prism-ml
PrismML: Ternary Bonsai 2 9B
prism-ml/ternary-bonsai-2-9b
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
Ternary Bonsai 2 9B es un modelo compacto de lenguaje y visión de pesos abiertos de PrismML, derivado de Qwen3.5-9B sin cambios en la arquitectura. Su modelo de lenguaje de unos 8,95B parámetros usa pesos ternarios con escalas FP16 por grupo, empaquetados en formatos GGUF de aproximadamente 2 a 2,6 GB, más una torre de visión opcional de ~0,46B que solo se carga con entrada de imagen. Hereda un contexto de 262.144 tokens y funciona con llama.cpp en CUDA, Metal y CPU, con una variante MLX para Apple Silicon. La documentación es del proveedor; no había benchmarks independientes en este paquete de fuentes.[1][2]
Puntos fuertes
- Huella extremadamente reducida: según el proveedor, los pesos ternarios se empaquetan en unos 2,0-2,56 GB frente a ~17,9 GB en FP16, lo que facilita el uso en dispositivos.[2]
- Contexto largo de 262.144 tokens heredado de la arquitectura de atención híbrida de Qwen3.5-9B, según el catálogo y la documentación del modelo.[1][2]
- Entrada multimodal de texto e imagen mediante una torre de visión opcional, con parámetros de herramientas y razonamiento listados en el catálogo de OpenRouter.[1][2]
Limitaciones
- No hay resultados de benchmarks independientes en este paquete de fuentes; las capacidades declaradas provienen del proveedor o del catálogo y deben validarse en la carga de trabajo real.[1][2]
- Restricciones de portabilidad: PTQ1_0 y PQ2_0 requieren el fork de llama.cpp de PrismML; la versión oficial solo ejecuta el archivo Q2_0 desde la release b11556, y compilaciones anteriores producen salidas incorrectas sin aviso.[2]
- Peculiaridades operativas documentadas: el mmproj BF16 puede bloquear llama-server con solicitudes de imagen concurrentes (se recomienda Q8_0), el modo de razonamiento puede consumir más de 3.000 tokens y la decodificación greedy puede estancarse con razonamiento activado.[2]
Dónde utilizarlo
- Asistentes conversacionales locales o en dispositivos con memoria limitada, donde importa una huella de ~2 GB; conviene un piloto con verificación de calidad en sus datos.[2]
- Pruebas de comprensión de imágenes y documentos, como describir imágenes o leer texto denso y pequeño, usando el paquete de visión mmproj opcional.[1][2]
- Tareas con mucho texto copiado, como ediciones de código y reescrituras, donde el proveedor indica que el drafter especulativo opcional DFlash2 ayuda; se sugiere MTP por defecto.[2]
Fuentes
- [1] OpenRouter catalog · PrismML: Ternary Bonsai 2 9BFuentes consultadas: 13 nov 2026
- [2] Model documentation · PrismML: Ternary Bonsai 2 9BFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
Ternary Bonsai 2 9B is PrismML’s compact, open-weight language model for conversational AI, reasoning, and tool use. Built on Qwen3.5, it uses ternary weights packed into 2 bits for efficient...
Especificaciones
- ID del modelo
- prism-ml/ternary-bonsai-2-9b
- ID canónico
- prism-ml/ternary-bonsai-2-9b-20261015
- Creador
- prism-ml
- Añadido a OpenRouter
- 16.10.2026
- Longitud de contexto
- 262,144
- Modalidad
- text+image->text
- Modalidades de entrada
- text, image
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.080 / salida $0.130
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Programación | Sin medición | — |
| Agentes | Sin medición | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | entrada: image |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
No hay evaluaciones aportadas para este modelo.
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| Darkbloomint4 | 262,144 | $0.080 | $0.130 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.