PrismML 发布 Ternary Bonsai 2 系列，2B 模型在 iPhone 18 Pro Max 上每秒输出 120 词元
Ternary Bonsai 2 系列 AI 模型登场：苹果 iPhone 18 Pro Max 上本地吞吐最高每秒 120 个词元
PrismML 用三元权重把 Qwen 3.5 压到 0.43GB 起，手机上就能跑本地智能体，llama.cpp 和 MLX 都能部署，权重还开源了。
AI 公司 PrismML 于 10 月 15 日发布 Ternary Bonsai 2 系列模型，提供 2B、4B、9B 三种规模，基于阿里 Qwen 3.5 基座构建，采用仅含 -1、0、+1 的三元权重编码。三个模型的存储占用分别约为 0.43GB、0.95GB 和 2GB，面向手机、PC 和可穿戴设备的本地智能体场景。官方在 19 项基准上测试了工具调用、数学、编程、视觉理解等六类能力，其中 9B 模型在标准指令执行和日常数学任务上所需 token 数量减少约 40%。在 iPhone 18 Pro Max 上，2B 模型最高每秒输出 120 词元，9B 模型最高每秒 34 词元，权重以 Apache 2.0 许可证开放。
Ternary Bonsai 2 系列 AI 模型登场：苹果 iPhone 18 Pro Max 上本地吞吐最高每秒 120 个词元
IT之家 10 月 16 日消息，AI 公司 PrismML 昨日（10 月 15 日）发布博文，宣布推出 Ternary Bonsai 2 系列模型，共有 2B、4B 和 9B 三种规模， 目标在手机、PC 以及可穿戴设备上本地运行 AI 智能体，执行推理、识图、调用工具等能力。 Ternary Bonsai 2 系列模型基于阿里的 Qwen 3.5 基座构建，采用“三元”权重表示法，即仅用 -1、0、+1 三种数值编码模型参数。官方称，2B、4B、9B 模型的存储占用分别约为 0.43GB、0.95GB 和 2GB。 在能力上，Bonsai 2 系列强调本地智能体的实用性：遵循指令、完成日常任务、在移动设备上调用工具、避免重复输出等。官方在 19 项基准上测试了智能工具调用、数学、指令遵循、编程、知识与推理、视觉理解六类能力；其中 9B 模型在标准指令执行和日常数学任务中，所需 token 数量约减少 40%。 性能方面，PrismML 表示，在 RTX 4090 和 M5 Pro 等硬件上，新模型相较对应全精度模型可实现最高 5 倍吞吐量和 3 倍能效；在 iPhone 18 Pro Max 上，9B 模型最高可达每秒 34 个词元，2B 模型最高可达每秒 120 个词元。IT之家附上相关截图如下： 该系列可与已有的 Bonsai 2 27B 组成从轻量任务到复杂工作流的完整产品线。开发者可通过 llama.cpp 在 NVIDIA GPU 上运行，也可通过 MLX 在 Mac、iPhone 和 iPad 上部署；模型权重以 Apache 2.0 许可证开放。
