/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,7 млрд
Размер весов
1,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Ternary-Bonsai-4B-unpacked
Библиотека
mlx
Опубликована
11 сен 2026

Ternary-Bonsai-4B-mlx-2bit

Генерация текстаТекст → текст4 профессии

Производная модели prism-ml/Ternary-Bonsai-4B-mlx-2bit. Компактная троично-квантованная модель Prism ML на базе Qwen3 для локального чата и генерации текста на устройствах Apple.

136скачиваний за 30 дней0лайковвеса обновлены11 сен 2026

Бенчмарки

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

Публичные оценки1

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

  • openai/gsm8k

    score

    Результат

    90,5

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Карточка модели Oscilla/Ternary-Bonsai-4B-mlx-2bit на Hugging Face совпадает с карточкой prism-ml/Ternary-Bonsai-4B-mlx-2bit, поэтому описание составлено по ней.

Ternary-Bonsai-4B-mlx-2bit — компактная языковая модель Prism ML для генерации текста и диалогов на устройствах Apple. Это производная модель семейства Qwen3: в карточке указана дообученная база prism-ml/Ternary-Bonsai-4B-unpacked, а README называет исходной архитектурой Qwen3-4B с GQA, SwiGLU, RoPE и RMSNorm. Модель содержит около 3,7 млрд параметров и поддерживает контекст до 32 768 токенов.

Веса квантованы до троичных значений {-1, 0, +1} с групповым масштабированием; репозиторий использует MLX-совместимый 2-битный формат safetensors. По данным README, размер упакованных весов составляет около 1,05 GiB, что позволяет запускать модель локально на Mac, iPhone и iPad, а заявленная скорость на iPhone 17 Pro Max — около 50 токенов в секунду. Такой формат снижает требования к памяти и ускоряет генерацию на Apple Silicon, однако качество в приведённых авторами тестах ниже, чем у полной версии Qwen3-4B.

Модель подходит для локального чата и генерации текста. README приводит результаты тестирования на задачах общих знаний, математики, следования инструкциям и работы с инструментами, но эти показатели получены в конкретной тестовой конфигурации и не гарантируют такое же качество в других сценариях. Лицензия — Apache-2.0.

Сценарии применения

  • локальный чат на Mac, iPhone или iPad
  • генерация текста без обращения к облачному сервису
  • ответы на общие вопросы
  • решение математических задач
  • выполнение инструкций и вызов инструментов в приложениях

Ограничения

Троичная квантизация уменьшает размер и ускоряет генерацию, но приведённые в README бенчмарки показывают отставание от полной версии Qwen3-4B. Скорость и совместимость зависят от устройств Apple и MLX.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Ternary-Bonsai-4B-mlx-2bit

Ternary (1.58-bit) language model for Apple Silicon

7.1x smaller than FP16 | 4.8x faster on M4 Pro | 50 tok/s on iPhone | runs on Mac, iPhone, iPad

Highlights

  • 1.05 GiB (1.13 GB) packed 2-bit size (down from 8.04 GB FP16) — runs on any Mac or iPhone
  • Ternary weights {-1, 0, +1} across embeddings, attention projections, MLP projections, and LM head
  • 70.7 avg benchmark score across 6 categories — competitive with full-precision 4B models
  • MLX-native format with group size 128 and FP16 scaling

Resources

  • White Paper
  • Demo repo — examples for serving, benchmarking, and integrating Bonsai
  • Discord — community support and updates
  • Kernels: MLX (Apple Silicon) · mlx-swift (iOS/macOS) — 2-bit format is supported out of the box

Model Overview

ItemSpecification
Base modelQwen3-4B
Parameters4.0B (~3.6B non-embedding)
ArchitectureGQA (32 query / 8 KV heads), SwiGLU MLP, RoPE, RMSNorm
Layers36 Transformer decoder blocks
Context length32,768 tokens
Vocab size151,936
Weight formatTernary g128: {-1, 0, +1} with FP16 group-wise scaling
Packed 2-bit size1.05 GiB (1.13 GB)
Ternary coverageEmbeddings, attention projections, MLP projections, LM head
LicenseApache 2.0

Quantization Format: Ternary g128

Each weight takes a value from {-1, 0, +1}, with one shared FP16 scale per group of 128 weights:

w_i = scale_g * t_i,    t_i in {-1, 0, +1}

The information-theoretic cost is log2(3) ≈ 1.585 bits per weight, plus FP16 group scales (16 bits per 128 weights), for a theoretical minimum of ~1.71 bits/weight. This release uses the MLX 2-bit format, which stores each ternary value in 2 bits plus group scales, for an effective ~2.125 bits/weight.

Memory

FormatSizeReductionRatio
FP168.04 GB--1.0x
MLX 2-bit g1281.05 GiB (1.13 GB)85.9%7.1x

Quickstart

MLX (Python)

pip install mlx-lm
from mlx_lm import load, generate

model, tokenizer = load("prism-ml/Ternary-Bonsai-4B-mlx-2bit")

response = generate(
    model,
    tokenizer,
    prompt="Explain quantum computing in simple terms.",
    max_tokens=256,
)
print(response)

Throughput (MLX / Apple Silicon)

PlatformBackendPP512 (tok/s)TG128 (tok/s)FP16 TG (tok/s)Speedup
M4 Pro 48 GBMLX (Python)817133284.8x

iPhone 17 Pro Max (MLX Swift)

PlatformBackendPP512 (tok/s)TG128 (tok/s)4-bit TG (tok/s)Speedup
iPhone 17 Pro MaxMLX Swift65950271.8x

Benchmarks

Evaluated with EvalScope v1.4.2 + vLLM 0.15.1 on NVIDIA H100. Full benchmark suite (10 benchmarks):

ModelSizeAvgMMLU-RMuSRIFEvalGSM8KHE+BFCLv3
Ternary Bonsai 4B0.86 GB70.769.745.172.190.578.767.8
1-bit Bonsai 4B (prior)0.57 GB62.758.741.469.687.371.348.0
Qwen 3 4B8.04 GB77.179.857.480.092.174.478.9
Ministral3 3B6.86 GB73.277.556.573.191.469.571.3
Gemma 3 4B7.76 GB67.966.046.373.089.867.165.1
Llama 3.2 3B6.43 GB64.465.548.978.380.152.460.9

Intelligence Density

density = -ln(1 - score/100) / size_GB
ModelSizeIntelligence Density (1/GB)
Ternary Bonsai 4B0.86 GB1.426
1-bit Bonsai 4B (prior)0.57 GB1.744
Ministral3 3B6.86 GB0.192
Qwen 3 4B8.04 GB0.183
Llama 3.2 3B6.43 GB0.161
Gemma 3 4B7.76 GB0.146

Citation

@techreport{ternarybonsai,
    title   = {Ternary Bonsai: 1.58-bit Language Models at 8B, 4B, and 1.7B Scale},
    author  = {Prism ML},
    year    = {2026},
    month   = {April},
    url     = {https://prismml.com}
}

Contact

For questions, feedback, or collaboration inquiries: contact@prismml.com

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
1697e55

0 моделей