 $US | 4 614 $US | Lambda (s’ouvre dans un nouvel onglet)8x Tesla V100 |
| 20 | 1 × B200 180GBBlackwell · HBM3e | 7,99 $US | 1 | 7,99 $US | 5 833 $US | RunPod (s’ouvre dans un nouvel onglet)1x B200 |
| 21 | 1 × B300 288GBBlackwell Ultra · HBM3e | 8,99 $US | 1 | 8,99 $US | 6 563 $US | RunPod (s’ouvre dans un nouvel onglet)1x B300 |
| 22 | 1 × GB200 186GBBlackwell · HBM3e | 10,50 $US | 1vendue avec 4 GPU ; il vous en faut 1 | 42,00 $US | 30 660 $US | CoreWeave (s’ouvre dans un nouvel onglet)GB200 NVL72 |
| Fournisseur | Instance | Par GPU / h | GPU nécessaires | Total / h | Total / mois (24/7) |
|---|---|---|---|---|---|
| RunPod (s’ouvre dans un nouvel onglet)La moins chère | 1x RTX PRO 6000 MaxQus | 0,50 $US | 1 × RTX PRO 6000 96GB | environ 0,50 $US | environ 365 $US |
| Vast.ai (s’ouvre dans un nouvel onglet) | 4x RTX 3090 (median of 5 offers)place de marché mondiale | 0,26 $US | 3 × RTX 3090 24GB vendue avec 4 GPU ; il vous en faut 3 | environ 1,06 $US | environ 772 $US |
| Nebius (s’ouvre dans un nouvel onglet) | 1x RTX PRO 6000 96GBeu/us | 1,80 $US | 1 × RTX PRO 6000 96GB | environ 1,80 $US | environ 1 314 $US |
| Vultr (s’ouvre dans un nouvel onglet) | vbm-72c-480gb-gh200-gpu (bare metal)us | 1,99 $US | 1 × GH200 96GB | environ 1,99 $US | environ 1 453 $US |
| Lambda (s’ouvre dans un nouvel onglet) | 2x A6000us | 1,09 $US | 2 × RTX A6000 48GB | environ 2,18 $US | environ 1 591 $US |
| AWS (s’ouvre dans un nouvel onglet) | g7e.2xlargeus-east-1 | 3,36 $US | 1 × RTX PRO 6000 96GB | environ 3,36 $US | environ 2 455 $US |
| Azure (s’ouvre dans un nouvel onglet) | NC24ads_A100_v4eastus | 3,67 $US | 1 × A100 80GB | environ 3,67 $US | environ 2 681 $US |
| Google Cloud (s’ouvre dans un nouvel onglet) | g2-standard-48us-central1 | 1,00 $US | 3 × L4 24GB vendue avec 4 GPU ; il vous en faut 3 | environ 4,00 $US | environ 2 921 $US |
| CoreWeave (s’ouvre dans un nouvel onglet) | GH200us | 6,50 $US | 1 × GH200 96GB | environ 6,50 $US | environ 4 745 $US |
Prix relevés le 13 nov. 2026. Tous les coûts sont approximatifs : à la demande, en dollars US, surtout des régions des États-Unis (les places de marché comme Vast.ai sont mondiales).
Mémoire par précision et par usage
| Précision | Inférence | Fine-tuning LoRA | Fine-tuning QLoRA | Fine-tuning complet |
|---|---|---|---|---|
| FP16 / BF16 | 47 Go | 57 Go | – | 371 Go |
| INT8 | 25 Go | – | – | – |
| INT4 | 13 Go | – | 23 Go | – |
Le GPU le moins cher par précision
Inférence avec un contexte de 8K et une requête à la fois.
FP16 / BF16
environ 47 Go · 8K tokens
Les poids tels que publiés. Aucune perte, mais l’empreinte la plus lourde.
1 × RTX PRO 6000 96GB
RunPod (s’ouvre dans un nouvel onglet) · 1x RTX PRO 6000 MaxQ
- Par GPU / h
- 0,50 $US
- GPU nécessaires
- 1
- Total / h
- environ 0,50 $US
- par mois, 24/7, environ
- 365 $US
INT8
environ 25 Go · 8K tokens
Des poids deux fois plus légers. Pour le chat et le RAG, la différence se voit à peine.
