--- title: "Аппаратные требования gpt-oss-120b: видеопамять и GPU" description: "Для весов gpt-oss-120b нужно около 65 ГБ, и модель работает на одном GPU с 80 ГБ; gpt-oss-20b помещается в 16 ГБ. Расчёт KV-кэша, настройка vLLM и Ollama, выбор GPU." url: "https://powerdedi.com/blog/gpt-oss-120b-hardware-requirements" last_updated: "2026-10-15" publisher: "PowerDedi (https://powerdedi.com)" --- # Аппаратные требования gpt-oss-120b и gpt-oss-20b: видеопамять и GPU Что нужно для запуска gpt-oss-120b и gpt-oss-20b от OpenAI: размер весов по карточке модели, сколько памяти занимает каждый токен контекста, запуск на одном GPU с vLLM и Ollama, задокументированная поддержка GPU и какая видеокарта на 24, 48 и 96 ГБ подходит для какой модели. Инженеры PowerDedi · 15 октября 2026 г. · 10 мин чтения **Поделиться статьёй** Веса gpt-oss-120b занимают около 61 ГиБ (65 ГБ) памяти GPU, и, по заявлению OpenAI, модель работает на одном GPU с 80 ГБ, например на H100; gpt-oss-20b укладывается в 16 ГБ. Контекст добавляет около 37 КБ на токен для 120b в BF16, поэтому на карте с 96 ГБ остаётся место для нескольких длинных диалогов одновременно. ## Коротко | | gpt-oss-120b | gpt-oss-20b | | --- | --- | --- | | Параметры: всего / активных на токен | 116,8 млрд / 5,1 млрд | 20,9 млрд / 3,6 млрд | | Архитектура | Смесь экспертов, 36 слоёв, 128 экспертов, 4 активных | Смесь экспертов, 24 слоя, 32 эксперта, 4 активных | | Веса (слои MoE в MXFP4) | 60,8 ГиБ (65,3 ГБ) | 12,8 ГиБ (13,8 ГБ) | | Рекомендации OpenAI по памяти | Один GPU с 80 ГБ | В пределах 16 ГБ памяти | | Контекстное окно | 131 072 токена | 131 072 токена | | KV-кэш на токен контекста, BF16 / FP8 | Около 37 / 18 КБ | Около 25 / 12 КБ | | Помещается на одном GPU | RTX PRO 6000 (96 ГБ), но не L40S (48 ГБ) без выгрузки | RTX PRO 4000 (24 ГБ), L40S, RTX PRO 6000 | | Лицензия | Apache 2.0 | Apache 2.0 | ## Что такое gpt-oss с точки зрения оборудования gpt-oss-120b и gpt-oss-20b — модели рассуждений с открытыми весами, которые OpenAI выпустила в августе 2025 г. под лицензией Apache 2.0; в репозитории также есть краткая политика использования, которая просит пользователей соблюдать применимое законодательство. Требования моделей к оборудованию определяются тремя архитектурными решениями. - **Смесь экспертов.** В каждом блоке MoE у 120b 128 экспертов, у 20b — 32, а маршрутизатор выбирает для каждого токена 4 из них. Из 116,8 млрд параметров 120b на каждый токен активны лишь 5,1 млрд, но в памяти должны находиться все. - **Веса в MXFP4.** OpenAI проводила пост-обучение моделей с весами MoE, квантованными в MXFP4, — около 4,25 бит на параметр. На эти веса приходится более 90% параметров — именно это позволяет 120b уместиться на одном GPU с 80 ГБ. Слои внимания, маршрутизатор и эмбеддинги не квантуются, и все свои оценки OpenAI проводила с теми же весами MXFP4. - **Экономное внимание.** Слои чередуют плотное внимание и внимание в ленточном окне из 128 токенов и используют внимание с группировкой запросов (grouped-query attention): 64 головы запросов и 8 голов ключей и значений размерностью 64. Контекст — до 131 072 токенов, с YaRN на плотных слоях. Обе модели рассчитаны на формат ответов harmony от OpenAI и, по словам OpenAI, без него не будут работать корректно. Шаблон чата в Transformers применяет его автоматически, а эндпоинт Responses в vLLM формирует и разбирает его с помощью библиотеки openai-harmony. Уровень рассуждений — low, medium или high — задаётся в системном промпте, например «Reasoning: high». ## Сколько видеопамяти