27B 模型在 iPhone 上运行
Prompt Engineering · youtube · 2026-07-15
视频拆解了 Prism ML 如何把一个 27B 参数的 Qwen 系模型压到能在 iPhone 17 Pro 上跑，速度约 11 tokens/s：
- 通过 1-bit Bonsai 方法把模型从约 54GB 压到 3.9GB。
- 讲解了量化基础：从 16-bit 到 8/4-bit、ternary、1-bit 的差异，以及为什么朴素的后训练量化会因为误差累积而失效。
- 对比了常见开源路线：llama.cpp 的混合精度、GPTQ 的校准感知量化、AWQ 的激活感知量化，这些通常在约 4-bit 还可用，但到 2/1-bit 会崩。
- 介绍了受 BitNet 启发的量化感知训练、端到端 1-bit/ternary 方案（包括 LM head）、4-bit vision tower 的多模态支持、262K 上下文窗口，以及用 speculative decoding 降低延迟。
- 还提到基准测试、每 GB 的“智能密度”、工具调用短板，以及作者自己在 M2 Max 上的 1-bit 测试结果：约 29–30 tok/s，但在更难任务上会出现循环。
所属事件:Qwen 27B模型经极端量化成功登陆手机端(2 条相关)→
「Infra」频道最新
- 单 GPU 收入可随降价上升：Gavin Baker 拆解 token 价格与利润率的算术 — GavinSBaker · 2026-10-27
- Anthropic S-1 关键数字:成立以来算力支出仅 193 亿美元,算力过度建设警报 — bookwormengr · 2026-10-27
- CoreWeave 三周 RL 后训练:BrowseComp 提升 22.9%,工具调用省三成 — RichardSocher · 2026-10-27
- 电网排队成 AI 工厂瓶颈,Exowatt 与 Redwood 给出储能新解法 — ingliguori · 2026-10-27
- Wasmtime 曝两个 CVSS 9.9 沙箱逃逸漏洞，其中一个仅影响 ARM64 — basedjensen · 2026-10-27
- AI 数据中心时代用电论战：有人还在纠结灯泡省电与调整时区 — mgostIH · 2026-10-27