Aller au contenu
Run LLM Locally

gpt-oss-20b sur une RTX 5080

Avec ses 16 Go de VRAM, la RTX 5080 fait tourner gpt-oss-20b en MXFP4 entièrement sur le GPU avec un contexte de 8K (environ 13 Go nécessaires).

PartagerFacebookXWhatsAppLinkedInE-mail

gpt-oss-20b

MXFP4 · 8K contexte

Excellent

Le modèle demande environ 13 Go et tient dans les 15,5 Go disponibles, avec 2,6 Go de marge.

Votre matériel
RTX 5080 16 Go · 64 Go RAM
Mémoire estimée
~13 Go estimation
VRAM (mémoire utilisable)
15,5 Go
GPU seul
Oui
Offload CPU/GPU
Non nécessaire
Vitesse de génération
176–215 tok/s
Plus grand contexte en mémoire rapide
111K tokens
Confiance : moyenne

Basé sur : même matériel · même modèle · même quantification · 1 benchmark(s)

Répartition de la mémoire

~13 Go (12,4 Go–13,6 Go) nécessaires · estimation

Tient entièrement en VRAM · 2,6 Go libres

  • Poids du modèle11,3 Go
  • Cache KV0,2 Go
  • Surcoût runtime0,9 Go
  • Marge de sécurité0,6 Go
Hypothèses: contexte 8K tokens · cache KV f16 · llama.cpp (CUDA) · flash attention activée · poids = taille réelle du fichier · les couches à fenêtre glissante gardent 128 tokens

EstimationDonnées mises à jour il y a 24 joursSource: moteur Run LLM Locally, Hugging Face config.json + model card

Ce qui rend cette estimation moins fiable

  • mélange d'experts : la vitesse dépend du routage des experts

Les autres quantifications sur la RTX 5080

gpt-oss-20b sur RTX 5080 + 64 Go de RAM · contexte 8K
gpt-oss-20b MXFP48K~13 Go · 176–215 tok/s mesuréExcellent

Alternatives

Les GPU qui font tourner gpt-oss-20b MXFP4 entièrement en VRAM

D'autres modèles adaptés à la RTX 5080

Où acheter une RTX 5080

Les prix et les liens suivent le marché choisi.

GeForce RTX 5080

16 Go GDDR7 · 960 Go/s · 360 W

ExcellentFait tourner gpt-oss-20b MXFP4 entièrement en mémoire

Prix indisponible

Disponibilité inconnue

Voir sur amazon.fr

Lien affilié

Aucune offre importée pour ce marché : le lien ouvre une recherche sur la boutique.

Questions fréquentes

La RTX 5080 peut-elle faire tourner gpt-oss-20b ?
Le modèle demande environ 13 Go et tient dans les 15,5 Go disponibles, avec 2,6 Go de marge.
Quelle quantification choisir sur la RTX 5080 ?
MXFP4 est la quantification la plus précise qui tient entièrement en VRAM avec un contexte de 8K. ~13 Go / 15,5 Go.
Quel est le plus grand contexte possible sur la RTX 5080 ?
En MXFP4, environ 111K tokens tiennent entièrement en VRAM avec un cache KV en f16. Un cache KV en q8_0 double à peu près ce chiffre.
À quelle vitesse tourne gpt-oss-20b (RTX 5080) ?
Nous estimons 176–215 tok/s (mesuré, confiance moyenne). Basé sur : même matériel, même modèle, même quantification, 1 benchmark(s).