2 × V100 16GB
Vast.ai (s’ouvre dans un nouvel onglet) · 2x Tesla V100 (median of 4 offers)
- Par GPU / h
- 0,15 $US
- GPU nécessaires
- 2
- Total / h
- environ 0,30 $US
- par mois, 24/7, environ
- 220 $US
INT4
environ 13 Go · 8K tokens
Des poids quatre fois plus légers. Les petites pertes apparaissent d’abord en maths et en code.
1 × RTX 3090 24GB
Vast.ai (s’ouvre dans un nouvel onglet) · 1x RTX 3090 (median of 29 offers)
- Par GPU / h
- 0,25 $US
- GPU nécessaires
- 1
- Total / h
- environ 0,25 $US
- par mois, 24/7, environ
- 183 $US
Inférence ou fine-tuning
Inférence (FP16)
1×
de la mémoire nécessaire à l’inférence
47 Go
1 × RTX PRO 6000 96GB · environ 0,50 $US
Fine-tuning LoRA
1,2×
de la mémoire nécessaire à l’inférence
57 Go
1 × RTX PRO 6000 96GB · environ 0,50 $US
Fine-tuning QLoRA
0,5×
de la mémoire nécessaire à l’inférence
23 Go
2 × V100 16GB · environ 0,30 $US
Fine-tuning complet
7,9×
de la mémoire nécessaire à l’inférence
371 Go
3 × MI300X 192GB · environ 9,56 $US
Pour le servir en FP16, 1 × RTX PRO 6000 96GB (RunPod) suffit. LoRA demande 1 × RTX PRO 6000 96GB (RunPod), QLoRA 2 × V100 16GB (Vast.ai) et un fine-tuning complet 3 × MI300X 192GB (RunPod). L’entraînement garde en mémoire les activations et l’état de l’optimiseur en plus des poids, d’où un besoin fréquent de plus de GPU que pour servir le même modèle.
Fonctionne-t-il sur un Mac ou une seule RTX 4090 ?
RTX 4090 (24 Go)
Oui, en INT4 avec un contexte de 8K : environ 13 Go tiennent dans les 24 Go de la carte.
Mac avec puce Apple
Oui, avec assez de mémoire. En INT4, il demande environ 13 Go, donc un Mac avec 24 Go ou plus de mémoire unifiée (macOS en laisse environ les trois quarts au GPU). La génération sera plus lente que sur un GPU de centre de données.
L’héberger vous-même ou payer au token ?
L’héberger vous-même
La configuration FP16 la moins chère que nous ayons trouvée est 1 × RTX PRO 6000 96GB chez RunPod, environ 365 $US par mois en continu. Intéressant pour un trafic régulier ou des données qui doivent rester sur vos machines.
Passer par une API hébergée
Notre test de gpt-oss-20b indique où l’utiliser via une API et à quel prix. Payer au token revient souvent moins cher pour un trafic faible ou irrégulier.
Lire notre testModèles similaires
Des modèles ouverts de taille comparable.
- gpt-oss-safeguardTexte21,5 Md · environ 49 Go FP16 · 24,9 k ↓Besoins en GPU
- LFM2.5-24B-A2BTexte24 Md · environ 54 Go FP16 · 35,8 k ↓Besoins en GPU
- d3 (vLLM Semantic Router)Texte26,1 Md · environ 58 Go FP16 · 9,4 k ↓Besoins en GPU
- Perplexity Decider (pplx-decider)Texte26,1 Md · environ 58 Go FP16 · 6 k ↓Besoins en GPU
- d3-turbo (vLLM Semantic Router)Texte26,1 Md · environ 58 Go FP16 · 4,2 k ↓Besoins en GPU
- Underdog Saluki 27B 1.0Texte26,9 Md · environ 62 Go FP16 · 516,4 k ↓Besoins en GPU
gpt-oss-20b : questions fréquentes
Combien de VRAM faut-il pour gpt-oss-20b ?
Environ 47 Go en FP16, 25 Go en INT8 et 13 Go en INT4, avec un contexte de 8K et une requête à la fois. Un contexte plus long et davantage de requêtes en parallèle ajoutent du cache KV.
Quel est le GPU le moins cher pour faire tourner gpt-oss-20b ?
1 × RTX PRO 6000 96GB (environ 0,50 $US par GPU / heure) chez RunPod, pour environ 0,50 $US de l’heure en inférence FP16 / BF16 avec un contexte de 8K. Prix relevés le 13 nov. 2026 ; ils changent souvent.
Peut-on faire le fine-tuning de gpt-oss-20b sur un seul GPU ?