нужно gpt-oss-120b? Начнём с весов. Согласно карточке модели от OpenAI, чекпоинт 120b занимает 60,8 ГиБ; файлы safetensors на Hugging Face в сумме составляют 65,25 ГБ — тот же объём в десятичных единицах, а в анонсе vLLM указано 63 ГБ. Одному GPU, на котором работает модель, столько памяти нужно ещё до первого токена контекста. Остальная память карты уходит на KV-кэш, активации и среду выполнения. Поэтому 80 ГБ — практический минимум, и при нём памяти впритык. В руководстве OpenAI по vLLM сказано, что 120b «лучше всего работает при ≥60 ГБ видеопамяти» и «может поместиться на одном H100 или в конфигурациях с несколькими GPU». В рецепте vLLM сказано, что модель помещается на одном A100 с 80 ГБ, но есть предупреждение: на H100 с одним GPU при настройках по умолчанию может не хватить памяти; в предлагаемой команде значение `--gpu-memory-utilization` повышено до 0.95, а `--max-num-batched-tokens` — понижено до 1024. Два обходных пути, которые не работают: - **Неквантованные веса.** Эталонная реализация OpenAI на PyTorch преобразует все веса в BF16 и требует как минимум четырёх GPU H100. Используйте чекпоинт в MXFP4. - **Карта с 48 ГБ.** Одни только веса больше, чем память L40S, поэтому часть модели придётся держать в оперативной памяти системы, как описано ниже. Запланируйте и место на диске. Репозиторий на Hugging Face хранит веса дважды: в формате, который загружают vLLM и Transformers, и в папке `original` для эталонного кода OpenAI — всего около 130 ГБ, если скачать всё. ## Требования gpt-oss-20b gpt-oss-20b состоит из 24 слоёв с 32 экспертами и имеет 20,9 млрд параметров, из которых 3,6 млрд активны на каждый токен. Её чекпоинт занимает 12,8 ГиБ, или 13,8 ГБ в виде файлов на Hugging Face. По словам OpenAI, модель работает в пределах 16 ГБ памяти; в OpenAI Cookbook сказано, что с vLLM ей «требуется всего около 16 ГБ видеопамяти», а с Ollama она «лучше всего работает при ≥16 ГБ видеопамяти или унифицированной памяти». На GPU с 16 ГБ для контекста и среды выполнения остаётся лишь около 2 ГБ, чего хватает только на короткие диалоги. Карта с 24 ГБ, например RTX PRO 4000, при бюджете памяти vLLM по умолчанию оставляет около 8 ГБ, а L40S с 48 ГБ — около 30 ГБ. По данным OpenAI, 20b можно дообучить даже на потребительском оборудовании, а 120b — на одном узле H100. ## KV-кэш: сколько памяти занимает контекст Во время генерации каждый слой внимания хранит векторы ключа и значения для каждого токена контекста. При 8 головах ключей и значений размерностью 64 это 2 048 байт на токен на слой в BF16. gpt-oss экономит половину этого объёма: все токены хранят только плотные слои, а слои с ленточным окном — лишь последние 128. Гибридный менеджер KV-кэша в vLLM, в описании которого gpt-oss названа среди моделей, сочетающих оба типа слоёв, освобождает блоки кэша, оказавшиеся за пределами окна. - **gpt-oss-120b:** 18 плотных слоёв × 2 048 байт = 36 864 байта, около 37 КБ на токен. - **gpt-oss-20b:** 12 плотных слоёв × 2 048 байт = 24 576 байт, около 25 КБ на токен. - **Слои с окном:** фиксированные 4,7 МБ на диалог для 120b и 3,1 МБ для 20b, независимо от его длины. - **KV-кэш в FP8:** один байт на значение вместо двух, то есть вдвое меньше приведённых выше цифр. Конфигурация vLLM для gpt-oss на Blackwell включает его с помощью `kv-cache-dtype: fp8`. | Контекст на диалог | gpt-oss-120b, BF16 | gpt-oss-120b, FP8 | gpt-oss-20b, BF16 | gpt-oss-20b, FP8 | | --- | --- | --- | --- | --- | | 8 192 токена | 0,30 ГБ | 0,15 ГБ | 0,20 ГБ | 0,10 ГБ | | 32 768 токенов | 1,21 ГБ | 0,60 ГБ | 0,81 ГБ | 0,40 ГБ | | 131 072 токена (максимум) | 4,83 ГБ | 2,42 ГБ | 3,22 ГБ | 1,61 ГБ | Умножьте на число диалогов, которые обслуживаются одновременно. vLLM автоматически определяет размер кэша по памяти, оставшейся в пределах бюджета, который задаётся параметром `--gpu-memory-utilization` (по умолчанию 0.92), если вы не зафиксируете его с помощью `--kv-cache-memory-bytes`. `--max-model-len` ограничивает контекст на запрос, а в рецепте vLLM отмечается, что максимальный размер батча ограничен памятью, которая остаётся для KV-кэша после загрузки весов. ## Можно ли запустить gpt-oss-120b на одном GPU? Да, на GPU с памятью от 80 ГБ. Один GPU vLLM рекомендует и для максимальной пропускной способности в расчёте на GPU, а 2, 4 или 8 GPU — для меньшей задержки на пользователя. В таблице ниже оценивается, сколько памяти остаётся под KV-кэш на отдельных картах, исходя из заявленного объёма памяти в десятичных гигабайтах и бюджета vLLM по умолчанию в 92%. | GPU | Модель | Веса | Остаток в пределах бюджета vLLM | Вмещаемый контекст, BF16 (верхняя граница) | Полные диалоги на 131 072 токена, BF16 / FP8 | | --- | --- | --- | --- | --- | --- | | H100, 80 ГБ (для сравнения) | 120b | 65,3 ГБ | Около 8 ГБ | Около 225 000 токенов | 1 / 3 | | RTX PRO 6000, 96 ГБ | 120b | 65,3 ГБ | Около 23 ГБ | Около 625 000 токенов | 4 / 9 | | L40S, 48 ГБ | 120b | 65,3 ГБ | Не помещается | — | Только с выгрузкой на CPU | | L40S, 48 ГБ | 20b | 13,8 ГБ | Около 30 ГБ | Около 1,2 млн токенов | 9 / 18 | | RTX PRO 4000, 24 ГБ | 20b | 13,8 ГБ | Около 8 ГБ | Около 340 000 токенов | 2 / 5 | Это верхние границы: активации и графы CUDA расходуют тот же бюджет, поэтому реальный кэш меньше. Небольшой запас в строке H100 согласуется с предупреждением о нехватке памяти в рецепте vLLM. На RTX PRO 6000 с 96 ГБ те же веса оставляют почти втрое больше места: около четырёх диалогов максимальной длины в BF16, девять в FP8 или десятки диалогов на 8 192 токена — без учёта накладных расходов среды выполнения. На L40S с 48 ГБ модель 120b работает, только если часть весов находится в оперативной памяти системы. Параметр vLLM `--cpu-offload-gb` позволяет использовать память CPU как дополнительную память GPU, но документация предупреждает, что для этого нужен быстрый интерконнект между CPU и GPU, поскольку выгруженные веса передаются на GPU при каждом прямом проходе. Ollama распределяет модель между CPU и GPU самостоятельно. В OpenAI Cookbook это сформулировано так: при нехватке видеопамяти можно выгрузить часть модели на CPU, «но будьте готовы к тому, что работать она будет медленнее». ## Поддержка GPU: что говорит документация MXFP4 — новый формат, и наличие быстрых вычислительных ядер для него зависит как от движка инференса, так и от поколения GPU. Вот что говорилось в документации в октябре 2026 г.: - **Анонс vLLM** (5 августа 2025 г.) сообщал о поддержке GPU NVIDIA Blackwell и Hopper, а также AMD MI300X и MI355X — с MoE-ядром FlashInfer, которое использует тензорные ядра Blackwell с нативной поддержкой MXFP4, и ядром Triton, оптимизированным для Hopper. - **Рецепт vLLM для gpt-oss** называет NVIDIA H100, H200 и B200, AMD MI300X, MI325X и MI355X, а также Radeon AI PRO R9700 и сообщает, что ведётся работа над запуском модели на Ampere, Ada Lovelace и RTX 5090. В нём описан вариант для Ampere на A100 — с вниманием на Triton и MoE-ядром Marlin для MXFP4. Пример скрипта запуска применяет настройки для Blackwell (MoE FlashInfer MXFP4+MXFP8 и KV-кэш в FP8) только тогда, когда GPU сообщает compute capability 10.0, как B200; все остальные GPU получают конфигурацию для Hopper. - **Compute capability.