Análises Frameworks de agentes e automação

OpenGPT-OSS 20B: análise e como rodá-lo localmente com o Ollama

Por Andrew Miller · 6 de ago. de 2025

Post arquivado. Escrito em agosto de 2025; preços, modelos e recursos podem ter mudado desde então. Para ver o panorama atual, consulte nossa análise atual do gpt-oss-20b.

Rodar um modelo de linguagem capaz na sua própria máquina costumava significar se contentar com algo bem atrás dos hospedados. O OpenGPT-OSS é a família de modelos de pesos abertos da OpenAI, lançada nos tamanhos de 20B e 120B parâmetros sob a licença Apache 2.0. Eles aceitam raciocínio em cadeia, uso de ferramentas no estilo de agentes e fine-tuning via PFT.

A versão de 20B está disponível pelo Ollama, roda em uma GPU de consumo moderna e aceita formatos quantizados como o MXFP4, que reduzem a memória necessária.

No que ele é bom

Capacidade	Desempenho
Raciocínio em cadeia	Forte
Geração e depuração de código	Sólido
Planejamento e agendamento de tarefas	Preciso
Simplificação de linguagem	Claro
Suporte multilíngue	Inconsistente
Proteções e filtros de segurança	Conservadores (20B), mais frouxos (120B)
Desempenho quantizado	Mantém a maior parte da qualidade

Do que você precisa

SO: Linux, macOS ou Windows (via Ollama)
RAM: 16GB ou mais, recomendado
GPU: 16GB de VRAM (de preferência NVIDIA), ou só CPU, que é mais lento
Armazenamento: cerca de 13GB para o modelo de 20B

Instalação com o Ollama

1. Instale ou atualize o Ollama

Linux:

curl -fsSL https://ollama.com/install.sh | sh

macOS:

brew install ollama

Windows: baixe o instalador para Windows em ollama.com e execute-o.

Você precisa do Ollama v0.1.11 ou mais recente; versões anteriores têm problemas para baixar o modelo.

2. Rode o modelo

ollama run open-gpt-oss

Isso baixa o modelo quantizado de 20B (cerca de 13GB), verifica o checksum e abre uma sessão de chat no seu terminal.

3. Opcional: acrescente uma interface no navegador com o Open WebUI

pip install open-webui

open-webui serve

Depois abra http://localhost:3000 no navegador, onde o modelo deve estar carregado e pronto para conversar.

Como ele se saiu em tarefas reais

Segundo as primeiras execuções em uma RTX A6000:

Tarefa	Resultado
Raciocínio matemático	Resolveu problemas com os passos corretos
Código de kernel CUDA	Escreveu e explicou um kernel de matriz para GPU
Planejamento de viagem	Produziu um roteiro realista de 10 dias com orçamento em AU$
Escala de funcionários	Montou uma escala que respeitava as restrições, com observações
Tradução	Irregular; idiomas conhecidos se saíram melhor
Filosofia e literatura	Explicou com clareza a teoria das inteligências múltiplas
Proteções	O modelo de 20B recusou prompts inadequados
Uso de VRAM (MXFP4)	Cerca de 15GB

O porém: a saída multilíngue é desigual, e o modelo de 20B tem pouco humor e pouca amplitude criativa.

Nossa opinião: como substituto local de um assistente da classe do GPT-3.5, o modelo de 20B vale os seus 13GB. Ele serve para raciocínio, programação e trabalho offline em uma única placa de 16GB, com filtros de segurança do lado cauteloso.