RTX 4070 Ti 12GB 能跑 gpt-oss-120b 吗？

NVIDIA · 12 GB GDDR6X · 带宽 554 GB/s · OpenAI · 120.4B（激活 5.1B） · MoE · 模型上下文最长 128K

不能——gpt-oss-120b 在 Q4 下即使 4K 上下文也约需 67.73 GB，超出 RTX 4070 Ti 12GB 的 12 GB GDDR6X。只能靠重度 CPU/磁盘 offload 勉强运行。 FP16 约需 242.82 GB——此卡装不下。 估算来自显存带宽公式；标注「实测」的行覆盖估算。相对排名比绝对 tok/s 更可靠。 方法论.

各量化与上下文下的装机与速度

量化	上下文	所需 VRAM	装得下？	tok/s（解码）
Q4	4K	67.73 GB	否	—
Q4	8K 默认	68.24 GB	否	—
Q4	32K	71.3 GB	否	—
FP16	4K	242.31 GB	否	—
FP16	8K 默认	242.82 GB	否	—
FP16	32K	245.88 GB	否	—

装得下 = 权重 + KV(上下文) + 1 GB 开销 ≤ 95% VRAM。实测锚点与上下文无关；装机结论按上下文分别计算。tok/s 缺失表示模型远超此卡能力（只能纯 offload）。

8K 上下文 VRAM 明细

量化	权重	KV cache	开销	合计所需	RTX 4070 Ti 12GB VRAM
Q4	66.22 GB	1.02 GB	1 GB	68.24 GB	12 GB
FP16	240.8 GB	1.02 GB	1 GB	242.82 GB	12 GB

其他能跑 gpt-oss-120b 的 GPU

• B200 192GB SXM — ≈998.2 tok/s Q4 估算
• MI300X 192GB — ≈661.3 tok/s Q4 估算
• H200 141GB SXM5 — ≈598.9 tok/s Q4 估算
• H100 80GB SXM5 — ≈418.0 tok/s Q4 估算
• Gaudi 3 128GB — ≈408.8 tok/s Q4 估算
• A100 80GB SXM4 — ≈254.4 tok/s Q4 估算
• Mac Studio M3 Ultra 96GB — ≈102.2 tok/s Q4 估算
• Mac Studio M2 Ultra 192GB — ≈79.7 tok/s Q4 实测

gpt-oss-120b 的全部 GPU →

RTX 4070 Ti 12GB 可跑的其他模型

• MiniCPM5-1B — ≈326.4 tok/s Q4 估算
• Qwen3.5-2B — ≈176.3 tok/s Q4 估算
• Llama-3.2-3B-Instruct — ≈110.2 tok/s Q4 估算
• Qwen3-4B-Instruct-2507 — ≈88.1 tok/s Q4 估算
• Qwen3-4B-Thinking-2507 — ≈88.1 tok/s Q4 估算
• NVIDIA-Nemotron-3-Nano-4B-BF16 — ≈88.1 tok/s Q4 估算
• gemma-4-E2B-it — ≈69.1 tok/s Q4 估算
• Mistral-7B-Instruct-v0.3 — ≈49.0 tok/s Q4 估算

RTX 4070 Ti 12GB 上的全部模型 →