** NVIDIA указывает 12.0 для RTX PRO 6000 Blackwell, RTX PRO 4000 Blackwell и GeForce RTX 5090, а 8.9 — для L40S, карты на архитектуре Ada Lovelace. - **Таблица квантования vLLM** отмечает ядра Marlin (GPTQ, AWQ, FP8 и FP4) как поддерживаемые на Ampere, Ada и Hopper. Столбца для Blackwell в таблице нет. - **NVIDIA NIM**, который запускает обе модели через vLLM, называет L40S, RTX PRO 4500 Blackwell Server Edition и RTX PRO 6000 Blackwell Server Edition среди проверенных GPU для обеих моделей и включает RTX PRO 6000 Blackwell Server Edition в оптимизированный профиль gpt-oss-120b в MXFP4 для работы на одном GPU. - В **Ollama** MXFP4 поддерживается нативно — с ядрами, написанными для нового движка Ollama, — а также объявлено о совместной с NVIDIA работе над производительностью на GPU GeForce RTX и RTX PRO. Практический вывод: запуск gpt-oss-120b на одной карте RTX PRO 6000 Blackwell Server Edition задокументирован в профиле NVIDIA NIM, тогда как собственный оптимизированный вариант vLLM для Blackwell ориентирован на B200. Что касается L40S, таблица квантования vLLM охватывает Ada через ядра Marlin, хотя в рецепте для gpt-oss поддержка Ada всё ещё значится как находящаяся в разработке. Какой бы движок вы ни выбрали, протестируйте конкретную версию на конкретной карте, прежде чем планировать мощности, и не полагайтесь на опубликованные показатели скорости, измеренные на других GPU. ## Развёртывание gpt-oss в vLLM vLLM предоставляет API, совместимый с OpenAI. Эти команды соответствуют рецепту vLLM для gpt-oss: ```bash # Python environment and the official vLLM release uv venv source .venv/bin/activate uv pip install vllm --torch-backend=auto # gpt-oss-120b on one GPU, API on port 8000 vllm serve openai/gpt-oss-120b # Shorter context limit, plus function calling vllm serve openai/gpt-oss-120b --max-model-len 32768 --tool-call-parser openai --enable-auto-tool-choice # gpt-oss-20b in the official container docker run --gpus all -p 8000:8000 --ipc=host vllm/vllm-openai --model openai/gpt-oss-20b ``` - **Эндпоинты.** `/v1/responses` поддерживает вызов инструментов между шагами рассуждения, и именно этот интерфейс OpenAI рекомендует для данной модели; `/v1/chat/completions` возвращает рассуждения и итоговый текст без встроенных инструментов. - **Флаги памяти.** `--max-model-len` ограничивает контекст на запрос, и, как отмечается в рецепте, меньшее значение может повысить производительность, когда входные и выходные данные короткие; `--max-num-seqs` ограничивает размер батча; `--kv-cache-dtype fp8` вдвое уменьшает кэш на токен. - **Известные ограничения.** В рецепте перечислены учёт использования, возвращающий нули, лишь базовая потоковая передача в Responses API и вызов функций, ограниченный `tool_choice="auto"`. ## Запуск gpt-oss в Ollama Ollama берёт на себя загрузку модели и, при нехватке памяти, её распределение между GPU и CPU: ```bash ollama pull gpt-oss:120b ollama run gpt-oss:120b # Larger default context for the models this server loads OLLAMA_CONTEXT_LENGTH=64000 ollama serve # Check where the model is loaded, GPU or CPU ollama ps ``` Ollama выбирает длину контекста по умолчанию в зависимости от памяти GPU: 4k токенов при объёме менее 24 ГиБ, 32k — от 24 до 48 ГиБ и 256k — от 48 ГиБ. Ollama рекомендует не менее 64 000 токенов для агентов, инструментов для программирования и веб-поиска и предупреждает, что более длинный контекст требует больше памяти. На карте с 24 ГБ задайте