/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Ternary-Bonsai-2-27B-gguf
Библиотека
gguf
Опубликована
9 окт 2026

Ternary-Bonsai-2-27B-MTP-GGUF

Генерация текстаТекст → текст

Сборка Ternary Bonsai 2 27B с головкой MTP предназначена для генерации текста и диалогов с ускоренным спекулятивным декодированием.

1 104скачиваний за 30 дней0лайковвеса обновлены9 окт 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Ternary Bonsai 2 27B MTP GGUF — это сборка PrismML Ternary Bonsai 2 27B с добавленной головкой NextN/MTP для спекулятивного декодирования. По README, основа представляет собой плотную модель на 27 млрд параметров с гибридной архитектурой Qwen3.8-27B и тернарными весами; указан контекст 262 тыс. токенов. В репозитории представлены варианты GGUF PQ2_0 и PTQ1_0, а головка MTP хранится в формате q8_0. Заявлена лицензия Apache-2.0.

Модель предназначена для генерации текста и диалогов с ускорением вывода за счёт встроенной MTP-головки: отдельный черновой декодер не требуется. Для запуска нужен движок, поддерживающий тернарные веса и MTP-головку на гибридной архитектуре qwen35; README указывает совместимый вариант opencoti llamafile. Проектор зрения в этой сборке отсутствует. По приведённым тестам, спекулятивное декодирование ускоряет генерацию, но при жадном семплировании возможны отличия ответа от обычного декодирования в позициях с близкими вероятностями токенов.

Сценарии применения

  • ускоренная генерация ответов в чате
  • развёртывание локального текстового ассистента
  • генерация длинных ответов на локальном GPU

Ограничения

Для запуска требуется движок с поддержкой тернарных весов и MTP на гибридной архитектуре qwen35; README указывает opencoti llamafile. При жадном семплировании спекулятивное декодирование может менять отдельные токены ответа в местах, где вероятности лидирующих вариантов близки; проектор зрения в этой сборке не включён.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Ternary Bonsai 2 27B — MTP bundles (GGUF)

PrismML's Ternary Bonsai 2 27B (a 27B dense model with end-to-end ternary weights, Qwen3.8-27B hybrid backbone, 262K context, Apache-2.0) with a NextN / MTP draft head bundled in, so the model self-speculates — no second file, no external drafter.

The published PrismML GGUFs carry no NextN layer. These bundles add the upstream Qwen/Qwen3.8-27B MTP head (its mtp.* tensors, exported by upstream llama.cpp convert_hf_to_gguf.py --mtp --outtype q8_0) as one extra layer; every other key and tensor is the PrismML file, byte for byte. The head stays in the normal basis (it is not among the Hadamard-rotated tensors); its token-embedding lookup on the rotated table gets the inverse transform in the engine (PrismML's 518ad108).

FileWeightsSizesha256
Ternary-Bonsai-2-27B-PQ2_0-MTP.ggufPQ2_0 (ternary, ~1.72 bpw) + q8_0 head7.66 GB211653d24a0bfdc3d1c5f65711b995f9311ce6b24363cfed3b9b113087de18b3
Ternary-Bonsai-2-27B-PTQ1_0-MTP.ggufPTQ1_0 (packed ternary) + q8_0 head6.40 GB174c9c6584e118766d5511e00a84fd8a31d146248915a726cfac8e6d140c6204

The vision projector is not duplicated here: use PrismML's Ternary-Bonsai-2-27B-mmproj-Q8_0.gguf (600 MiB) from the base repo with --mmproj.

Running

These files need an engine that runs ternary weights and a bundled NextN head on a qwen35 hybrid: opencoti's llamafile (from the c11 cut) does; PrismML's own llama.cpp fork runs the ternary weights but not the bundled head.

# opencoti llamafile — NextN self-speculation; the draft depth for the ternary
# file types is a built-in table row (depth 2), no flag needed.
./opencoti-llamafile --server -m Ternary-Bonsai-2-27B-PQ2_0-MTP.gguf \
    -ngl 99 -fa on --spec-type draft-mtp

# with image input
./opencoti-llamafile --server -m Ternary-Bonsai-2-27B-PQ2_0-MTP.gguf \
    --mmproj Ternary-Bonsai-2-27B-mmproj-Q8_0.gguf -ngl 99 -fa on --spec-type draft-mtp

The opencoti setup wizard lists this repo under the Ternary Bonsai 2 family and offers the projector as an optional download (it is loaded at the first image request, nothing is reserved for it at boot).

What MTP buys (greedy, 256-token answers, 12 chat prompts, medians)

CardPQ2_0, MTP offPQ2_0, MTP on (depth 2)acceptance
RTX PRO 6000 (Blackwell)128 tok/s161 tok/s~2.3 tokens / step
RTX 309046 tok/s57 tok/s~2.3 tokens / step

Speculation preserves the model's distribution, not the argmax at near-ties: with greedy sampling an answer can differ from the unspeculated one at a position where the top-2 tokens are within a few hundredths of a nat (the verify batch rounds differently from single-token decode). No degeneration was measured (distinct 4-gram ratio identical on and off).

Reproducing the bundle

  1. Export the head: convert_hf_to_gguf.py --mtp --outtype q8_0 Qwen/Qwen3.8-27B (upstream llama.cpp) → mtp-Qwen3.8-27B-Q8_0.gguf (c9e5c641de0c9896641c07a400ed92075024fe2c623549d427b1a6e44075bc0a).
  2. Bundle it into the PrismML GGUF with opencoti's bonsai2-mtp-bundle.py: the head becomes layer block_count, nextn_predict_layers = 1; the script refuses unless every shared qwen35.* hyperparameter and the vocab agree and no tensor collides. The result is byte-identical across machines (the two sha256 above).

License

Apache-2.0, as the base model and the Qwen3.8-27B head. Credits: PrismML for Bonsai 2, the Qwen team for Qwen3.8-27B.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
56ae919

0 моделей