← Accueil actu | Salle du marché
2026-09-19 · Source：SiliconANGLE
Bonsai 2 27B de deuxième génération, compressé depuis un modèle à base de Qwen3.8 grâce à une méthode ternaire en trois parties, est assez petit pour tourner sur PC et sur certains mobiles haut de gamme.
Prism ML Inc. a annoncé jeudi le lancement de Bonsai 2 27B, la deuxième génération de son modèle d'IA générative multimodale exceptionnellement compact, assez petit pour tourner sur PC et sur certains mobiles haut de gamme. Cette sortie du 18 septembre place le tout dernier système de la société dans un segment en forte croissance du marché de l'IA : les modèles génératifs conçus pour fonctionner localement sur du matériel grand public plutôt que dans le data center.
La société a dit s'être appuyée sur une approche ternaire — qui, comme son nom l'indique, utilise trois parties — pour réduire un modèle fondé sur Qwen3.8 27B. Le Qwen3.8 sous-jacent pèse environ 56 milliards de paramètres, laissant à Prism ML un écart de taille substantiel à combler. En retravaillant le réseau autour de poids en trois parties, la startup dit avoir produit Bonsai 2 27B tout en conservant les capacités génératives multimodales de son socle bien plus vaste.
Pour les acheteurs de calcul IA, ce lancement met en lumière un arbitrage qui se creuse entre échelle brute et proximité. Des modèles assez compacts pour les ordinateurs personnels et les mobiles haut de gamme déplacent l'inférence hors de l'infrastructure cloud mutualisée vers des machines que les organisations et les consommateurs possèdent déjà — une proposition séduisante quand l'accès à une grande capacité d'accélérateurs demeure coûteux et disputé. La mention multimodale compte aussi, car les systèmes génératifs embarqués capables de traiter plus d'un type d'entrée deviennent toujours plus centraux dans les plans d'assistants locaux et de déploiements en périphérie.
L'appui de Bonsai 2 sur un point de départ à base de Qwen3.8 reflète aussi un schéma plus large chez les spécialistes des modèles compacts. Plutôt que d'entraîner des systèmes à l'échelle de pointe de toutes pièces, ces fournisseurs partent de grands socles existants et les réduisent par ingénierie jusqu'à des empreintes que les appareils grand public peuvent accueillir. Le fait de savoir si la méthode en trois parties de Prism ML préserve assez de capacité à l'échelle de classe 27B pour remporter les charges d'inférence locale face aux petits modèles rivaux est la question que les acheteurs d'entreprise et les investisseurs observeront désormais.
Mots-clés: Prism ML · Bonsai 2 27B · Qwen3.8 · Ternary Quantization · On-Device AI · Multimodal Models
萬安算交所 AIXX · AIXX · Bourse compute vérifiée · Accéder à la salle