длину контекста явно, а не полагайтесь на значение по умолчанию, и с помощью `ollama ps` убедитесь, что ничего не перешло на CPU. ## Какой сервер PowerDedi подходит для какой модели | Сервер | Хост | gpt-oss-20b | gpt-oss-120b | Цена, срок выдачи, города | | --- | --- | --- | --- | --- | | [RTX PRO 6000 Blackwell](https://powerdedi.com/ru/dedicated-servers/gpu/rtx-pro-6000-blackwell), 96 ГБ GDDR7 | EPYC 9355P, 384 ГБ DDR5 ECC, 2 × 3,84 ТБ NVMe Gen5 | Да, с очень большим KV-кэшем | Да, на одном GPU, с запасом для длинных контекстов | $899 в месяц; 72 часа; Амстердам, Франкфурт | | [L40S](https://powerdedi.com/ru/dedicated-servers/gpu/l40s), 48 ГБ GDDR6 ECC | EPYC 9355P, 256 ГБ DDR5 ECC, 2 × 3,84 ТБ NVMe | Да, с запасом | Только с выгрузкой на CPU — и медленнее | $549 в месяц; 72 часа; Амстердам, Франкфурт | | [RTX PRO 4000 Blackwell](https://powerdedi.com/ru/dedicated-servers/gpu/rtx-pro-4000-blackwell), 24 ГБ GDDR7 | Ryzen 9 9900X, 64 ГБ DDR5, 2 × 1,92 ТБ NVMe | Да | Нет | $169 в месяц; 24 часа; Амстердам, Франкфурт, Нью-Йорк | Для gpt-oss-120b RTX PRO 6000 — единственный вариант, где модель помещается на одну карту с запасом, а 384 ГБ памяти хоста и NVMe Gen5 оставляют достаточно места для весов и кэша моделей. Для gpt-oss-20b RTX PRO 4000 справится с одним приложением с умеренным контекстом, а L40S обслужит гораздо больше параллельных диалогов. У каждого сервера — собственный порт 10 Гбит/с без учёта трафика, доступ к IPMI/KVM и установка Ubuntu или Debian в один клик; первые шаги после выдачи сервера описаны в нашем [руководстве по началу работы](https://powerdedi.com/ru/docs/getting-started). См. также наш обзор [ИИ и вычислений на GPU](https://powerdedi.com/ru/solutions/ai-gpu-compute). Когда мы не лучший выбор: - **Дообучение gpt-oss-120b.** OpenAI указывает на один узел H100. Мы продаём один GPU на сервер, без NVLink и без кластеров из нескольких GPU. - **Минимальная задержка на пользователя.** vLLM достигает её за счёт тензорного параллелизма на 2, 4 или 8 GPU, для чего нужна машина с несколькими GPU. - **Несколько часов тестирования.** При кратковременном использовании облака с почасовой оплатой обходятся дешевле; где проходит точка окупаемости, показывает наше [сравнение цен на аренду RTX PRO 6000](https://powerdedi.com/ru/blog/rtx-pro-6000-rental-monthly-vs-hourly). ## Источники - [Карточка модели gpt-oss-120b & gpt-oss-20b](https://arxiv.org/abs/2508.10925) — OpenAI, arXiv:2508.10925, август 2025 г. - [openai/gpt-oss-120b](https://huggingface.co/openai/gpt-oss-120b) — OpenAI на Hugging Face - [openai/gpt-oss](https://github.com/openai/gpt-oss) — OpenAI на GitHub - [Как запустить gpt-oss с vLLM](https://developers.openai.com/cookbook/articles/gpt-oss/run-vllm) — OpenAI Cookbook - [Как запустить gpt-oss локально с Ollama](https://developers.openai.com/cookbook/articles/gpt-oss/run-locally-ollama) — OpenAI Cookbook - [GPT OSS](https://docs.vllm.ai/projects/recipes/en/latest/OpenAI/GPT-OSS.html) — рецепты vLLM - [vLLM теперь поддерживает gpt-oss](https://vllm.ai/blog/2025-08-05-gpt-oss) — блог vLLM, 5 августа 2025 г. - [Гибридный менеджер KV-кэша](https://docs.vllm.ai/en/latest/design/hybrid_kv_cache_manager.html) — документация vLLM - [Аргументы движка](https://docs.vllm.ai/en/latest/configuration/engine_args.html) — документация vLLM - [Квантование](https://docs.vllm.ai/en/stable/features/quantization/) — документация vLLM - [OpenAI gpt-oss](https://ollama.com/blog/gpt-oss) — блог Ollama, 5 августа 2025 г. - [Длина