Ternary Bonsai 2 27B

27B

Prism ML Ternary Bonsai

Prism ML 基于 Qwen3.8 27B 发布的三值权重,本条收录官方 Q2_0 封装。发布方说明,Hadamard 旋转权重要求 llama.cpp b11556 或更新版本。64 层解码器中有 16 层的缓存随上下文增长。读图另加配套 Q8_0 投影。专用 PQ2_0 和 PTQ1_0 包采用不同的运行时内核。未记录此文件的速度或困惑度损失。

⬇ 1.4M HF 下载量♥ 3069 点赞prism-ml/Ternary-Bonsai-2-27B-gguf· 数据更新于 11/19/2026
消费级显卡Mac / 苹果芯片CPU / 轻量VPS

262K

最大上下文

1

量化变体

GGUF Q2_0

最佳质量

—

困惑度增幅(最佳档位)

量化变体对比

各量化级别的显存、质量损失及 RTX 4090 推理速度

实测 = 本站跑过 · 估算 = 本站未跑过:推算所得,或本站未核实的数字 · 社区 = 公开报告

格式级别BPW显存PPL 损失速度来源操作
GGUFQ2_02.26829546802877158.2 GB——估算
计算HF

每个体积对应哪个文件

文件大小不等于显存:显存一栏是计算器在 4K 上下文下的总量 —— 权重加 KV 缓存,再加 10% 的激活缓冲。两边的单位是有意不同的:文件大小用十进制 GB,和 Hugging Face 列表一致;显存一栏用 GiB(1024³ 字节),并在权重上多算 2%,所以 7.12 GB 的文件在那一栏里约是 6.8 GiB。仓库若带视觉投影(mmproj),它是另外下载的文件,两个数字都不含它。

相关社区实测

以下报告只代表报告自身的测试条件,其速度不会替代本页估算,也不能证明你的配置能装下。

我们审核过的链接索引尚未收录此模型的报告。你可以浏览社区实测,或在下方分享自己的测试。

在 llamaPerf 浏览更多实测 ↗
30B-A3B

Qwen3-VL 30B-A3B Instruct

Alibaba Qwen3-VL

消费级显卡专业 GPU
Q4_K_M19.9 GB+2.6%困惑度增幅

多模态 MoE,激活参数仅约 3B,因此在苹果统一内存上依然跟手,CPU 卸载的表现也远好于稠密 30B。Q4_K_M 在 4K 下约需 19.9 GB,24 GB 显卡可以从容运行;Q3_K_M 降到 15.1 GB。视觉编码器是另外一个 1.1 GB 的文件。

24B

Magistral Small 1.2 24B

Mistral Magistral

消费级显卡Mac / 苹果芯片
Q4_K_M15.7 GB+2.9%困惑度增幅

Mistral 基于 Mistral Small 3.2 的推理模型,思维链包在 [THINK] 标签内。Q4_K_M 在 4K 下约需 15.7 GB,在 16 GB 显卡上偏紧,20 GB 起就宽裕 —— 让显式思维链落到比多数教程默认的 70B 级推理模型低一档的硬件上。

26B-A4B

Gemma 4 26B-A4B IT

Google Gemma 4

消费级显卡专业 GPU
Q4_K_M18.2 GB—困惑度增幅

Google Gemma 4 的混合专家模型:文本部分约 25B 参数,每 token 激活约 4B,256K 上下文,支持图像输入。30 层中只有 5 层的缓存随上下文增长,而且这些层用的是更少、更宽的注意力头,所以缓存很小——32K 下约 0.9 GB,用满 256K 也只要约 5.3 GB。Q4_K_M 下 32K 上下文约 18.8 GB:24 GB 显卡可以从容运行,甚至能加载完整窗口(偏紧,约 23.6 GB)。16 GB 显卡装不下,光 Q4_K_M 文件就有 17.0 GB。视觉编码器是另外一个 1.2 GB 的文件。体积按 bartowski 的 GGUF 文件计算,其 Q4_K_M 折合每参数 5.40 比特,明显高于通用的 4 比特档;Unsloth 的 UD-Q4_K_M 是另一个文件,小 0.09 GB。各档位的质量损失未公布。

