核心要点速览
- 盆栽2三值模型是 PrismML 于 2026 年 10 月 15 日公布的开源模型家族，包含 2B、4B��9B 三个已披露规格，基于 Qwen3.5 训练，采用 Apache 2.0 许可。
- 三值权重让体积大幅缩小：2B 为 0.43GB，4B 为 0.95GB，9B 为 2.0GB，目标是让手机、Mac 和可穿戴设备离线运行本地助手。
- 官方强调本次迭代重点改善指令跟随、避免重复循环、移动端工具调用和输出简洁度，9B 在标准指令跟随与日常数学任务上约少用 40% 的 token。
- 目前只有预览与公告，没有公开构建、下载入口或官方页面，具体获取方式、评测数据和语言支持都要等官方后续说明。
项目速览
| 类型/定位 | 开源三值小模型家族，本地助手底座 |
|---|---|
| 适用设备 | 手机、Mac、个人电脑与可穿戴设备 |
| 费用说明 | Apache 2.0 开放权重，具体条款待官方确认 |
| 语言支持 | 官方未公布语言清单，以正式发布为准 |
| 核心亮点 | 2B 仅 0.43GB，9B 约少用 40% token |
| 使用门槛 | 需本地推理工具，且尚无公开构建 |
| 分类 | AI 与新模型 |
| 作者 / 发布方 | PrismML |
| 热度 | 🔥 热度 32万 |
| 最后更新 |
盆栽2三值模型是什么：PrismML 基于 Qwen3.5 打造的开源小模型家族
2026年10月15日，PrismML 正式公布盆栽2三值模型（Bonsai 2 Ternary Models）。这一系列包含 2B、4B、9B 三个已披露的规格，全部基于 Qwen3.5 训练，并以 Apache 2.0 许可开放权重。官方把它定位为面向日常设备的本地助手底座，目标是把实用的智能体能力带到个人电脑、手机和可穿戴设备上。它是第一代盆栽 1.7B、4B、8B 的后续版本，而整个盆栽2家族目前共有四个规格，参数规模从 2B 一直延伸到 27B。
所谓三值模型，指的是权重只取三种取值（通常记作负一、零、正一），而不是常见的十六位浮点权重。这样做最直接的好处是体积和内存占用大幅下降：2B 版本只有 0.43GB，4B 为 0.95GB，9B 也只有 2.0GB。代价是数值精度被压缩，模型必须靠训练方法和数据配比来弥补质量损失，否则推理能力会明显退化。对普通用户来说，这意味着一个接近十亿级参数规模的模型可以完整塞进手机存储，断网也能运行。
这一系列最近受到关注，核心原因是它把「小体积」和「可用性」绑在了一起。官方在发布说明里强调，本次迭代重点解决小模型常见的几个毛病：指令跟随不稳定、容易陷入重复循环、在手机上调用工具困难，以及输出啰嗦。需要提醒的是，截至撰稿时 PrismML 只放出了一段简短的预览与公告，没有公开构建、下载链接或官方页面，因此现在还不能真正上手体验。
- 发布方与时间
由 PrismML 于 2026 年 10 月 15 日公布，属于开放权重模型，采用 Apache 2.0 许可。
- 底座与谱系
基于 Qwen3.5 训练，是盆栽 1.7B、4B、8B 的继任者；家族现有四个规格，覆盖 2B 到 27B。
- 三值权重的意义
权重只取三种取值，换来极小的存储占用，但需要额外训练来补偿精度损失。
- 当前状态
仅有预览与公告，尚无公开构建或官方页面，具体获取方式需以官方后续说明为准。
2B、4B、9B 三档怎么选：体积、能力与输出效率拆解
三档规格的体积差距非常直观：2B 为 0.43GB，4B 为 0.95GB，9B 为 2.0GB。体积大致对应能力上限，官方说明每一档都在推理、视觉理解和工具调用上依次增强。也就是说，2B 更适合当作轻量对话与简单指令的入口，4B 是体积与能力的折中，9B 才是这一代真正想展示的主力规格。如果你的设备存储和内存宽裕，直接上 9B 通常更划算。
官方特别提到，9B 版本在标准指令跟随和日常数学任务上大约少用 40% 的 token。这个数字的意义不在于跑分，而在于实际体验：输出更短、更聚焦，手机上的等待时间和耗电都会下降。对小模型来说，啰嗦和重复循环是最影响可用性的两个问题，减少无效输出往往比提升峰值智力更能改善日常使用感受。
视觉理解与工具调用是这一代新增的重点。官方把「在移动设备上调用工具」列为本次发布的核心目标之一，说明它希望模型不只是聊天，而是能作为本地应用里的执行层。视觉能力则让模型可以处理图像输入，配合本地推理完成识别类任务。不过官方没有公布具体的评测分数、上下文长度或支持的语言清单，这些细节只能等正式发布后核对。
- 2B：最轻的入口
体积 0.43GB，适合手机常驻，用来做快速问答和简单指令。
- 4B：折中档
体积 0.95GB，能力与占用平衡，适合内存有限的手机或轻薄本。
- 9B：这一代的主力
体积 2.0GB，推理、视觉与工具调用最强，指令跟随和日常数学任务约少用 40% 的 token。
- 27B：尚未披露
家族共四个规格、覆盖 2B 到 27B，但 27B 的细节官方还没有说明。
现在能做什么：发布状态确认与按设备规划本地部署
