3行でいうと

  • gpt-ossは、OpenAIが2025年8月5日に重みを公開したモデルで、20bと120bがある。
  • 20bは保存サイズ12.8GiBで32GBのMac miniに載る。120bは60.8GiBで載らない。
  • 日本語の道具呼び出しの実測で、20bは88.9％だが、続けて呼ぶと44.4％。小規模な測定。
  • 見立てでは、主力ではなく、クラウドが止まったときの非常用。

gpt-ossとは

2025年8月5日にOpenAIが公開した、重み（学習済みのデータ本体）を自由にダウンロードして使えるモデルです。大きさの違う2種類があり、20bと120bと呼ばれます。bはbillion（10億）の略で、モデルの中にある調整値（パラメータ）の数を表します。

どちらも、AIが考える量を「低・中・高」の3段階で選べます。また、AIが自分で外部の機能を呼び出す作業（ツール呼び出し）にも対応しています。

20bと120bの違い

設計は同じで、大きさが違います。数字は、OpenAIのモデルカード（技術資料）に載っているものです。

項目 gpt-oss-20b gpt-oss-120b
総パラメータ 20.91B 116.83B
1トークンで実際に動く部分 3.61B 5.13B
層の数 24 36
エキスパートの数 32 128
保存サイズ 12.8 GiB 60.8 GiB
OpenAIが示すメモリの目安 16GB 80GBのGPU1枚
文脈の長さ 131,072トークン 131,072トークン

GiBは、GBより少し大きい単位です（1GiBは約1.07GB）。トークンは、AIが文章を扱う細かい単位のことです。

ライセンス

OpenAIは、Apache 2.0ライセンスと「gpt-oss usage policy」（使用ポリシー）のもとで公開しています。Apache 2.0は、著作権継承（コピーレフト）の縛りがなく、商用でも使える自由度の高いライセンスです。重みだけでなく、推論の実装やトークナイザ（文章を区切る部品）も同じライセンスで出ています。

使用ポリシーは、Hugging Faceの記事では「最小限のもの」と紹介されています。ただ、ポリシー本文は読めませんでした。仕事で使う前に、本文の確認が必要です。

MoEの構造とメモリ目安

gpt-ossは、MoE（Mixture of Experts、専門家の混合）という作りです。小さな専門家（エキスパート）をたくさん持ち、1トークンごとに一部だけを使います。どちらのモデルも、使うのは4つです。20bは32個から、120bは128個から選びます。

使うのは一部なので、計算は軽くなります。ただ、どの専門家が呼ばれるかは文ごとに変わるため、全員をメモリに載せておく必要があります。つまり、メモリの量は「全体の大きさ」で決まり、速さは「動く部分の大きさ」で決まります。

メモリを抑える工夫が、MXFP4という4ビット方式です。重みを1パラメータあたり4.25ビットに圧縮しています。対象は、全体の90％超を占めるMoE部分です（Ollamaの説明）。

出典 20b 120b
OpenAI 16GB 80GB
モデルカードの保存サイズ 12.8 GiB 60.8 GiB
LM Studio公式ブログ 約13GBのRAM 記載なし（H100 1枚）
Appleの実験（M5搭載MacBook Pro、24GB） 12.08GB －

公式が示している動作条件

OpenAIの条件は、20bが「16GBのメモリ」、120bが「80GBのGPU1枚」です。

ここで見落とせないのが、16GBは「動く最低ライン」だという点です。9to5Macは、16GBのM4 MacBook Airで試した例を書いています。「hello」への返事に5分以上、簡単な質問には約43分かかった、とのことです。余裕のない機械では、実用になりません。

また、モデルは専用の会話書式（harmony）で学習されています。ほかの書式では正しく動かない、とモデルカードにあります。LM Studioでは、0.3.21以降が必要です。

32GBのM6 Mac miniで、20bは現実的で、120bは現実的でない

M6 Mac miniのメモリは、最大32GBです。メモリ帯域（データを読み出す速さ）はAppleの公表で毎秒170GB、独立測定では毎秒143〜144GB程度でした。

20bは、保存サイズが12.8 GiB（約13.7GB）です。32GBから引くと、計算上は約18GBが残ります。macOSや会話の長さ（コンテキスト）に回せるので、余裕があります。MindStudioも、20B級以上を動かすなら32GB構成が必要、と書いています。

120bは、保存サイズが60.8 GiB（約65GB）です。32GBの2倍以上あり、そのままでは載りません。公式の目安も80GBです。動く部分は5.1Bと軽くても、置き場所がなければ動かせません。

20bをM6 Mac miniで動かしたときの速さは、出典で確認できていません。要確認です。参考までに、MindStudioの測定では、9B（4ビット）で毎秒26.9トークンでした。別のモデルの数字です。

ツール呼び出しでの評価

OpenAIのモデルカードには、道具を使う業務の評価（τ-bench Retail）があります。高い推論設定で、120bが67.8％、20bが54.8％です。

日本語での実測もあります。ai-local-labの記事の数字です。

モデル 日本語ツール呼び出しの正答率 連鎖成功率 失敗の中身
gpt-oss 20B 88.9％ 44.4％ no_call 2件
Swallow 8B 16.7％ 0％ no_call 15件
LLM-jp-4 8B（thinking） 16.7％ 0％ no_call 15件

「連鎖成功率」は、道具の結果を受けて次の道具を呼ぶ、複数回のやりとりの成功率です。「no_call」は、道具を呼ぶべき場面で、普通の文章を返してしまう失敗を指します。

条件は、RTX A6000（48GB）のワークステーション、Ollama 0.31.1、4ビット、temp 0.7です。タスクは、正答率が6つを3回ずつ、連鎖が3つを3回ずつです。この記事には、Qwen3.6 27Bが100％という記載もありました。

読むときの注意が4つあります。

  • 試行は、正答率で18回です。計算上、gpt-ossは18回中16回です。筆者自身も「方向性の指標にとどまる」と書いています。
  • Macではなく、NVIDIAのGPUでの測定です。
  • 大きさが違います。20Bと8Bの比較なので、「米国製と国産」の差とは言い切れません。
  • 連鎖では44.4％に下がります。複数の手順を任せるには、人の確認が要ります。

保険としての位置づけ

ここは見立てです。

重みが手元のディスクにあれば、クラウドのAIが止まっても、20bは動かせます。Apache 2.0なので、仕事にも使える見込みです。32GBのMac miniに、余裕を持って載ります。ai-local-labも、非中国系でエージェントを組む現実解として挙げています。

ただ、主力にはしません。公開から1年以上たち、新しいモデルが出ている可能性があります。日々の主力は、別のモデルを選ぶほうがよさそうです。

あくまで、「止まったときに、道具を呼び出す作業を続けられる非常用」です。入れておく価値は高いと考えます。M6 Mac miniでの実際の速さと安定性は、実機で確かめてから、追記します。

入れ方

方法 手順
LM Studio アプリでモデルを検索してダウンロードします。コマンドなら lms get openai/gpt-oss-20b です
Ollama Ollamaの最新版を入れて、ターミナルで ollama pull gpt-oss:20b のあと ollama run gpt-oss:20b です

ディスクは、9to5Macによると約15GBです。120bのコマンドもありますが、32GBの機械では対象外です。

気をつけること

出典