高通联合 PrismML 在骁龙 AR1 Gen 1 上跑通 1-bit Bonsai 视觉模型
AI 眼镜离线也能识图问答：高通携手 PrismML 发布 1-bit Bonsai，内存占用降至 1/4
AI 眼镜不用联网也能识图问答了，1-bit 量化让 2B 模型塞进眼镜芯片，速度翻倍、功耗还降，端侧玩法的实用参考。
在 2026 骁龙峰会上，高通与 PrismML 在骁龙 AR1 Gen 1 智能眼镜平台本地运行了 20 亿参数的 1-bit 量化 Bonsai 视觉模型。该模型基于 PrismML 此前发布的 Bonsai 1.7B 版本构建，内存占用约为传统 4-bit 模型的 1/4，相同内存下可容纳约 4 倍参数，文本 Token 生成速度翻倍。落地场景包括识别眼前物体、翻译文字、回答环境问题等，全部在端侧完成，无需连接云端。更低的内存和功耗也带来更长续航和更少发热，改善眼镜的佩戴体验。
AI 眼镜离线也能识图问答：高通携手 PrismML 发布 1-bit Bonsai，内存占用降至 1/4
IT之家 9 月 24 日消息，在 2026 骁龙峰会上，高通携手 PrismML 公司，在骁龙 AR1 Gen 1 智能眼镜平台上， 成功本地运行 20 亿参数的 1-bit 量化 Bonsai 视觉模型。 Bonsai 1-bit 模型基于 PrismML 此前发布的 Bonsai 1.7B 版本构建，降低模型存储与推理所需的内存资源，模型精度压缩到 1-bit。官方表示在相同内存容量下可容纳约 4 倍参数， 内存占用约为传统 4-bit 模型的 1/4，文本 Token 生成速度翻倍。 在落地场景方面，IT之家援引博文介绍，官方表示在识别眼前物体、翻译文字、回答环境相关的问题、提供免手操作的语音帮助等场景下，AI 交互不再需要通过连接云端等待，可以直接本地实现交互。 在续航、发热和佩戴方面，1-bit 模型可以降低内存和功耗，从而更长续航、更少发烫，从而改善佩戴体验。