Oui, avec QLoRA : il faut environ 23 Go, ce qui tient sur un GPU de 80 Go. LoRA demande environ 57 Go et un fine-tuning complet environ 371 Go.
Comment ces chiffres sont-ils calculés ?
Les poids correspondent aux paramètres multipliés par les octets par paramètre (2 en FP16, 1 en INT8, 0,5 en INT4). Le cache KV dépend des couches, des têtes KV, de la taille de tête et de la longueur de contexte du modèle. Nous ajoutons environ 10 % plus 1 Go pour le moteur et remplissons chaque GPU à 90 %. Les prix sont les tarifs catalogue à la demande dans les régions des États-Unis, relevés sur la page publique de chaque fournisseur.
gpt-oss-20b fonctionne-t-il sur un GPU grand public comme la RTX 4090 ?
Oui, en INT4 avec un contexte de 8K : environ 13 Go tiennent dans les 24 Go de la carte.
gpt-oss-20b tient-il sur une seule H100 80 Go ?
Oui, en FP16 / BF16, INT8, INT4 avec un contexte de 8K.
Combien de GPU faut-il pour gpt-oss-20b ?
En FP16 avec un contexte de 8K : 1 × 80 Go, 2 × 48 Go ou 3 × 24 Go. En INT4, les poids prennent environ le quart de la mémoire.
Combien de VRAM faut-il pour gpt-oss-20b en INT8 ?
Environ 25 Go : 22 Go pour les poids, 0,2 Go pour un cache KV de 8K et 3,2 Go de surcoût du moteur.
Combien co ûte gpt-oss-20b en fonctionnement 24/7 pendant un mois ?
Environ 365 $US avec la configuration la moins chère que nous avons trouvée (1 × RTX PRO 6000 96GB (environ 0,50 $US par GPU / heure), 0,50 $US de l’heure pendant 730 heures). Le moins cher chez AWS, Google Cloud ou Azure revient à environ 2 455 $US par mois.
FP16, INT8 ou INT4 : lequel choisir ?
Le FP16 garde toute la qualité et demande le plus de mémoire (environ 47 Go ici). L’INT8 divise les poids par deux avec peu de perte pour la plupart des usages de chat. L’INT4 (AWQ, GPTQ ou GGUF Q4) les réduit au quart, environ 13 Go au total, avec une légère baisse de qualité, surtout visible en maths et en code.
gpt-oss-20b fonctionne-t-il sur un Mac ?
Oui, avec assez de mémoire. En INT4, il demande environ 13 Go, donc un Mac avec 24 Go ou plus de mémoire unifiée (macOS en laisse environ les trois quarts au GPU). La génération sera plus lente que sur un GPU de centre de données.
vLLM ou llama.cpp ?
vLLM est conçu pour servir de nombreuses requêtes à la fois sur des GPU NVIDIA et AMD et réserve l’essentiel de la mémoire GPU au cache KV. llama.cpp lit les fichiers GGUF sur presque tout, Mac et CPU compris, et convient à une personne ou à une petite équipe. À précision égale, la mémoire nécessaire est proche.
Prix relevés le 13 nov. 2026. Tous les coûts sont approximatifs : à la demande, en dollars US, surtout des régions des États-Unis (les places de marché comme Vast.ai sont mondiales).
Notre méthode de calcul
- Poids. Paramètres multipliés par les octets par paramètre : 2 en FP16, 1 en INT8, 0,5 en INT4, plus environ 5 % pour les échelles de quantification en INT8 et INT4.
- Cache KV. 2 × couches × têtes KV × taille de tête × contexte × requêtes × 2 octets, d’après le config.json du modèle. Si une valeur manque, nous l’estimons et le signalons.
- Surcoût. Environ 10 % plus 1 Go pour le moteur, dans la ligne de ce que réserve vLLM.
- Fine-tuning. LoRA garde des poids en 16 bits et ajoute un petit adaptateur, son optimiseur et les activations. QLoRA fait de même sur des poids en 4 bits. Un fine-tuning complet demande environ 16 octets par paramètre avec Adam en précision mixte (poids, gradients et états de l’optimiseur), plus les activations.
- GPU. Nous remplissons chaque GPU à 90 % de sa mémoire et nous arrêtons à 8 par nœud. Les coûts sont les prix catalogue à la demande dans les régions des États-Unis ; pour les places de marché, nous montrons l’offre médiane.