Ternary Bonsai 2 27B
API-Anfrage fehlgeschlagen. Das Modell wurde nicht bewertet.
PrismMLSprachmodellOpen Source
Für Ternary Bonsai 2 27B gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen. Aus den Herstellerangaben schätzen wir rund 72,8 Punkte (95-%-Bereich 52,4 bis 93,1). Das ist keine unabhängige Messung.
k. A.ohne Such- oder Nutzungsdaten
Ternary Bonsai 2 27B komprimiert Qwen3.8-27B auf ternäre Gewichte. Die dicht gepackten PTQ1_0-Dateien benötigen laut PrismML 5,95 GB für das Sprachmodell und speichern 1,75 Bit pro Gewicht. Die separat gelieferte visuelle Komponente kommt bei Bildeingaben hinzu.
Der Checkpoint umfasst insgesamt 27,36 Milliarden Parameter und verarbeitet 262.144 Token Kontext. Die Architektur des Basismodells bleibt erhalten. PrismML veröffentlicht die Gewichte unter Apache 2.0; die idealisierte ternäre Präzision von 1,72 Bit unterscheidet sich vom tatsächlich ausgelieferten PTQ1_0-Format.
Auf dieser Seite
Ein SVG-Auftrag mit denselben festen Einstellungen für alle Modelle, ohne verdecktes Nachdenken.
API-Anfrage fehlgeschlagen. Das Modell wurde nicht bewertet.
Das ist jeweils die niedrigste dokumentierte Einstellung des Anbieters. Daraus folgt keine Vergleichbarkeit des Rechenaufwands zwischen Modellen.

Auftrag (englisches Original)
Generate an SVG of a pelican riding a bicycle
11.10.2026 · 104 s · 0,0022 $
Visuell geprüft. Aus diesem Einzeltest ergibt sich kein Gesamturteil über das Modell.
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Seite 1 von 6
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
Seite 1 von 6
Weitere Modelle derselben Art wie Ternary Bonsai 2 27B, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
Unabhängige Ergebnisse reichen noch nicht für den Gesamtindex. Eine Schätzung aus 5 Herstellerangaben (AIME 2025 95 %, GPQA Diamond 85,8 %, LiveCodeBench v6 90,1 %, SWE-bench Verified 60,8 %, Terminal-Bench 2.1 52,8 %) ergibt rund 72,8 Punkte, mit einem 95-%-Bereich von 52,4 bis 93,1. Die Schätzung ist an Modellen geeicht, für die es sowohl Herstellerangaben als auch unabhängige Messungen gibt. Herstellerangaben liegen bei einigen Tests deutlich über unabhängigen Messungen; die Eichung gleicht das im Mittel aus.
Herstellerschätzung, kein Wert des Gesamtindex
262.144 Token. Für Ein- und Ausgabe können zusätzliche Limits gelten.
Ja, die Gewichte sind offen.
Angaben von PrismML
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.
| Art | Nachweis und Datenstand |
|---|---|
| Recherchestand | Recherchestand 4. Oktober 2026. 12 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| Nicht veröffentlicht | category-aggregation Hinweis Die Release-Seite nennt die Einzelbenchmarks je Kategorie, aber keine Punkteskala, Aggregationsformel, Einzelwerte der jeweiligen Kategorie, Nenner, Prompts, Decoding-Einstellungen oder Evaluierungsdatum. |
| Ungeklärt | profile-specific-generalization Hinweis Der externe Bericht behandelt Reasoning-off ausdrücklich als eigenes wesentliches Profil und stützt keine Übertragung auf Reasoning-on oder andere Quantisierungen. Da der Team-Roster keine eigene Modell-ID je Konfiguration führt, bleibt die genaue Trennung in jeder Scorekonfiguration und Caveat erhalten. |
| Ungeklärt | separate prefill-curve result Hinweis Der Bericht führt separat eine Prefill-Kurve mit pp512 293 Tok/s auf, während die llama-bench-Tabelle für zwei T4 313,0 Tok/s nennt. Methode und Kontext der Kurve sind nicht hinreichend spezifiziert; sie wurde deshalb weder zusammengeführt noch als Ersatz übernommen. |
| Weitere Quelle | PrismML Bonsai 2 27B announcement (abgerufen 3. Oktober 2026; 17. Oktober 2026) · PrismML Bonsai 2 27B announcement · Redaktionelle Beschreibung geprüft am 4. Oktober 2026 |
| Weitere Quelle | Ternary Bonsai 2 model card (abgerufen 3. Oktober 2026) · Ternary Bonsai 2 model card · Redaktionelle Beschreibung geprüft am 4. Oktober 2026 |
| Weitere Quelle | PrismML whitepaper Tables 7, 8, 10 and methodology (abgerufen 4. Oktober 2026) |
| Weitere Quelle | WumboLabs, Bonsai 2 27B WELP methodology-revision supplement (abgerufen 17. Oktober 2026) |
| Weitere Quelle | Bonsai-demo community benchmark report (abgerufen 18. Oktober 2026) |
| Weitere Quelle | Bonsai-demo community issue #181 by xzphot (abgerufen 18. Oktober 2026) |
| Weitere Quelle | PrismML Bonsai 2 community benchmarks, RTX 5090 Linux report (abgerufen 18. Oktober 2026) |
| Weitere Quelle | PrismML Bonsai 2 community benchmarks, RTX 5080 Windows report (abgerufen 18. Oktober 2026) |
| Weitere Quelle | instax-dutta GitHub Gist (abgerufen 19. Oktober 2026) |
| Weitere Quelle | Tsotchke Corporation / GeoRefine, What ternary keeps, and what it loses (abgerufen 22. Oktober 2026) |
| Weitere Quelle | WumboLabs WELP methodology-revision supplement, thinking-off profile (abgerufen 23. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 17. Oktober 2026; 23. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 18. Oktober 2026) |