# 策展 · X (Twitter) 🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Xenova (@xenovacom) · 平台：X (Twitter) · 日期：2026-05-27

> 原始來源：https://x.com/xenovacom/status/2059345417196699901

## 中文摘要

PrismML 發布了 Binary 與 Ternary Bonsai Image 4B 模型，正式將 1-bit 擴散模型帶入瀏覽器運作。

**技術突破**
PrismML 推出的 Bonsai 系列模型實現了 1-bit 量化技術，大幅降低了硬體需求。相較於傳統模型，Bonsai Image 4B 僅需約 3GB 的記憶體空間，遠低於 FLUX.2 Klein 4B 的 16GB。根據官方數據，該技術具備以下優勢：
- 記憶體佔用減少 14 倍。
- 推論速度提升 8 倍。
- 能源消耗降低 5 倍。

**運作機制**
此系列模型（包含 1.7B、4B 及 8B 版本）完全在瀏覽器中透過 WebGPU 執行，無需將任何資料傳輸至遠端伺服器。技術實現細節如下：
- 採用 MLX 權重進行載入。
- 使用自訂的 WebGPU kernel 進行推論。
- 透過 Transformers.js 驅動，確保模型能在瀏覽器環境下高效運行。

**應用場景**
Bonsai 模型針對不同裝置需求進行了分級設計，讓開發者能根據效能與精確度進行選擇：
- 1.7B（290 MB）：定位為「口袋級」模型，專為穿戴式裝置與常駐型 Agent 設計。
- 4B（584 MB）：平衡了推理能力與裝置端延遲，被視為效能與體積的最佳甜蜜點。
- 8B（1.2 GB）：提供資料中心等級的推理能力，直接在瀏覽器分頁中運行。

使用者可透過 [Bonsai WebGPU 示範頁面](https://huggingface.co/spaces/webml-community/bonsai-image-webgpu?v2) 體驗這項技術，該頁面的動畫效果由 omma_ai 協助原型設計。

## 標籤

新產品, 開源專案, Web, AIGC, PrismML, Xenova, FLUX