К содержимому
Компьютерное зрение

Geode · Ternary Bonsai 2 4B

мультимодальная Qwen3.5 для Android

2 мин чтенияобновлено

Пакет весов для локального запуска мультимодальной нейросети прямо на Android-смартфоне без облака и регистрации через приложение Geode. В основе лежит PrismML Ternary Bonsai 2 4B — версия модели Qwen3.5-4B с тернарными весами (каждый вес принимает значения -1, 0 или +1 со скейлом на группу из 64 элементов), благодаря чему модель на 4 млрд параметров занимает всего 1.7 ГБ вместе с визуальным модулем. Сборка использует гибридную архитектуру Gated DeltaNet + attention, понимает изображения и поддерживает слой MTP (Multi-Token Prediction, предсказание сразу нескольких токенов для ускорения генерации). Подойдёт владельцам современных смартфонов на базе Android, которым нужен быстрый автономный ассистент с поддержкой картинок.

Ключевые особенности

  • Прямое чтение тернарных кодов PrismML (2-битные коды + fp16 скейл) без переквантования, с 8-битными слоями MTP и энкодером изображений.
  • Аппаратное ускорение: NPU (нейропроцессор) обрабатывает входящий промпт, а центральный процессор генерирует ответ.
  • Полное совпадение топового токена (100%) по сравнению с оригинальным GGUF в llama.cpp на CPU при минимальном расхождении KL (0.00002 на коде).
  • Собственный формат упаковки Geode с конфигурацией geode.json и словарём draft_vocab.bin для черновиков MTP.

Что можно сделать

  • Запускать полноценный текстовый чат полностью в офлайне на смартфоне с Android 11 и выше.
  • Анализировать изображения на устройстве без отправки фотографий на сторонние серверы.
  • Использовать спекулятивное декодирование через слой MTP, чтобы повысить скорость генерации ответа до 42 токенов/с.

Пример

Модель не совместима с GGUF и другими рантаймами — она загружается напрямую внутри Android-приложения Geode: откройте раздел Models → Download from Hugging Face и укажите Maximilian228/Geode-Ternary-Bonsai-2-4B.

ПодробнееСкорость на Snapdragon 8 Elite (RedMagic, промпт 293 токена / ответ 160 токенов): 244–321 ток/с на чтении промпта через NPU и 27–42 ток/с при генерации ответа с включённым MTP (25–32 ток/с без MTP).
Размер пакета T2: 1.7 ГБ (1.26 GiB языковая часть + 0.34 GiB визуальный энкодер), потребление ОЗУ при работе — около 2.4 ГБ.
Системные требования: Android 11+, 64-битный процессор ARMv8.2 (с инструкциями dot-product) и от 6 ГБ оперативной памяти.
Лицензия: Apache-2.0.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.2 GB · готовые файлы1.9 GB
  • FP8 / INT8рекомендуемвеса 0.6 GB1.2 GB
  • 4-bitвеса 0.3 GB0.9 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Maximilian228/Geode-Ternary-Bonsai-2-4B
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Maximilian228/Geode-Ternary-Bonsai-2-4B --local-dir ~/models/Geode-Ternary-Bonsai-2-4B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Geode-Ternary-Bonsai-2-4B
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

prism-ml/Ternary-Bonsai-2-4B-gguf
  1. Qwen3.5-4B-Baseоснова семьи
  2. Qwen3.5-4B
  3. Ternary-Bonsai-2-4B-gguf
  4. Geode-Ternary-Bonsai-2-4B

Новые посты про версии Qwen3.5-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

Maximilian228/Geode-Ternary-Bonsai-2-4B
Автор
Maximilian228
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии