Bonsai 2
PrismML发布的基于Qwen 3 27B的三元量化大语言模型，使用PQ2_0格式将模型压缩至约7.2GB，声称在Top-1指标上保留超过98%的FP16性能，专为低显存本地部署场景设计
时间轴 (近 90 天)
Prism ML推出的Bonsai 2模型声称在不到8GB显存里保留270亿参数模型98%的性能
基准平均分匹配不等于真实智能体工作中的匹配，压缩抹掉的智能在需要长程规划、自我检查和持续推进的场景暴露
Prism ML白皮书报告Bonsai 2在TerminalBench 2.1上保留约76%、在SWE-bench Verified上约75%的原模型分数，这两项长链基准未计入98%平均值
Bonsai 2在长链任务中出现原地打转行为，如ISS追踪器任务发起153次工具调用其中150次只是读/列/搜索文件，并曾将同一工具调用114次
在六个真实长链agentic构建任务中，Qwen3-27B得35/60并交付可运行应用，而Bonsai 2全线崩溃，未产出任何可运行页面
在关闭思考功能的简单任务和长上下文测试中，Bonsai 2与全精度Qwen3-27B表现几乎打成平手，98%承诺基本成立
Bonsai 2宣称的98%评分是20项基准在思考功能开到最大强度时测得的平均值
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
Bonsai 2采用从Qwen3-27B架构出发以三值约束为目标的完整重新训练，而非对已有权重做后期量化（post-training quantization）
Bonsai 2是由Prism ML推出的三值量化大模型，以Qwen3-27B为底座重新训练，整个文件约6GB
还有 21 条时间轴事件
全部知识事实 (20)
Bonsai 2适合本地聊天助手、知识问答与信息查询、笔记本上单段代码级别的轻量编码帮助
60%待验证Bonsai 2采用从Qwen3-27B架构出发以三值约束为目标的完整重新训练，而非对已有权重做后期量化（post-training quantization）
60%待验证在关闭思考功能的简单任务和长上下文测试中，Bonsai 2与全精度Qwen3-27B表现几乎打成平手，98%承诺基本成立
50%待验证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
50%待验证Bonsai 2宣称的98%评分是20项基准在思考功能开到最大强度时测得的平均值
50%待验证基准平均分匹配不等于真实智能体工作中的匹配，压缩抹掉的智能在需要长程规划、自我检查和持续推进的场景暴露
50%待验证Prism ML白皮书报告Bonsai 2在TerminalBench 2.1上保留约76%、在SWE-bench Verified上约75%的原模型分数，这两项长链基准未计入98%平均值
50%待验证Prism ML推出的Bonsai 2模型声称在不到8GB显存里保留270亿参数模型98%的性能
50%待验证Bonsai 2在长链任务中出现原地打转行为，如ISS追踪器任务发起153次工具调用其中150次只是读/列/搜索文件，并曾将同一工具调用114次
50%待验证在六个真实长链agentic构建任务中，Qwen3-27B得35/60并交付可运行应用，而Bonsai 2全线崩溃，未产出任何可运行页面
50%待验证在构建3D地球仪ISS追踪器的agentic任务中，完整Qwen模型搭建出可工作的追踪器，而Bonsai 2未能写出一行代码，并将完全相同的搜索重复执行了114次
50%待验证Bonsai 2是由Prism ML推出的三值量化大模型，以Qwen3-27B为底座重新训练，整个文件约6GB
50%待验证Bonsai 2将模型中每个权重量化为-1、0或+1三种取值，每个参数压缩到不足2比特
50%待验证Prism ML宣称Bonsai 2在激进压缩后仍保留原始Qwen模型98%的性能
50%待验证BitNet b1.58将权重限制为{-1, 0, +1}三种取值，与Bonsai 2的做法高度一致
50%待验证在YouTube创作者的实测中，Bonsai 2在短任务（单轮问答、对话、一次性问题）上几乎与完整尺寸Qwen模型打成平手
50%待验证Bonsai 2不适合长时间运行的智能体任务、需要多步规划和工具调用及状态保持的复杂工作流、对决策稳定性要求高的自动化流程
50%待验证单一的性能百分比具有误导性，号称保留98%性能的模型可能在特定任务类型上恰好落在损失的2%里，应在信任benchmark前用真实任务测试
50%待验证Bonsai 2可在普通MacBook等消费级笔记本上运行，降低了27B级模型本地推理的门槛
50%待验证PrismML的Ternary Bonsai 2基于Qwen3.8的27B模型做三值量化，获387万下载，语言模型从54G压到5.9G，缩小9.3倍，官方称保留FP16模型98.2%能力，14个思考基准平均84.78分
50%