Folia
← 返回头版

PrismML发布Bonsai 2 27B模型:9倍压缩率下保留98%性能

PrismML推出了Ternary Bonsai 2 27B模型,该模型基于阿里巴巴的开源Qwen 27B模型12,采用三值量化技术实现显著的模型压缩。经过压缩后,模型大小仅为5.9GB,相比全精度版本缩小9至10倍12,使高性能推理能够在个人电脑和智能手机等本地设备上运行。

在性能表现方面,压缩后的模型在基准测试中达到原始Qwen模型98%的聚合基准得分2,相较2024年3月发布的第一代Bonsai模型的95%有所提升2。该模型支持262K-token的上下文窗口1和多模态输入1。在具体推理速度上,Bonsai 2 27B在NVIDIA RTX 5090上达到143 tokens/秒,在Apple M5 Max上达到46.8 tokens/秒1。能效方面,该模型在RTX 4090上的能耗为0.714 mWh/token,相比全精度8B模型的能效提高40%1。

技术上,模型采用三进制权重(包含+1、-1、0三个值)和FP16分组缩放,有效位宽达到1.76 bits/weight1。该模型已在NVIDIA GPU(CUDA)和Apple设备(MLX)上获得支持,并基于Apache 2.0许可证发布1。

PrismML此前已获得2225万美元种子轮融资,投资者包括Khosla Ventures、Cerberus Capital和加州理工学院2。第一代Bonsai模型已被下载超过1100万次,其中较小版本另有260万次下载2。公司CEO Babak Hassibi表示,团队计划在未来几个月内发布几百亿参数规模的模型2。


评论