31B

Gemma 4 31B IT

Google Gemma 4

消费级显卡专业 GPU
Q4_K_M22.1 GB—困惑度增幅

Google Gemma 4 的稠密旗舰:约 31B 参数,256K 上下文,支持图像输入。60 层中只有 10 层缓存完整上下文,而且这些层只用 4 个宽 KV 头,所以 128K 上下文只增加约 11 GB 缓存,常规的 60 层结构则要约 120 GB。Q4_K_M 在 4K 下约需 22.1 GB,在 24 GB 显卡上偏紧;Q3_K_M 在 4K 下约 18.3 GB。32 GB 显卡跑 Q4_K_M 的 32K 很从容。Google 还发布了官方的量化感知训练(QAT)Q4_0 版本,单个 17.7 GB 文件:4K 下约 20.1 GB,24 GB 显卡宽裕地跑到 16K。它的视觉编码器是另外一个 1.2 GB 的文件,加载后在 24 GB 上连 4K 都偏紧。其余档位按 bartowski 的 GGUF 文件计算,各档位的质量损失未公布。该仓库另有两个用于推测解码的 MTP 草稿头文件(Q4_0 为 349 MB,Q8_0 为 515 MB),它们不是模型本体,不计入这里的显存。

在本地运行 Ternary Bonsai 2 27B

在 Q2_0、4K 上下文下,Ternary Bonsai 2 27B 约需 8.2 GB —— 权重 7.2 GB、KV 缓存 0.25 GB、激活缓冲 0.8 GB。本索引中能宽裕跑它的最小规格是 10 GB 显卡 —— 共 2 张,Arc B570 10G 起步;78 张卡中有 67 张可以。这些是计算值而非实测值:估算把「宽裕」的界线画在显存的 88%,大致就是桌面环境需要留出的余量。

上下文变长会多花多少

从 4K 提到 32K 约多占 1.75 GB,总量来到 10.2 GB。这比参数量给人的印象要温和:64 层中只有 16 层的 KV 缓存会随上下文增长,因此缓存的增速只有常规架构的一小部分。该模型的原生上下文是 256K;在 Q2_0 下把它全部撑满约需 26 GB。

该下载哪个版本

本索引只收录了 Ternary Bonsai 2 27B 的 GGUF 格式,共 1 个档位(Q2_0)。 该模型没有公开的逐档困惑度数据,因此质量一列留空而不是填估算值 —— 在同一个模型内部,位数越多越忠实是数据唯一支持的排序。本站硬件上没有该模型的吞吐实测数据。GGUF 可在 NVIDIA、AMD 与苹果芯片上通过 llama.cpp 和 Ollama 运行;AWQ 与 GPTQ 面向 CUDA 和 ROCm 上的 vLLM;EXL2 是 ExLlamaV2 —— 仅限 CUDA,而且已经归档,适合本机使用而不适合提供服务。

常见问题

Ternary Bonsai 2 27B 需要多少显存?
在 Q2_0、4K 上下文、batch 1 下约 8.2 GB,到 32K 时约 10.2 GB。这个数字是权重加 KV 缓存再加 10% 激活缓冲,由模型架构计算得出,不是在显卡上实测的。
Ternary Bonsai 2 27B 能在 10GB 显卡上跑吗?
可以 —— 在 Q2_0、4K 上下文下约需 8.2 GB,在 Arc B570 10G 上还剩 1.8 GB,本索引中 2 张 10 GB 显卡都一样。这是能宽裕跑它的最小规格;78 张中有 67 张可以。
Ternary Bonsai 2 27B 该用哪个量化档位?
本索引只收录了这个模型的 Q2_0 一个档位,这里没有可选的。

这个模型能跑在哪

按 Q2_0、4K 上下文估算,显存从小到大排列。「从容」指估算占用不超过显存的 88%。

提供格式
GGUF

本页数字会随模型数据或运行时版本的变化而更新。最近更新 2026-11-19 RSS → /zh/feed.xml