gpt-oss 120BNVIDIA Hopper
在 H100 上运行 gpt-oss-120b
快速结论
gpt-oss-120b 在 H100 上、每用户每秒 50 token 档位下单 GPU 可持续输出 8,973 token/s，按超大规模云价格折合每百万 token $0.036，推理引擎为 vLLM。全部实测配置中最快 TTFT 为 0.0 ms，最快 TPOT 为 0.0 ms（两者各自取最优，可能来自不同配置）。
实测配置数
43
推理引擎
vLLM
精度
fp4
运行日期
2026-03-27 → 2026-05-17
各交互档位下的吞吐表现
推理部署是一种权衡：单 GPU 上并发用户越多，每个用户收到 token 的速度就越慢。下表在单轮对话工作负载（8k 输入 / 1k 输出）下按每个单用户速度目标读取实测前沿，取该工作点上最优的引擎与精度。
| 单用户速度目标 | 单 GPU 每秒 token 数 | 每百万 token 成本 | 推理引擎 | 精度 |
|---|---|---|---|---|
| 30 tok/s | - | - | vLLM | fp4 |
| 50 tok/s | 8,973 | $0.036 | vLLM | fp4 |
| 75 tok/s | 7,136 | $0.046 | vLLM | fp4 |
| 100 tok/s | 5,863 | $0.055 | vLLM | fp4 |
| 150 tok/s | 3,931 | $0.083 | vLLM | fp4 |
| 200 tok/s | 2,558 | $0.13 | vLLM | fp4 |
实际部署成本
将每用户每秒 50 token 工作点的实测吞吐，按 SemiAnalysis AI Cloud TCO 模型的各档租用价格换算为每百万 token（输入加输出）成本。
| 价格档位 | $/GPU/小时 | 每百万 token 成本 |
|---|---|---|
| 超大规模云 | $1.17 | $0.036 |
| 新兴云 | $1.55 | $0.048 |
| 零售租用 | $1.78 | $0.055 |
常见问题
- gpt-oss-120b 在 H100 上能跑多快？
- 在单轮对话工作负载（8k 输入 / 1k 输出）、每用户每秒 50 token 的交互档位下，H100 部署 gpt-oss-120b 单 GPU 可持续输出 8,973 token/s，推理引擎为 vLLM，精度 FP4。全部配置中的实测峰值吞吐为单 GPU 10,284 token/s。
- 在 H100 上部署 gpt-oss-120b 的成本是多少？
- 按超大规模云 $/GPU/小时 价格、每用户每秒 50 token 档位计算，每百万 token（输入加输出）成本为 $0.036。新兴云与零售租用价格见上方表格；更慢的交互档位成本更低。
- 哪些推理引擎可以在 H100 上运行 gpt-oss-120b？
- 本页数据来自 vLLM，精度覆盖 FP4。推理引擎持续重新构建并重跑基准，最优配置可能随时变化。
- 这些 gpt-oss-120b 数据是如何测得的？
- 所有数字均由 InferenceX 集群在真实 H100 硬件上实测，通过在单轮对话工作负载（8k 输入 / 1k 输出）下扫描并发数绘制吞吐与交互速度前沿曲线；最新一次运行落在 2026-05-17。推导方式与 InferenceX 总览排行榜完全一致。