# gpt-oss-20b

> Fiche du modèle de langage gpt-oss-20b sur Quelle IA, édition du 28 septembre 2026. gpt-oss-20b (OpenAI) : score IA de 59,9, 153e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/gpt-oss-20b/
Origine : OpenAI · États-Unis · sorti le 5 août 2025

## Score général

- Score IA : 59,9 (marge à 90 % : de 53,9 à 66,0)
- Rang : 153 (Groupe 11, ex æquo)
- Couverture : 75 % du poids des tâches, 23 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 59,1 | Provisoire · 33 % |
| Code | 61,5 | Rang 62 · 31 % |
| Agents | non mesuré | Non mesuré |
| Usage | 55,8 | Rang 183 · 100 % |
| Maths | 65,9 | Provisoire · 25 % |
| Sciences | 58,9 | Rang 84 · 60 % |
| Français | 49,0 | Rang 125 · 75 % |
| Vision | non mesuré | Non mesuré |
| Écriture | 51,6 | Rang 198 · 100 % |
| Web | non mesuré | Non mesuré |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [gpt-oss-20b (Low)](https://artificialanalysis.ai/models/gpt-oss-20b-low) | 10,0 (estimé) | hors classement | 198,5 jetons/s | 0,90 s | 0,07 $ / 0,215 $ |
| [gpt-oss-20b (High)](https://artificialanalysis.ai/models/gpt-oss-20b) | 9,0 | 180e sur 193 | 163,1 jetons/s | 0,76 s | 0,07 $ / 0,18 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe ; un indice qu'ils estiment reste hors de ce classement. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/gpt-oss-20b-low

## Exécution locale

Tient à partir d'un Mac de 24 Go (17,8 Go utiles), en version allégée à 4 bits, par exemple un Mac mini M5 Pro de 24 Go. Mémoire estimée : 14,5 Go.

- Allégée, 4 bits : 14,5 Go
- Allégée, 8 bits : 25,4 Go
- Complète, 16 bits : 48,3 Go

- Plus petite machine : [Mac 24 Go](https://quelleia.com/local/#mac_24_go), version allégée à 4 bits
- Carte graphique : [Carte graphique 24 Go](https://quelleia.com/local/#carte_graphique_24_go), version allégée à 4 bits ; par exemple [Intel Arc Pro B60](https://quelleia.com/local/intel-arc-pro-b60/)
- PC portable RTX : [PC portable GeForce RTX 24 Go](https://quelleia.com/local/#pc_portable_rtx_24_go), version allégée à 4 bits ; par exemple [PC portable avec GeForce RTX 5090](https://quelleia.com/local/pc-portable-geforce-rtx-5090/)
- PC portable Intel : [PC portable Intel Core Ultra 32 Go](https://quelleia.com/local/#pc_portable_intel_32_go), version allégée à 4 bits ; par exemple [Samsung Galaxy Book6 Pro 16 pouces, 32 Go](https://quelleia.com/local/samsung-galaxy-book6-pro-16/)
- PC portable Snapdragon : Trop juste
- Mac : [Mac 24 Go](https://quelleia.com/local/#mac_24_go), version allégée à 4 bits ; par exemple [Mac mini M5 Pro, 24 Go](https://quelleia.com/local/mac-mini-m5-pro-24go/)
- Ryzen AI Max : [Ryzen AI Max 32 Go](https://quelleia.com/local/#ryzen_ai_max_32_go), version allégée à 4 bits ; par exemple [Ryzen AI Max 385, 32 Go](https://quelleia.com/local/ryzen-ai-max-385-32go/)
- Nvidia DGX : [DGX Spark 128 Go](https://quelleia.com/local/#dgx_spark), version complète ; par exemple [Nvidia DGX Spark](https://quelleia.com/local/dgx-spark/)
- Sans carte graphique : Trop juste
- Serveur : Oui

## Fiche technique

- Prix : 0,03 € / 0,12 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 131 072 jetons (environ 98 000 mots)
- Entrées : Texte
- Réflexion : Faible, moyenne, élevée (trois niveaux réglables)
- Paramètres : 21 milliards
- Licence : Apache 2.0 (poids ouverts, téléchargeables)
- Classe énergétique : A (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Non communiqué

## Où le trouver

- Télécharger : [Hugging Face](https://huggingface.co/openai/gpt-oss-20b)
- Sur votre machine : [Ollama](https://ollama.com/search?q=gpt-oss-20b)
- Sur votre machine : [LM Studio](https://lmstudio.ai)
- Par API : [OpenRouter](https://openrouter.ai/openai/gpt-oss-20b)
- Par API : [API OpenAI](https://platform.openai.com/docs)
- L'essayer : [ChatGPT](https://chatgpt.com)

