/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
18 сен 2026

Ternary-Bonsai-2-27B-Abliterated-PQ2_0-GGUF

Генерация текстаТекст → текст5 профессий

Квантованная в PQ2_0 чат-модель Ternary Bonsai 2 27B с ослабленными отказами предназначена для диалоговой генерации текста и запуска через форк PrismML llama.cpp.

4 567скачиваний за 30 дней2лайкавеса обновлены18 сен 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 Abliterated — PQ2_0 — это 27-миллиардная текстовая чат-модель на основе Qwen3.8-27B, созданная Prism ML с применением Bonsai и ослаблением отказов, разработанным BoldingBuilds. Репозиторий содержит те же изменённые веса, что и исходный выпуск в PTQ1_0, перепакованные в формат квантования PQ2_0; это не новое ослабление отказов. Указана лицензия Apache 2.0.

Модель предназначена для диалоговой генерации текста, ответов на вопросы, арифметических и фактических запросов, а также связных развёрнутых ответов. По README, для запуска требуется форк PrismML llama.cpp; стандартный llama.cpp не загружает PQ2_0. README приводит скорость 51,2 токена/с на AMD MI210 при заданной конфигурации и сообщает, что модель выдаёт reasoning_content перед ответом, поэтому малый лимит токенов может обрезать рассуждение и оставить пустой ответ.

В карточке указано, что исходное ослабление отказов показало 1,0% на SimpleSafetyTests и 0,0% избыточных отказов на безопасных запросах XSTest; эти показатели измерены BoldingBuilds на PTQ1_0 и не перепроверялись для этой сборки. Также приводятся результаты HumanEval pass@1 0,805 против 0,811 у исходной модели; автор данной сборки сообщает о собственной точечной проверке возможностей, но не о полном повторении бенчмарков. Основное ограничение для использования — зависимость от специального форка llama.cpp и необходимость выделить достаточно токенов для вывода.

Сценарии применения

  • ответы на фактические вопросы в диалоге
  • арифметические запросы и вычисления
  • генерация связных развёрнутых ответов
  • выполнение запросов с ослабленными отказами

Ограничения

Для загрузки PQ2_0 требуется форк PrismML llama.cpp; стандартный llama.cpp этот формат не поддерживает. Малый лимит токенов может оборвать reasoning_content до появления ответа, а опубликованные метрики исходной PTQ1_0 версии для этой сборки независимо не проверялись.

Для каких профессий подходит5

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-2-27B Abliterated — PQ2_0

A format repack, not a new ablation. Same weights as BoldingBuilds/Ternary-Bonsai-2-27B-Abliterated-PTQ1_0-GGUF, in PQ2_0 instead of PTQ1_0, because PTQ1_0 has GPU kernels for NVIDIA Ampere only.

On an AMD MI210 (gfx90a / CDNA2) that is a 2.2x difference:

builddecode
Abliterated PTQ1_0 (the source release)23.8 tok/s
This build (PQ2_0)51.2 tok/s

Single-stream, -ngl 99 -c 8192, one MI210, PrismML llama.cpp fork.

Why PTQ1_0 is slow outside Ampere

MMQ tile configs in the PrismML fork exist per architecture. PTQ1_0 has entries for Ampere and nowhere else:

mmq-config-ampere.cuh   PTQ1_0=11   PQ2_0=16   Q2_0=16
mmq-config-cdna.cuh     PTQ1_0=0    PQ2_0=7    Q2_0=7
mmq-config-rdna2/3/4    PTQ1_0=0    PQ2_0=12   Q2_0=12
mmq-config-pascal.cuh   PTQ1_0=0    PQ2_0=11   Q2_0=11

PTQ1_0 is additionally #if !defined(GGML_USE_HIP)-gated in 17 places, and its eligibility test is turing_mma_available(cc), hard-wired to NVIDIA. So on CDNA it falls back to fp16 dequantise + BLAS. PQ2_0 has CDNA kernels and takes the fast path.

How it was made

The ablated weights ship only as PTQ1_0, so the edit was transplanted rather than re-derived:

  1. Dequantised the abliterated and stock PTQ1_0 checkpoints and diffed them. Exactly 98 tensors differ — ffn_down, ssm_out, attn_output, blocks 15-63 — matching the source release's stated scope.
  2. Added that delta to the F16 checkpoint: W_new = W_stock_f16 + (W_ref - W_stock).
  3. Quantised F16 -> PQ2_0.

Do not try to reproduce this by projecting a refusal direction out. The source card explains why, and it is worth repeating: on a ternary lattice, W <- W - λ·r·(rᵀW) followed by a repack changes 0 of 89,128,960 digits — the correction is ~1.4% of a weight's magnitude while the lattice step is 100%, so every weight rounds straight back. A projected-then-repacked model passes a file-size check and a quantiser reproducibility check while containing no ablation at all.

I made exactly that mistake on the first attempt here, inferring a projection from the phrase "rank-1". Weight-space measurement caught it: the reference's projection onto the recovered direction is ~3x higher than stock (0.047 vs 0.015), not zero — the real edit flips lattice digits, it does not project.

Verification

Weight-exact against the source release. Dequantised and compared per tensor:

distance to reference
this build (98 edited tensors)0.000
stock, same quantiser6.7 - 7.6
control (752 untouched tensors)0.000 both

Byte-level diff against stock run through the identical quantiser: 98 tensors differ (0.56-0.65% of bytes), 752 byte-identical. Quantisation is deterministic here, so that isolates the edit — it survived requantisation rather than being rounded away.

Because the weights are numerically identical to the source release, that release's evaluations apply — refusal 83.0% -> 1.0% on SimpleSafetyTests, XSTest-safe over-refusal 1.6% -> 0.0%, HumanEval pass@1 0.811 -> 0.805 (McNemar p = 1.000). Those numbers are BoldingBuilds', measured on the PTQ1_0 weights; I did not re-run them. What I verified is that these weights are the same ones, plus a capability spot-check (4/4 factual/arithmetic, coherent long-form).

PQ2_0 here is 2.45 bpw vs the stock PQ2_0 release's 2.13, because some tensors take a higher-precision fallback through this path.

Requirements

Needs the PrismML llama.cpp fork (PrismML-Eng/llama.cpp, branch prism). Stock llama.cpp cannot load PQ2_0. For CDNA2:

cmake -S . -B build -DGGML_HIP=ON -DAMDGPU_TARGETS=gfx90a \
  -DCMAKE_BUILD_TYPE=Release -DLLAMA_CURL=OFF
cmake --build build -j

It is a reasoning model: it emits reasoning_content before the answer, so a small max_tokens truncates inside the reasoning and returns empty content. Give it room.

Attribution

Ablation by BoldingBuilds (Apache 2.0) — this repo only changes the quantisation format. Created using Bonsai by Prism ML. Built from Qwen3.8-27B, Copyright 2026 Alibaba Cloud (Apache 2.0). See LICENSE and NOTICE.txt.

Как запустить

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

GPU в ailist

llama.cpp

Можно запустить

Подбираем GPU…

Ревизия весов
2b90e7d

0 моделей