/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Ternary-Bonsai-27B-gguf
Опубликована
15 июл 2026

Ternary-Bonsai-27B-antidoom-DSpark

Генерация текстаТекст → текст10 профессий

Ternary-Bonsai-27B-antidoom-DSpark — текстовая генеративная модель, разработанная на основе prism-ml/Ternary-Bonsai-27B и доработанная Danny-Dasilva с применением antidoom и DSpark.

759скачиваний за 30 дней9лайковвеса обновлены15 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Она предназначена для локальной генерации текста, включая программный код, с запуском через специализированный форк llama.cpp и CUDA-ядра для гибридного внимания. Модель ориентирована на сценарии, где важны компактность, высокая скорость вывода и устойчивость к зацикливанию на повторяющихся фрагментах.

В основе лежит гибридная attention-архитектура Qwen3.5-27B с тернарной 2-битной квантизацией Q2_0, плотностью около 2,125 бит на вес и контекстом до 16 384 токенов в приведённой конфигурации. Указан английский язык. В комплект входят основная модель размером около 7 ГБ, DSpark-драфтер в формате Q4_1 для speculative decoding и vision projector Q8_0, что указывает на поддержку мультимодального сценария через проектор, хотя подробности о визуальных возможностях не приведены.

К сильным сторонам относятся малый размер, высокая скорость на RTX 5090 и ускорение speculative decoding: в описанном тесте скорость выросла с 129,2 до 184,6 токена в секунду. Antidoom-настройка снижает склонность к продолжению уже начавшихся повторов, однако её эффект частично ослабляется агрессивной 2-битной квантизацией. Скорость DSpark зависит от характера запроса и может снижаться на задачах с низкой долей принятых черновых токенов; для работы требуется совместимый форк llama.cpp и подходящее CUDA-оборудование. Модель распространяется по лицензии Apache-2.0.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Ternary-Bonsai-27B-antidoom-DSpark

A DSpark-accelerated + antidoom (FTPO anti-repetition) build of prism-ml/Ternary-Bonsai-27B — the ternary (Q2_0, 2.125 bpw g128) quantization of the Qwen3.5-27B hybrid-attention model.

Runs in the PrismML-Eng/llama.cpp fork (CUDA Q2_0 hybrid-attention kernels). Built and validated on a single RTX 5090 (32 GB, Blackwell sm_120).

Companion model: Danny-Dasilva/Bonsai-27B-antidoom-1bit-DSpark (1-bit).

Contents

FileWhat
Ternary-Bonsai-27B-antidoom-Q2_0.ggufantidoom-tuned ternary model (~7 GB)
Ternary-Bonsai-27B-dspark-Q4_1.ggufDSpark speculative drafter (from prism-ml)
Ternary-Bonsai-27B-mmproj-Q8_0.ggufvision projector (from prism-ml)

Run with DSpark (fastest)

build/bin/llama-server \
  -m Ternary-Bonsai-27B-antidoom-Q2_0.gguf \
  -md Ternary-Bonsai-27B-dspark-Q4_1.gguf \
  --spec-type draft-dspark --spec-draft-n-max 4 \
  -ngl 999 -ngld 999 -fa on -c 16384 -np 1

Speed comparison — all four models (RTX 5090, 32 GB)

Single stream, greedy, 256 new tokens, PrismML llama.cpp fork (CUDA 13 / sm_120). Native = llama-bench tg256 (fa=1, r=2). DSpark = llama-speculative-simple, --spec-draft-n-max 4, code prompt (high-acceptance workload); all four runs measured back-to-back in the same session.

ModelNative tok/s+ DSpark tok/sAcceptDSpark speedup
Bonsai-27B 1-bit (base)166.0208.378.6%1.25×
Bonsai-27B 1-bit antidoom (this family)153.7192.474.6%1.25×
Ternary-Bonsai-27B (base)136.5185.969.2%1.36×
Ternary-Bonsai-27B antidoom (this family)129.2184.669.2%1.43×
tok/s (code prompt, bs=1)                 native ▒   +DSpark █
Bonsai 1-bit base      ▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒ 166.0
                       ████████████████████████████████ 208.3
Bonsai 1-bit antidoom  ▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒ 153.7
                       █████████████████████████████ 192.4
Ternary base           ▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒ 136.5
                       ████████████████████████████ 185.9
Ternary antidoom       ▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒ 129.2
                       ████████████████████████████ 184.6

Notes:

  • DSpark's gain is workload-dependent: on low-acceptance prose (~51%) the 1-bit target can be slower than native because the tiny weights make drafting overhead relatively expensive.
  • The antidoom variants are ~5–8% slower natively because re-quantization stored the output tensor at q6_K (prism's originals pack it smaller); with DSpark the gap mostly closes.
  • FTPO does not hurt the DSpark drafter (accept 74.6–78.6% 1-bit, 69.2% ternary, unchanged base vs antidoom for ternary).
  • All numbers beat prism-ml's published H100 figures (104.8→143.8 1-bit, 98.0→131.8 ternary): these models are memory-bandwidth-bound and the 5090 has more bandwidth headroom at bs=1.

Antidoom (FTPO) pass — what was done

Bonsai models are unusually doom-loop resistant (they self-correct repetition), so runaway-repetition pairs were surfaced by priming: contexts that already began repeating a phrase, sent to the raw completion endpoint, where the model continues the loop. Antidoom's own detector + chosen-token sampler extracted 40 FTPO preference pairs (rejected = the loop-continuation token, chosen = coherent escapes). FTPO trained a LoRA (r=64, q/k/v/o + gate/up/down + lm_head, 12 epochs, lr 3e-5) on the FP16 unpacked model:

  • chosen-win (prefers the coherent escape over continuing the loop): 0.02 → 0.53 (early-stopped ≥0.4).
  • LoRA merged (CPU) into FP16, re-quantized to Q2_0. The aggressive 2-bit format partially dilutes the LoRA's fine adjustments; the anti-repetition effect is strongest at higher precision.

Provenance

Base weights, DSpark drafter and mmproj are from prism-ml (model weights re-quantized after the antidoom LoRA merge; drafter/mmproj copied unchanged). Built with antidoom and the PrismML llama.cpp fork.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

llama.cpp

Нельзя запустить

GGUF-модель ждёт проверки: нужно выбрать файл кванта под доступные GPU.

Ревизия весов
663b5d9

0 моделей