待验证50% 置信事实精确时间

Bonsai采用三值量化，将每个权重压缩为-1、0或+1三个值，每128个权重共享一个缩放因子，每个权重约需1.7比特，比16位全精度小约9倍

1

来源数

50%

置信度

长期有效

时效性

2026/10/4

首次发现

来源

6GB跑27B大模型？Bonsai 2三值量化的真相与局限

涉及实体

Bonsai 2model 三值量化concept

相关事实

待验证1-bit Bonsai的智能密度得分为0.53/GB，是全精度模型的10倍以上，是最优低比特方案的约2.7倍73% 相似待验证三元量化将神经网络权重限制在三个离散值（通常为 -1、0、+1）上，每个权重理论上只需约 1.58 比特存储72% 相似待验证三元表示理论上每个参数只需约1.58比特，相比FP16可以带来近10倍的存储压缩72% 相似待验证以3×3卷积核、输入输出均为256通道的层为例，标准卷积需约59万参数，深度可分离卷积仅需约6.7万参数，参数量降低约8-9倍68% 相似待验证1-bit量化（BitNet）将每个权重压缩为单个比特，仅表示+1或-165% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/973446

API

curl https://kongchang.com/api/v1/knowledge/claims/973446

MCP

get_claim(id=973446)