首先要明确一点：盆栽2三值模型目前没有公开构建、下载入口或官方页面，PrismML 只展示了简短的预览与公告。因此任何声称可以立即下载安装的说法都不可信，读者应当以官方渠道的后续说明为准。在正式发布之前，能做的准备是确认自己的设备条件，并想清楚要用它解决什么问题。
设备规划上，可以按体积来判断：0.43GB 的 2B 几乎不挑设备，适合先在手机上试速度；0.95GB 的 4B 适合内存中等的手机或轻薄本；2.0GB 的 9B 更适合 Mac 或配置较好的电脑，用来跑需要推理和视觉的任务。开放权重模型通常需要借助本地推理工具加载，具体支持哪些运行时、量化格式如何，都要等官方发布后确认。
上手之后建议按「先测速度、再测质量」的顺序验证：先用短指令看首字延迟和流畅度，再逐步加入多轮对话、工具调用和图像输入，观察是否出现重复循环或答非所问。如果 9B 在你的设备上跑得动，优先用它；只有在明显卡顿或内存不足时，才退回 4B 或 2B。
- 先确认状态
官方尚未发布公开构建，不要从非官方来源下载所谓安装包。
- 按体积选规格
0.43GB、0.95GB、2.0GB 分别对应 2B、4B、9B，按设备内存余量决定。
- 关注许可与合规
Apache 2.0 通常允许修改与商用，但具体条款与再分发要求请以官方发布为准。
- 测试顺序
先短指令测速度，再多轮对话与工具调用测稳定性，最后测图像输入。
适合谁用、和同类小模型比怎么样、有哪些坑
从使用场景看，盆栽2三值模型最直接的价值是离线助手：数据留在设备上，不需要把对话内容发到云端，适合对隐私敏感的用户。其次是手机与可穿戴设备上的智能体底座，官方明确把「在移动设备上调用工具」列为核心目标，说明它希望承担执行层角色。第三类是网络不稳定或完全断网的环境，本地模型依然可用。
和同类开源小模型相比，盆栽2的差异点集中在两处：一是三值权重带来的极小体积，二是 Qwen3.5 底座。市面上不少小模型以 4 位或 8 位量化形式发布，同等参数下体积通常更大。但三值量化是否在相同体积下保持更好的质量，目前没有公开评测可以验证，第三方测试出来之前不宜下结论。
需要留意的未知项也不少：官方没有公布评测分数、上下文长度、支持语言清单，27B 规格的细节也尚未说明。三值压缩在复杂推理、长链任务上可能不如全精度大模型，这一点要有预期。总体而言，它更适合愿意折腾、在意隐私、想在手机或 Mac 上跑本地助手的开发者和爱好者，而不是追求最强通用能力的用户。
- 隐私优先的本地助手
推理在设备端完成，对话内容不必上传云端，适合处理敏感信息。
- 手机与可穿戴的智能体底座
官方把移动端工具调用列为核心目标，定位是本地应用里的执行层。
- 与同类小模型的差异
三值权重换来更小体积，但质量是否同步领先，需要等公开评测验证。
- 需要留意的未知项
评测分数、上下文长度、语言支持与 27B 细节均未公布，商用前应核对官方说明。
分步上手指南
确认发布状态
先到 PrismML 官方渠道确认是否已经放出公开构建或官方页面。目前只有预览与公告，没有可下载的版本，不要轻信第三方打包的安装包。
按设备挑规格
手机优先考虑 0.43GB 的 2B，内存中等选 0.95GB 的 4B，Mac 或高配电脑选 2.0GB 的 9B。体积越大能力越强，占用也越高，按实际设备余量决定。
准备本地运行环境
开放权重模型一般需要借助本地推理工具加载，具体支持哪些运行时和格式以官方说明为准。提前留出存储空间，并确认设备内存余量是否够用。
先测速度再测质量
用短指令观察首字延迟和流畅度，再逐步加入多轮对话、工具调用和图像输入。重点看是否出现重复循环、答非所问或输出啰嗦，这些正是官方本次重点优化的方向。
按需回退规格
如果 9B 在设备上明显卡顿或内存吃紧，就退回 4B 或 2B。日常问答用 2B 足够，需要复杂推理和视觉任务时再切回 9B。
常见问题
盆栽2三值模型现在能下载吗？
目前不能。PrismML 只公布了简短的预览与公告，没有公开构建、下载入口或官方页面。任何第三方提供的安装包都无法确认来源，建议等官方发布后再获取，并留意官方说明中的许可与使用条款。
它和普通小模型有什么区别？
最大区别是权重采用三值表示，只取三种取值，因此体积被压到 0.43GB、0.95GB 和 2.0GB。普通小模型多以 4 位或 8 位量化发布，体积通常更大。代价是精度损失需要靠训练补偿，实际质量要等公开评测验证。
2B、4B、9B 该怎么选？
按设备内存和任务复杂度选。手机常驻、只做快速问答选 2B；内存中等、需要平衡选 4B；Mac 或高配电脑、需要更强推理与视觉能力选 9B。9B 在指令跟随和日常数学任务上大约少用 40% 的 token，输出更短。
使用它需要付费吗？
官方公布的许可为 Apache 2.0，属于开放权重模型，通常可以免费获取并允许修改与商用。但具体条款、是否有配套服务或额外限制，仍需以正式发布时的官方说明为准，不要仅凭许可名称做商业决策。
支持中文吗？能在手机上离线跑吗？
官方把手机和 Mac 的本地运行列为核心目标，因此离线运行是设计方向。但官方没有公布支持的语言清单和上下文长度，中文效果目前无法确认。建议发布后先做一轮中文指令测试，再决定是否用于正式场景。
