PrismML: Ternary Bonsai 2 27B

PrismML: Ternary Bonsai 2 27B to model skupiony na tekście od PrismML, wydany przez dostawcę 18 września 2026. Jest to model rozumowania z 27B parametrów, wywodzący się z Qwen3.8-27B, i należy do kategorii tekstowej na api14. Jeśli wybierasz model do potoku tekstowego, ważnym kontekstem jest to, że ten został zbudowany do pracy nad rozumowaniem, a nie tylko do ogólnej rozmowy.

Model przyjmuje tekst i obrazy jako dane wejściowe i zwraca tekst. Jego okno kontekstu wynosi 262 144 tokeny, a maksymalne wyjście to 32 768 tokenów. Zgodnie z opisem dostawcy obsługuje kodowanie, matematykę, wywoływanie narzędzi i rozumienie obrazów. Kompresja ternary jest częścią sposobu budowy modelu, co warto zauważyć, jeśli rozmiar modelu lub charakterystyka wdrożenia mają dla Ciebie znaczenie. Zachowanie rozumowania jest udostępniane przez parametry żądania, a nie ustalone na stałe, więc możesz kontrolować, ile rozumowania wykonuje model.

Te możliwości wskazują na kilka praktycznych zastosowań. Ponieważ obsługuje kod i matematykę, pasuje do zadań takich jak generowanie kodu, wyjaśnianie kodu i rozwiązywanie problemów krok po kroku, gdzie ślad rozumowania ma znaczenie. Rozumienie obrazów oznacza, że może również przyjmować zrzuty ekranu, diagramy lub inne obrazy wraz z podpowiedzią tekstową, co jest przydatne w zadaniach takich jak odczytywanie wykresu lub interpretowanie zrzutu ekranu interfejsu użytkownika. Wywoływanie narzędzi i wyjścia strukturalne czynią go kandydatem do agentów i potoków, które wymagają, aby model wywoływał funkcje lub zwracał dane w określonym kształcie, a nie jako wolny tekst.

Wywołujesz go przez API zgodne z OpenAI w api14, używając identyfikatora modelu "prism-ml/ternary-bonsai-2-27b". Obsługiwane parametry żądania to 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 i top_p. Jeśli już używasz klienta w stylu OpenAI, główna zmiana to identyfikator modelu i ustawiane parametry. Użyj max_tokens, aby ograniczyć wyjście, ponieważ maksymalne wyjście wynosi 32 768 tokenów, nawet jeśli okno kontekstu jest znacznie większe.

Istnieją ograniczenia, które warto zaplanować. Wejście to tekst i obraz, ale wyjście jest tylko tekstowe, więc nie będzie generować obrazów ani dźwięku. Jeśli Twoje obciążenie jest wyłącznie konwersacyjne i nie wymaga rozumowania, wywoływania narzędzi ani danych wejściowych w postaci obrazów, prostszy model tekstowy może być lepszym wyborem. W przypadku długich dokumentów okno kontekstu 262K tokenów jest hojne, ale pamiętaj, że limit wyjścia 32 768 tokenów obowiązuje osobno. Opis dostawcy jest źródłem twierdzeń o kodowaniu, matematyce, wywoływaniu narzędzi i rozumieniu obrazów, więc traktuj je jako podany zakres, a nie zmierzoną wydajność.