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| EuroEval, Allociné (sentiment) | Français | 90,5 % | 24,7 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, Allociné (sentiment) | Français | 90,1 % | 22,8 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, Allociné (sentiment) | Français | 89,5 % | 19,6 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, INCLUDE (connaissances) | Français | 67,9 % | 68,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 66,6 % | 67,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| OTIS Mock AIME 2024-2025 | Maths | 65,3 % | 66,7 | saturé | https://epoch.ai/benchmarks |
| EuroEval, ELTeC (noms propres) | Français | 64,4 % | 59,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, FQuAD (compréhension) | Français | 63,2 % | 33,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, FQuAD (compréhension) | Français | 62,8 % | 31,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, INCLUDE (connaissances) | Français | 62,4 % | 59,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, FQuAD (compréhension) | Français | 58,5 % | 9,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, HellaSwag (bon sens) | Français | 55,7 % | 45,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, HellaSwag (bon sens) | Français | 54,3 % | 43,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, HellaSwag (bon sens) | Français | 51,7 % | 40,2 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| OTIS Mock AIME 2024-2025 | Maths | 50,8 % | 62,6 | saturé | https://epoch.ai/benchmarks |
| EuroEval, INCLUDE (connaissances) | Français | 49,9 % | 40,9 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| GPQA Diamond | Sciences | 60,8 % | 59,7 | actif | https://epoch.ai/benchmarks |
| DTBench | Raisonnement | 68 % | 60,2 | saturé | https://conceptualreasoning.ai/dtbench |
| EuroEval, ELTeC (noms propres) | Français | 43,8 % | -6,0 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| WeirdML (v2) | Code | 40,9 % | 68,4 | actif | https://htihle.github.io/weirdml.html |
| Arena, questions de maths | Maths | 1 335,2 Elo | 56,1 | actif | https://arena.ai/leaderboard |
| OTIS Mock AIME 2024-2025 | Maths | 40,3 % | 59,7 | saturé | https://epoch.ai/benchmarks |
| Arena, questions de code | Code | 1 368,7 Elo | 52,8 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 317,6 Elo | 50,3 | actif | https://arena.ai/leaderboard |
| GPQA Diamond | Sciences | 53,2 % | 54,8 | actif | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 36,8 % | 65,5 | actif | https://htihle.github.io/weirdml.html |
| EuroEval, ScaLA (grammaire) | Français | 36,8 % | 38,3 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Arena, questions d'experts | Sciences | 1 314,4 Elo | 49,9 | actif | https://arena.ai/leaderboard |
| EuroEval, ScaLA (grammaire) | Français | 34,8 % | 33,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, OrangeSum (résumé) | Français | 34,6 % | -8,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| SciCode | Code | 34,4 % | 64,2 | actif | https://artificialanalysis.ai/evaluations/scicode |
| compar:IA | Français | 910,0 Elo | 23,3 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| EuroEval, OrangeSum (résumé) | Français | 33,4 % | -38,5 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Arena, écriture créative | Écriture | 1 239,8 Elo | 40,5 | actif | https://arena.ai/leaderboard |
| EuroEval, ScaLA (grammaire) | Français | 31 % | 24,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| GPQA Diamond | Sciences | 46 % | 49,7 | actif | https://epoch.ai/benchmarks |
| EuroEval, OrangeSum (résumé) | Français | 21,8 % | -373,6 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| LMCA | Raisonnement | 14,51 | 55,9 | actif | https://conceptualreasoning.ai/lmca |
| EuroEval, MultiLoKo (connaissances locales) | Français | 13 % | 46,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, MultiLoKo (connaissances locales) | Français | 12,2 % | 44,7 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, MultiLoKo (connaissances locales) | Français | 5,9 % | 30,8 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Terminal-Bench 2.0 | Code | 3,4 % | 51,2 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 3,4 % | 51,1 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 3,1 % | 50,4 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 3,1 % | 50,3 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| CritPt | Sciences | 1,4 % | 64,5 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 4 % | 47,6 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 0 % | 47,6 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 2 % | 47,6 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de gpt-oss-20b ?** gpt-oss-20b obtient un score IA de 59,9, avec une marge de 53,9 à 66,0, dans l'édition du 28 septembre 2026. Il est classé 153e sur 246 modèles, à partir de 23 mesures.

**Dans quelles tâches gpt-oss-20b est-il le plus fort ?** Ses deux meilleures tâches sont maths (65,9) et code (61,5). Sa tâche la plus faible est français (49,0).

**gpt-oss-20b peut-il tourner en local ?** Tient à partir d'un Mac de 24 Go (17,8 Go utiles), en version allégée à 4 bits, par exemple un Mac mini M5 Pro de 24 Go. Mémoire estimée : 14,5 Go.

**Combien coûte gpt-oss-20b ?** 0,03 € par million de jetons en entrée et 0,12 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite gpt-oss-20b ?** gpt-oss-20b est édité par OpenAI (États-Unis), et il est sorti le 5 août 2025. Ses poids sont ouverts, sous licence Apache 2.0.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com