09-18 13:55来源Blockbeats

PrismML把Qwen3.8 27B压到5.9GB，自测保留98.2%性能

动察 Beating AI 快讯，加州理工学院数学家 Babak Hassibi 联合创立的 AI 实验室 PrismML 发布 Ternary Bonsai 2 27B，把 Qwen3.8 27B 的 270 亿参数模型压到 5.9GB。它把权重压成 -1、0、+1 三种值，体积只有 FP16 原版约九分之一。模型支持 26.2 万 Token 上下文、图文输入和 Agent 工具调用，并以 Apache 2.0 许可开放权重。相比两个月前的第一代 Bonsai 27B，新版体积基本没变，但底模从 Qwen3.6 换成了 Qwen3.8。PrismML 自测称，综合基准成绩相对完整版的保留率从约 95% 提到 98.2%，其中数学和代码成绩已经非常接近原版。官方还演示了它在 RTX 5090 上直接跑 Cline 编程 Agent 和 Computer Use。

免责声明：以上内容仅为作者观点，不代表 711BTC 的任何立场，不构成与 711BTC 相关的任何投资建议。

相关推荐

07-09 15:42

PrismML把Qwen3.6压到4GB，27B模型塞进iPhone

据动察 Beating 监测，加州理工学院数学家 Babak Hassibi 联合创立的 AI 实验室 PrismML 表示，已把阿里开源模型 Qwen3.6-27B 压缩后跑在 iPhone 17 Pro 上。 Qwen3.6-27B 是 270 亿参数稠密模型。推理时所有参数都会参与，不是只激活部分参数的 MoE 模型。 PrismML 称，模型大小从约 54GB 压到不到 4GB，性能没有明显下降。它可用于复杂对话、推理、Agent 和代码任务。苹果已经和 PrismML 接触，讨论如何使用这项技术。苹果一直想把更多 AI 放到设备本地，但高级 Siri 仍依赖云端模型。

09-01 09:51

Qwen27B改成扩散Agent：速度拉到500+Token/s，厂商自测单项超Sol

动察 Beating AI 快讯，专攻超高速大模型的 Celeris 发布一款基于 Qwen3.8-27B 改出来的混合扩散 Agent 模型 Celeris-1 Magnus，官方称在不少场景能跑到 500+ Token/s。在 τ³-Banking 的 97 个银行客服任务上，Magnus 开启 low reasoning 后完成率达到 41.2%，中位耗时 55 秒。同场的 GPT-5.6 Sol 是 38.1%、79 秒。传统模型基本一个 Token 一个 Token 往后写，Magnus 能一次生成多个 Token，再反复修正。需要严格按顺序生成的内容再串行处理，因此一次计算可以往前推进更多 Token。

07-16 01:32

PrismML发布Bonsai 27B，270亿参数AI模型首次适配iPhone

PANews 7月16日消息，据Decrypt报道，PrismML发布Bonsai 27B模型，这是首个能够在消费级智能手机上运行的270亿参数AI模型。该模型被压缩至3.9GB，可在iPhone 17 Pro Max上以每秒11个token的速度运行。三进制变体压缩至5.9GB，在M5 Pro笔记本上达到每秒26个token。压缩技术基于加州理工学院知识产权，将每个模型权重从16位浮点精度降至仅正1或负1，二进制变体比全精度模型小14倍。在15项基准测试中，三进制Bonsai 27B平均得分80.49，达到全精度模型94.6%的性能。该模型以Apache 2.0许可证免费发布。

07-19 11:39

阿里云推个人版 Token Plan，开放 Qwen3.8-Max 预览体验

PANews 7月19日消息，阿里云正式发布 Token Plan 个人版，开放 Qwen3.8-Max-Preview 体验。Qwen3.8-Max 参数量达 2.4T，主攻代码工程和专业办公场景，正式版将于近期发布并开源。个人版订阅限时优惠为：Lite 39元/月、Standard 139元/月、Pro 499元/月；团队版标准、高级、尊享席位价格分别为 150元、550元、1398元/席位/月。活动期间，Qwen3.8-Max-Preview 白天 Credits 消耗 1 折，个人版 Token Plan 夜间在此基础上再享 2 折。

09-18 04:03

Qwen3.8-Omni-Flash上线：自己看视频、调工具、交成片

动察 Beating AI 快讯，阿里千问上线原生全模态模型 Qwen3.8-Omni-Flash，支持文本、图片、音频、视频和 1M 上下文。这代明显加强了音视频 Agent 能力。模型可以自己从视频里找信息、规划任务，再调用外部工具完成剪辑、配音和渲染。官方展示了长会议处理、短剧翻译、电影解说、MV 制作和视频转图文笔记等场景。面对几小时的长视频，它也不用从头到尾全部处理。模型会先判断答案可能在哪，再逐步定位关键片段。OmniVideoBench 上，准确率从 63.4 提到 67.8，Token 消耗从 145,736 降到 79,117，少了 45.7%。千问称，Qwen3.8-Omni-Flash 在 30 项评测上的平均成绩比 Qwen3.5-Omni-Plus 提升超过 26%，音视频能力接近 Gemini 3.8 Flash，音频能力整体超过后者。音频输入成本下降超过 98%，音视频输入下降超过 93%。目前 Qwen3.8-Omni-Flash 模型权重尚未公开，只开放了 API。千问同时开源了 Qwen-MM-Plugins，可以装进 Claude Code、Codex、Gemini CLI、Qwen Code 等 Agent，给它们补上图片、音频、长视频处理和视频剪辑能力。另一套 Qwen-Live Harness 更像实时调度层。用户可以直接和实时全模态模型说话，再把复杂任务交给 Gemini CLI、Claude Code、Codex 等后台 Agent 持续执行。它会跟踪任务进度，做完后再主动回来告诉你结果。

08-27 04:23

Qwen3.8-Flash发布一天就降价：输出比GLM便宜0.1元，但对手还在打5折

动察 Beating AI 快讯，Qwen3.8-Flash 刚发布一天，阿里云就降价了。每百万 Token 输入从 1 元降到 0.8 元，输出从 3 元降到 2.7 元，分别下降 20% 和 10%。新价格刚好压过昨天发布的 GLM-5.3-Flash。后者 API 标价为输入 0.8 元、输出 2.8 元。Qwen 输入价格相同，输出便宜 0.1 元。不过 GLM-5.3-Flash 上线后前两周打 5 折，目前实际价格只有输入 0.4 元、输出 1.4 元。优惠期内，GLM 仍然便宜近一半。等优惠结束，两款国产 Flash 模型的价格基本打平。