PrismML
PrismML（「浓缩智能」）构建 1-bit / 三元（ternary）超密集 Bonsai 大模型，把先进推理、工具调用与多模态塞进手机/笔记本/高效数据中心——Bonsai 2 27B 仅 5.9GB、9× 更少内存、8× 更快、5× 更省电，98.2% 性能保持（基于 Qwen3.8 27B）；提供模型下载、在线 Demo 与 Bonsai Studio，源自 Caltech 研究。
★
★
★
★
★
8.5
/10
免费模型下载/在线试用 + 企业定制（Bonsai Studio/合作，价格未公开）
✓ 免费版
价格模式
免费模型下载/在线试用 + 企业定制（Bonsai Studio/合作，价格未公开）
价格区间
模型可免费下载、提供在线 Demo 与 Bonsai Studio 试用；企业级/Studio 与定制合作价格未公开，需联系。
是否开源
否
核心功能
- ✓ 文本生成
- ✓ 智能体
- ✓ 提供API
- ✓ 模型微调
👍 优点
- + 极致效率：1-bit/三元量化，Bonsai 2 27B 仅 5.9GB、9× 内存↓、8× 速度↑、5× 能耗↓
- + 高性能保持：三元版达全精度 98.2% 性能，缩小质量差距
- + 本地/边缘友好：可跑在手机、笔记本与高效数据中心
- + 能力完整：推理、工具调用、多模态、长程 agentic coding
- + 开放获取：模型可下载 + 在线 Demo + Bonsai Studio
👎 缺点
- - 模型生态与社区成熟度不及主流开源大模型
- - 企业级/Studio 定价未公开
- - 源自研究（Caltech），产品化与长期支持待验证
- - 量化模型在特定任务上仍有质量折损
- - 多模态（Bonsai Image）能力边界未充分披露
适合人群
最适合： 需要在本地/边缘/低成本环境部署高效大模型（推理、工具调用、多模态）的开发者与企业，以及关注模型效率与算力成本的研究与产品团队。
不适合： 需要超大参数、最强绝对性能，或成熟企业支持与生态的团队。