контекста](https://docs.ollama.com/context-length) — документация Ollama - [Матрица поддержки NIM](https://docs.nvidia.com/nim/large-language-models/latest/reference/support-matrix.html) — NVIDIA NIM for LLM and VLM - [Compute capability GPU с поддержкой CUDA](https://developer.nvidia.com/cuda-gpus) — NVIDIA Developer **Поделиться статьёй** Инженерная команда PowerDedi Команда, которая собирает, устанавливает в стойки и обслуживает каждый сервер PowerDedi. Мы пишем о железе, сетях и затратах, с которыми работаем каждый день, и указываем источники. **Выделенные серверы** от $55/мес Примерно на 40% ниже рынка, безлимитный порт 10 Гбит/с на каждом сервере. Оплата криптовалютой. [Все серверы](https://powerdedi.com/ru/dedicated-servers) **Ещё в блоге** - [Руководства](https://powerdedi.com/ru/blog/ton-node-requirements) 21 октября 2026 г. **Требования к ноде TON в 2026 году: полная нода, лайт-сервер, валидатор** - [Сравнения](https://powerdedi.com/ru/blog/crypto-dedicated-server-providers-compared) 15 октября 2026 г. **Выделенные серверы за криптовалюту: сравнение 14 провайдеров (октябрь 2026 г.)** - [Сравнения](https://powerdedi.com/ru/blog/hetzner-alternatives-2026) 15 октября 2026 г. **Альтернативы Hetzner в 2026 году: оплата криптовалютой, 10 Гбит/с, без платы за подключение** - [Сравнения](https://powerdedi.com/ru/blog/ovhcloud-alternatives-2026) 15 октября 2026 г. **Принимает ли OVHcloud криптовалюту? Альтернативы OVHcloud в 2026 году** ## Похожие статьи [Все статьи](https://powerdedi.com/ru/blog) [Рынок](https://powerdedi.com/ru/blog/category/market) 15 октября 2026 г. ### [Аренда RTX PRO 6000 в 2026 году: почасовые цены в облаках против сервера с помесячной оплатой](https://powerdedi.com/ru/blog/rtx-pro-6000-rental-monthly-vs-hourly) Сколько стоит час NVIDIA RTX PRO 6000 в основных GPU-облаках и на маркетплейсах в октябре 2026 года, где проходит точка окупаемости между почасовой оплатой и сервером на месяц, какие расходы не входят в почасовую цену и когда почасовая оплата всё же выгоднее. 10 мин чтения [Оборудование](https://powerdedi.com/ru/blog/category/hardware) 15 октября 2026 г. ### [EPYC 4585PX против Ryzen 9 9950X3D и 9950X: какой серверный процессор AM5 выбрать?](https://powerdedi.com/ru/blog/epyc-4585px-vs-ryzen-9950x3d-vs-9950x) EPYC 4585PX — серверный, прошедший валидацию AMD двойник Ryzen 9 9950X3D. Как он соотносится с 9950X3D и 9950X по ECC, объёму и скорости памяти, линиям PCIe, опубликованным тестам Phoronix и цене, и когда разумнее взять 12-канальный EPYC. 10 мин чтения [Оборудование](https://powerdedi.com/ru/blog/category/hardware) 15 октября 2026 г. ### [Ryzen 9 9950X или 9950X3D для игровых серверов: что арендовать в 2026 году](https://powerdedi.com/ru/blog/ryzen-9-9950x-vs-9950x3d-game-servers) У Ryzen 9 9950X и 9950X3D одинаковые 16 ядер Zen 5 и турбочастота 5,7 ГГц; X3D добавляет 64 МБ L3 к одному чиплету. Что показывают опубликованные тесты под Linux, как держать игровой сервер на чиплете с кешем, как измерять TPS и MSPT и что арендовать. 12 мин чтения ## До вашего следующего сервера — 15 минут. От $55/мес: 10 Гбит/с без учёта трафика, без платы за подключение и без договора. [Все серверы](https://powerdedi.com/ru/dedicated-servers) [Все статьи](https://powerdedi.com/ru/blog) Запуск за ~15 мин · Отмена в любой момент · BTC, ETH, XMR, USDT или SOL --- PowerDedi — Dedicated servers with 10 Gbps unmetered, paid in crypto. Page: https://powerdedi.com/blog/gpt-oss-120b-hardware-requirements. Index of the site for AI assistants: https://powerdedi.com/llms.txt