2026-09-19 · Fuente：SiliconANGLE
El Bonsai 2 27B de segunda generación, comprimido desde un modelo basado en Qwen3.8 mediante un método ternario de tres partes, es lo bastante pequeño para correr en PC y en algunos dispositivos móviles de gama alta.
Prism ML Inc. anunció el jueves el lanzamiento de Bonsai 2 27B, la segunda generación de su excepcionalmente compacto modelo de IA generativa multimodal, uno lo bastante pequeño para correr en PC y en algunos dispositivos móviles de gama alta. El lanzamiento del 18 de septiembre coloca al sistema más nuevo de la compañía en un segmento de crecimiento rápido del mercado de la IA: los modelos generativos diseñados para operar localmente en hardware de consumo y no en el centro de datos.
La compañía dijo que se apoyó en un enfoque ternario, uno que, como sugiere el nombre, usa tres partes, para reducir de escala un modelo basado en Qwen3.8 27B. El Qwen3.8 subyacente ronda los 56 mil millones de parámetros, lo que dejaba a Prism ML una brecha de tamaño considerable por cerrar. Al rehacer la red en torno a pesos de tres partes, la startup dice que produjo Bonsai 2 27B conservando las capacidades generativas multimodales de su base mucho mayor.
Para los compradores de computación de IA, el lanzamiento destaca un trade-off creciente entre escala bruta y localidad. Los modelos lo bastante compactos para computadoras personales y dispositivos móviles de gama alta desplazan la inferencia fuera de la infraestructura de nube compartida y hacia máquinas que organizaciones y consumidores ya poseen, una propuesta atractiva cuando el acceso a gran capacidad de aceleradores sigue siendo costoso y disputado. La designación multimodal también importa, porque los sistemas generativos en el dispositivo capaces de manejar más de un tipo de entrada se vuelven cada vez más centrales para los planes de asistentes locales y de despliegue en el borde.
La dependencia de Bonsai 2 de un punto de partida basado en Qwen3.8 también refleja un patrón más amplio entre los especialistas en modelos compactos. En lugar de entrenar sistemas a escala frontera desde cero, estos proveedores toman bases grandes existentes y las ingenierían hasta huellas que los dispositivos de consumo pueden alojar. Si el método de tres partes de Prism ML preserva suficiente capacidad a escala de clase 27B para ganar cargas de inferencia local frente a modelos pequeños rivales es la pregunta que compradores empresariales e inversores vigilarán a partir de ahora.
Etiquetas: Prism ML · Bonsai 2 27B · Qwen3.8 · Ternary Quantization · On-Device AI · Multimodal Models
萬安算交所 AIXX · AIXX · Exchange verificado · Ir al mercado