gpt-oss-120b
Architecture mélange d’experts36 CouchesLicence apache-2.0Contexte maximal 128kVocabulaire 201.088
En Q4_K_M, c’est un fichier de 58,46 Gio, et il tient sur 7 des 18 machines que nous mesurons (celles qui ont le moins de mémoire : Mac avec M4 Max et 64 Go · Mac mini avec M5 Pro et 64 Go unifiés). Ici, c’est le fichier qui remplit la mémoire : même à son contexte maximal de 128k tokens, le contexte ajoute 4,50 Gio — et le même contenu demande en français 1,28 fois autant de tokens qu’en anglais (en allemand, 1,29 fois).
Taille du modèle en Q4_K_M
Mesuré par Local AI Scope
Mémoire de contexte à 8k tokens
Mesuré par Local AI Scope
Ce que coûte l’allemand face à l’anglais
Mesuré par Local AI Scope
Tailles des fichiers publiés
Ce sont les tailles des fichiers réellement publiés par son auteur, additionnées lorsque le modèle est livré en plusieurs parties. Pas une estimation à partir du nombre de paramètres.
| Compression | Taille du modèle |
|---|---|
Q8_0 |
59,03 GiB |
Q6_K |
58,94 GiB |
Q5_K_M |
58,57 GiB |
Q5_K_S |
58,56 GiB |
Q4_K_M |
58,46 GiB |
Q4_K_S |
58,45 GiB |
Q3_K_M |
58,33 GiB |
Mémoire de contexte
Calculée à partir du schéma d’attention que ce modèle déclare couche par couche, et non de la formule générique. C’est pourquoi le chiffre est souvent bien inférieur à celui d’autres calculateurs.
- 8k tokens → 0,29 GiB
- 32k tokens → 1,13 GiB
- 128k tokens → 4,50 GiB
Ce qu’il coûte dans chaque langue
Mesuré en exécutant le tokenizer de ce modèle sur le même contenu dans quatre langues. Les tokens sont ce que l’on paie en contexte, en mémoire et sur la facture du cloud.
| Type de texte | EN | ES | FR | DE |
|---|---|---|---|---|
| Code | — | ×1,20 | ×1,32 | ×1,42 |
| Contrats | — | ×1,14 | ×1,23 | ×1,25 |
| Courriels d’entreprise | — | ×1,12 | ×1,19 | ×1,17 |
| Tickets d’assistance | — | ×1,20 | ×1,36 | ×1,26 |
L’anglais est la référence : chaque chiffre indique combien de fois plus de tokens coûte le même contenu dans cette langue. Moyenne sur tout le corpus: DE ×1,29.
Où il tient
Tenir signifie que le modèle, sa mémoire de contexte et la marge de travail tiennent au contexte indiqué, en laissant au système sa part. 7 sur les 18 machines testées (Q4_K_M, 8k tokens).