Originalarbeiterreichbar
OpenAI: gpt-oss-120b & gpt-oss-20b Model Card
Die Modellkarte zu gpt-oss in der Fassung auf ar
geprüft 10.11.2026
Worauf sich diese Seite beruft, wörtlich, abgerufen am 03.10.2026:
116.8B total parameters and 5.1B
bestätigt 10.11.2026a standard linear router projection which maps residual activations to scores for each expert
bestätigt 10.11.2026weight the output of each expert by the softmax of the router projection over only the selected experts
bestätigt 10.11.2026The Mo
bestätigt 10.11.2026E weights are responsible for 90+% of the total parameter count enables the larger model to fit on a single 80GB GPU and the smaller model to run on systems with as little as 16GB memory
bestätigt 10.11.2026Unembedding parameters are counted towards active, but not embeddings
bestätigt 10.11.2026Both models have a residual stream dimension of 2880
bestätigt 10.11.2026
Wie ein Mixture-of-Experts-Modell rechnet01 Wie ein Modell innen gebaut ist04 Was ein Modell an Hardware braucht05 Womit ein Modell läuft