Ternary Bonsai 2 9B — VRAM, szybkość i lokalna konfiguracja
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Model językowy 8,95B parametrów plus wieża wizyjna 0,46B, przebudowany z Qwen3.5-9B z wagami ternarnymi: 32 bloki, z których 8 używa pełnej uwagi, a 24 uwagi liniowej. Plik PTQ1_0 ma 2,0 GB, PQ2_0 2,42 GB, a Q2_0 2,56 GB — te same wagi w trzech układach. Kontekst 262 144 tokenów, wejście obrazowe, wywoływanie narzędzi, z modelem MTP w osobnym pliku. Tryb myślenia potrafi zużyć ponad 3 000 tokenów nawet przy krótkich pytaniach, dlatego karta zaleca limit co najmniej 8 192 tokenów wyjścia przy włączonym myśleniu.
Ternary Bonsai 2 9B potrzebuje około 3 GB VRAM przy PTQ1_0 ternary — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.
VRAM i szybkość według kwantyzacji
Liczone dla NVIDIA RTX 4090 (24 GB). Obejmuje pamięć podręczną KV przy kontekście 8K, więc wartości są wyższe niż główna liczba.
| Kwant. | Pamięć | VRAM | Szybkość (szac.) | Dopasowanie |
|---|---|---|---|---|
| PTQ1_0 ternary 1.78 bpw | 3.1 GB | ~198 tok/s | Mieści się | |
| PQ2_0 ternary 2.16 bpw | 3.5 GB | ~178 tok/s | Mieści się | |
| Q2_0 ternary 2.28 bpw | 3.6 GB | ~172 tok/s | Mieści się |
Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla Ternary Bonsai 2 9B →
Uruchom Ternary Bonsai 2 9B
Najtańsze GPU z naszego katalogu, które uruchomi Ternary Bonsai 2 9B, to Intel Arc B570 (10 GB).
lub porównaj w Vast.ai od $0.35/godz. (typical low · varies)
Jako partner Amazon zarabiamy na kwalifikujących się zakupach. Linki do chmurowych GPU są linkami polecającymi — możemy otrzymać prowizję bez dodatkowych kosztów dla Ciebie.
Jak uruchomić Ternary Bonsai 2 9B
No Ollama library entry. The packed ternary formats need PrismML's llama.cpp fork (or upstream llama.cpp for the Q2_0 file only); on Apple devices use the MLX build with mlx-vlm 0.7.8 or newer.
Specyfikacja
Corroborated — Two or more independent sources agree on these figures, but the model card itself was not retrieved. Treat the numbers as good rather than confirmed. Jeszcze niepotwierdzone: parameter count (model card only; the Hub's GGUF metadata reports 1.47B for this packed file).
- Parametry
- 8.95 Billion (+0.46B vision tower)
- Okno kontekstu
- 262,144
- Architektura
- Qwen3.5-9B hybrid attention (24 linear + 8 full), ternary weights
- Dostawca
- PrismML
- Licencja
- Apache 2.0
- Availability
- Weights downloadable
- Practical deployment
- Edge device (phone, SBC)
- Określono przy
- PTQ1_0 ternary
- Vision projector
- +0.6 GB when you send images (not included above)
- RAM systemowy
- 8 GB
- Rekord zaktualizowany
- 2026-10-15
Commercial use permitted. No usage restrictions beyond attribution.
Ograniczenia i zastrzeżenia
- Ships only in PrismML's ternary packings; there is no Q4_K_M, Q8_0 or FP16 GGUF to choose instead.
- Upstream llama.cpp loads only the Q2_0 file; PTQ1_0, PQ2_0 and the drafters need the PrismML fork. The released mlx-lm (0.32.0) cannot load the MLX build yet; mlx-vlm 0.7.8 can.
- The vision projector is a separate file (0.62 GB at Q8_0).
Jakość i zastosowania
Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.
Czy uruchomię Ternary Bonsai 2 9B na moim GPU?
Inne rozmiary Ternary Bonsai 2
Ternary Bonsai 2 9B — najczęściej zadawane pytania
How much VRAM does Ternary Bonsai 2 9B need?
About 3 GB at PTQ1_0 ternary — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.
Does Ternary Bonsai 2 9B run on an RTX 4090 (24 GB)?
Yes. Ternary Bonsai 2 9B needs about 3 GB at PTQ1_0 ternary, inside a 24 GB card, at an estimated 198 tokens/sec.
How do I run Ternary Bonsai 2 9B locally?
No Ollama library entry. The packed ternary formats need PrismML's llama.cpp fork (or upstream llama.cpp for the Q2_0 file only); on Apple devices use the MLX build with mlx-vlm 0.7.8 or newer. Running the published tag would send your prompts to a hosted GPU rather than your own machine.
What other sizes does Ternary Bonsai 2 come in?
Ternary Bonsai 2 2B (1 GB), Ternary Bonsai 2 4B (2 GB), Ternary Bonsai 2 9B (3 GB), Ternary Bonsai 2 27B (7 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.