PrismML: Ternary Bonsai 2 27B

PrismML: Ternary Bonsai 2 27B is een tekstgericht model van PrismML, uitgebracht door de provider op 18 september 2026. Het is een redeneermodel met 27B parameters, afgeleid van Qwen3.8-27B, en het valt in de tekstcategorie op api14. Als je een model kiest voor een tekstpipeline, is de belangrijke context dat dit model is gebouwd voor redeneerwerk en niet alleen voor algemene chat.

Het model accepteert tekst en afbeeldingen als invoer en retourneert tekst. Het contextvenster is 262.144 tokens en de maximale uitvoer is 32.768 tokens. Volgens de providerbeschrijving ondersteunt het coderen, wiskunde, tool calling en beeldbegrip. Ternary-compressie maakt deel uit van hoe het model is gebouwd, wat het vermelden waard is als modelgrootte of deploymentkenmerken voor jou belangrijk zijn. Redeneergedrag wordt beschikbaar gesteld via aanvraagparameters in plaats van vast te liggen, dus je kunt bepalen hoeveel redenering het model uitvoert.

Die mogelijkheden wijzen op een paar praktische toepassingen. Omdat het code en wiskunde aankan, past het bij taken zoals codegeneratie, code-uitleg en stapsgewijze probleemoplossing waarbij het redeneerspoor belangrijk is. Beeldbegrip betekent dat het ook screenshots, diagrammen of andere afbeeldingen samen met een tekstprompt kan verwerken, wat nuttig is voor taken zoals het lezen van een grafiek of het interpreteren van een UI-screenshot. Tool calling en gestructureerde uitvoer maken het een kandidaat voor agents en pipelines die willen dat het model functies aanroept of data in een gedefinieerde vorm retourneert in plaats van vrije tekst.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id "prism-ml/ternary-bonsai-2-27b". De aanvraagparameters die het ondersteunt zijn 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 en top_p. Als je al een OpenAI-achtige client gebruikt, is de belangrijkste wijziging het model-id en de parameters die je instelt. Gebruik max_tokens om de uitvoer te beperken, want de maximale uitvoer is 32.768 tokens, ook al is het contextvenster veel groter.

Er zijn limieten om rekening mee te houden bij je planning. Invoer is tekst en afbeelding, maar uitvoer is alleen tekst, dus het produceert geen afbeeldingen of audio. Als je workload puur conversationeel is en geen redenering, tool calling of beeldinvoer nodig heeft, kan een eenvoudiger tekstmodel beter passen. Voor lange documenten is het contextvenster van 262K tokens ruim, maar onthoud dat de uitvoerlimiet van 32.768 tokens afzonderlijk geldt. De providerbeschrijving is de bron voor de claims over coderen, wiskunde, tool calling en beeldbegrip, dus beschouw die als de opgegeven scope en niet als gemeten prestaties.