gpt-oss-20b vs Qwen3 30B A3B para chat local
Dois modelos de chat de mistura de especialistas para uma máquina de 16 a 32 GB
Fatos do catálogo revisado
| Especificação | gpt-oss-20b | Qwen3 30B A3B Instruct 2507 |
|---|---|---|
| Tarefa | Texto e chat | Texto e chat |
| Parâmetros | 21B · 3,6B ativos | 30,5B · 3,3B ativos |
| Licença | Apache 2.0 | Apache 2.0 |
| Uso comercial | Permitidotexto da licença | Permitidotexto da licença |
| Qualidade · LMArena 2026-10-22 · texto | 1.317 ± 61.311–1.324 · 10.417 votos · posição 269 · fonte | 1.382 ± 51.377–1.387 · 23.306 votos · posição 190 · fonte |
| Memória | estimativa de planejamento Q4 (~16 GB de pesos antes da reserva da máquina) | estimativa de planejamento Q4 (~23 GB de pesos antes da reserva da máquina) |
| Checkpoint | ficha oficial | ficha oficial |
No LMArena 2026-10-22 · texto, o Qwen3 30B A3B Instruct 2507 tem 1.382 ± 5 contra 1.317 ± 6 do gpt-oss-20b, 65 pontos à frente, com intervalos que não se sobrepõem. Votos cegos de pessoas em pares, no modelo hospedado, CC BY 4.0. A pontuação é relativa; intervalos que se sobrepõem significam que a ordem não está definida. Escala: pontuação Arena (controle de estilo, geral) ± metade do intervalo de confiança.
Memória em três máquinas
A reserva de cada máquina é somada (placas de vídeo 2 GB; memória unificada e do sistema 25%, de 2 a 8 GB). Estimativas de planejamento, não execuções medidas.
| Máquina | gpt-oss-20b | Qwen3 30B A3B Instruct 2507 |
|---|---|---|
| RTX 4060 Ti · 16 GB de VRAM | ~18 GBNa memória, fora da parte rápida · offload para a RAM do PC (32 GB presumidos) | ~25 GBNa memória, fora da parte rápida · offload para a RAM do PC (32 GB presumidos) |
| RTX 4090 · 24 GB de VRAM | ~18 GBCabe na memória rápida | ~25 GBNa memória, fora da parte rápida · offload para a RAM do PC (32 GB presumidos) |
| MacBook Air 13 polegadas M4 · 32 GB unificados | ~24 GBCabe na memória rápida | ~31 GBCabe na memória rápida |
gpt-oss-20b: estimativa de planejamento Q4 (~16 GB de pesos antes da reserva da máquina). Qwen3 30B A3B Instruct 2507: estimativa de planejamento Q4 (~23 GB de pesos antes da reserva da máquina). Fórmulas
Tudo o que roda em cada máquina: RTX 4060 Ti · 16 GB de VRAM · RTX 4090 · 24 GB de VRAM · MacBook Air 13 polegadas M4 · 32 GB unificados
Qual escolher
Os dois são misturas de especialistas com parte ativa pequena (3,6 bilhões de parâmetros no gpt-oss-20b, 3,3 bilhões no Qwen3 30B A3B), então geram rápido para o tamanho. O gpt-oss-20b é menor no total (21 bilhões contra 30,5) e a OpenAI o distribui em MXFP4 de 4 bits, dizendo que roda em 16 GB; a estimativa Q4 genérica abaixo é mais cautelosa que essa afirmação. O Qwen3 30B A3B passa do limite de uma placa de 24 GB em Q4 e cabe num Mac de 32 GB. Os dois são Apache 2.0. O Qwen3 30B A3B publica contexto de 262.144 tokens contra 131.072 e tem nota maior na mesma rodada de texto do LMArena.
Arquivos e comandos para rodar
O arquivo padrão da fonte coletada mais baixada, ou os comandos que cada ficha documenta. Não executados por este site.
gpt-oss-20b
unsloth/gpt-oss-20b-GGUF · gpt-oss-20b-Q4_K_M.gguf · Q4_K_M · 11,6 GB · unsloth
ollama run hf.co/unsloth/gpt-oss-20b-GGUF:Q4_K_Mllama-server -hf unsloth/gpt-oss-20b-GGUF:Q4_K_Mlms get https://huggingface.co/unsloth/gpt-oss-20b-GGUF- mlx-lm: O mlx-lm roda repositórios MLX; escolha a versão MLX num Mac
Qwen3 30B A3B Instruct 2507
unsloth/Qwen3-30B-A3B-Instruct-2507-GGUF · Qwen3-30B-A3B-Instruct-2507-Q4_K_M.gguf · Q4_K_M · 18,6 GB · unsloth
ollama run hf.co/unsloth/Qwen3-30B-A3B-Instruct-2507-GGUF:Q4_K_Mllama-server -hf unsloth/Qwen3-30B-A3B-Instruct-2507-GGUF:Q4_K_Mlms get https://huggingface.co/unsloth/Qwen3-30B-A3B-Instruct-2507-GGUF- mlx-lm: O mlx-lm roda repositórios MLX; escolha a versão MLX num Mac
Números que cada publicador informa
Os resultados de cada ficha, com a configuração de cada uma. Publicadores escolhem testes e configurações diferentes, então estes valores nunca são comparados entre publicadores aqui.
gpt-oss-20b · informado por OpenAI
Qwen3 30B A3B Instruct 2507 · informado por Alibaba
- MMLU-Pro
- 78,4Knowledge
- MMLU-Redux
- 89,3Knowledge
- GPQA
- 70,4Knowledge
- SuperGPQA
- 53,4Knowledge
- AIME25
- 61,3Reasoning
- HMMT25
- 43,0Reasoning
- ZebraLogic
- 90,0Reasoning
- LiveBench 20241125
- 69,0Reasoning
Todos os resultados informados
- LiveCodeBench v6 (25.02-25.05)
- 43,2Coding
- MultiPL-E
- 83,8Coding
- Aider-Polyglot
- 35,6Coding
- IFEval
- 84,7Alignment
- Arena-Hard v2
- 69,0Alignment
- Creative Writing v3
- 86,0Alignment
- WritingBench
- 85,5Alignment
- BFCL-v3
- 65,1Agent
- TAU1-Retail
- 59,1Agent
- TAU1-Airline
- 40,0Agent
- TAU2-Retail
- 57,0Agent
- TAU2-Airline
- 38,0Agent
- TAU2-Telecom
- 12,3Agent
- MultiIF
- 67,9Multilingualism
- MMLU-ProX
- 72,0Multilingualism
- INCLUDE
- 71,9Multilingualism
- PolyMATH
- 43,1Multilingualism
Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Performance); coluna “Qwen3-30B-A3B-Instruct-2507”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo
Limites e datas
O benchmark de qualidade publicado não testa uma versão local quantizada. Estimativas de memória não medem velocidade nem garantem compatibilidade. Tamanho de repositório, quando disponível, não é VRAM. Fórmulas
Página atualizada em · Catálogo revisado em · LMArena 2026-10-22 · texto