PrismML: Ternary Bonsai 2 27B

PrismML: Ternary Bonsai 2 27B è un modello incentrato sul testo di PrismML, rilasciato dal provider il 18 settembre 2026. È un modello di ragionamento con 27 miliardi di parametri derivato da Qwen3.8-27B, e si colloca nella categoria testo su api14. Se stai scegliendo un modello per una pipeline di testo, il contesto importante è che questo è costruito per il lavoro di ragionamento piuttosto che per la sola chat generica.

Il modello accetta testo e immagini come input e restituisce testo. La sua finestra di contesto è di 262.144 token, e l'output massimo è di 32.768 token. Secondo la descrizione del provider, supporta coding, matematica, tool calling e comprensione delle immagini. La compressione ternaria fa parte di come il modello è costruito, il che vale la pena notare se le dimensioni del modello o le caratteristiche di deployment sono importanti per te. Il comportamento di ragionamento è esposto tramite parametri della richiesta anziché essere fisso, quindi puoi controllare quanto ragionamento esegue il modello.

Queste capacità indicano alcuni usi pratici. Poiché gestisce codice e matematica, si adatta a compiti come generazione di codice, spiegazione di codice e risoluzione passo passo di problemi dove la traccia di ragionamento è importante. La comprensione delle immagini significa che può anche ricevere screenshot, diagrammi o altre immagini insieme a un prompt testuale, il che è utile per compiti come leggere un grafico o interpretare lo screenshot di una UI. Il tool calling e gli output strutturati lo rendono un candidato per agenti e pipeline che necessitano che il modello chiami funzioni o restituisca dati in una forma definita anziché testo libero.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id del modello "prism-ml/ternary-bonsai-2-27b". I parametri della richiesta che supporta sono frequency_penalty, include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs e top_p. Se usi già un client in stile OpenAI, il cambiamento principale è l'id del modello e i parametri che imposti. Usa max_tokens per limitare l'output, dato che l'output massimo è di 32.768 token anche se la finestra di contesto è molto più ampia.

Ci sono limiti da considerare nella pianificazione. L'input è testo e immagini, ma l'output è solo testo, quindi non produrrà immagini o audio. Se il tuo carico di lavoro è puramente conversazionale e non necessita di ragionamento, tool calling o input di immagini, un modello di testo più semplice potrebbe essere più adatto. Per documenti lunghi, la finestra di contesto di 262K token è generosa, ma ricorda che il limite di output di 32.768 token si applica separatamente. La descrizione del provider è la fonte per le affermazioni su coding, matematica, tool calling e comprensione delle immagini, quindi considerale come l'ambito dichiarato anziché come prestazioni misurate.