PrismML押注1比特大模型可装进手机；Bonsai 8B发布，苹果接洽

一家AI实验室，构建1比特和三值大语言模型——Bonsai 8B（1.15GB）和Bonsai 27B（3.9GB）——可本地运行于智能手机、笔记本电脑和嵌入式系统。

下一波AI飞跃是智能密度：1比特模型能在手机和边缘设备上实现接近全精度的推理，让端侧AI成为默认。

获Khosla Ventures、Cerberus Ventures和加州理工的SAFE和种子轮融资1625万美元，并得到Google和加州理工的计算资源支持（2026年3月宣布）。

由加州理工研究员在Babak Hassibi教授领导下创立，源于多年压缩神经网络而不损失推理能力的研究。公司于2026年3月31日携1625万美元融资和1比特Bonsai 8B（Apache 2.0）的开源发布从隐身模式亮相，模型在Google TPU上训练。

Bonsai 8B登上Hacker News首页（430分，153条评论），作为首款商业可行的1比特大模型获得广泛报道。2026年7月14日，PrismML发布Bonsai 27B，这是Qwen3.6 27B的1比特版本，占用3.9GB（三值版本5.9GB），可在iPhone 17 Pro上运行；edgen.tech报道Apple在早期洽谈，评估用于端侧Siri。

扩展：Bonsai 27B以Apache 2.0许可在Hugging Face上提供，团队在招人，下一步是压缩Gemma模型；截至2026年9月，独立的第三方基准测试尚未发布。

全网络1比特量化将内存缩减约14倍，而基准测试平均分与8B全精度模型持平。

端侧执行消除了云延迟、隐私和成本障碍，打开手机、机器人、可穿戴设备和安全企业部署等场景。

加州理工的知识产权以及Khosla、Cerberus和Google的支持，为这家隐身实验室带来了信誉和TPU算力，以训练完整的1比特家族。

如果Apple采用该压缩用于Siri，端侧推理会从开发者的新奇事物一夜之间变成头部OEM的默认功能。

选择能颠覆现有权衡的指标：通过优化每GB智能而非平均基准分，PrismML把“能装进手机”变成了竞争对手难以快速复制的卖点。

截至2026年9月2日，PrismML已发布Bonsai 27B（1比特，3.9GB）以及8B/4B/1.7B模型，全部在Hugging Face上以Apache 2.0许可提供，支持MLX和CUDA。edgen.tech报道Apple在早期洽谈，评估该技术用于端侧Siri；CEO Babak Hassibi告诉CNBC，Apple和其他公司正在评估。公司正在招人，并表示下一步是压缩Google的Gemma模型，之后向27B以上参数推进。主要警示：基准测试为自家报告，截至该日期，独立第三方测试尚未发布。