Eine generierte Titelkarte mit der Aufschrift „DaisyRose 27B vs. Bonsai 27B“, untertitelt mit „Gleiche Größe, entgegengesetzte Wetten“, über drei abgerundeten Karten mit der Aufschrift „DaisyRose: 52 GB BF16, ausschließlich RL-Post-Training“, „Bonsai: 3,8 GB binäre Gewichte“ und „Beide: 262.000-Token-Kontext, Apache 2.0“, mit einer Fußzeile mit der Aufschrift „DaisyRose-Zahlen laut RadixArk, November 2026; Bonsai-Zahlen laut PrismML, Juli 2026.“ Das OrcaRouter-Logo befindet sich unten rechts.
Guides & Insights

DaisyRose 27B vs. Bonsai 27B: Gleiche Größe, gegensätzliche Wetten

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

DaisyRose 27B und Bonsai 27B sind beide Modelle mit 27 Milliarden Parametern, einem Kontextfenster von 262.000 Token, einer Apache-2.0-Lizenz und einer Qwen-Basis – und in jeder anderen Hinsicht nahezu gegensätzlich. DaisyRose 27B, veröffentlicht von RadixArk am 18. November 2026, investiert achtzehn Tage H200-Zeit und rund 63.000 GPU-Stunden in Reinforcement Learning, um zu steigern, was ein 27B-Modell bei agentischen Aufgaben leisten kann; es wird als 52 GB BF16-Gewichte ausgeliefert und verlangt eine Datacenter-GPU. Bonsai 27B, veröffentlicht von PrismML am 14. Juli 2026, setzt seinen Aufwand in die entgegengesetzte Richtung: Es nimmt ein 27B-Modell und komprimiert die Gewichte auf jeweils 1,125 Bit, sodass das Ganze in 3,8 GB passt und auf einem Smartphone läuft. Keines von beiden ist das bessere Modell. Sie sind zwei verschiedene Antworten auf die Frage „Was sollte ein 27B kosten?“, und welche Antwort man möchte, hängt ganz davon ab, ob die Einschränkung Qualität oder Bytes ist.

Eine Einschränkung vor jedem Vergleich, denn sie entscheidet darüber, wie viel auf dieser Seite rechnerisch möglich ist: Die beiden Anbieter haben keinen einzigen gemeinsamen Benchmark. RadixArk meldet Terminal Bench, DeepSWE, SWE Bench Pro, HLE, IFBench und GPQA Diamond. PrismML meldet eine eigene Suite aus fünfzehn Benchmarks sowie eine abgeleitete Kennzahl zur „Intelligenz-Dichte“. Es gibt keine Zeile, in der beide Modelle gemessen wurden, daher wird im Folgenden keine Punktzahl von einer anderen abgezogen.

Woraus jedes einzelne besteht

Die Abstammungslinie ist der erste echte Unterschied, und er ist leicht zu übersehen, weil beide „Qwen 27B“ sagen.

• DaisyRose 27B — ein Post-Training von Qwen3.8-27B, Architektur unverändert. Gleicher Tokenizer, gleiche Chat-Vorlage, gleicher Vision-Tower, gleicher Kontext von 262.144 Token. Das Training von RadixArk hat das Verhalten geändert und sonst nichts, und es beschreibt das Ergebnis als Drop-in-Ersatz für die Basis.

• Bonsai 27B — ein Low-Bit-Neuaufbau von Qwen3.6-27B, eine Generation älter. Es ist kein Post-Training: Das Sprachnetzwerk wird durchgängig mit 1-Bit- oder Ternärpräzision neu kodiert – Embeddings, Attention, MLP-Projektionen und LM-Head gleichermaßen –, ohne dass es im Backbone irgendwo ein Schlupfloch zu höherer Präzision gibt.

Diese Generationslücke ist ein echter Nachteil für Bonsai, und sie wird selten offen ausgesprochen. Qwen3.6-27B ist das Modell, das RadixArk als Ausgangspunkt für Verbesserungen gewählt hat; Bonsai 27B ist eine komprimierte Kopie davon. Wer die beiden vergleicht, vergleicht also nicht nur ein Post-Train gegen eine Kompression, sondern ein Post-Train einer neueren Basis gegen eine Kompression einer älteren. Zwei Änderungen in einem Schritt, und keine Tabelle der beiden Anbieter trennt sie.

Zwei Packs, zwei Fußabdrücke

Bonsai 27B wird als zwei Gewichtsformate desselben Modells ausgeliefert, und die Wahl zwischen ihnen ist die einzige echte Entscheidung innerhalb dieses Releases.

• Binärpaket — {−1, +1}-Gewichte mit FP16-Gruppenskalierung, gepackt als GGUF Q1_0_g128 mit 1,125 effektiven Bits pro Gewicht. Die ausgelieferte Datei ist 3,803 GB groß; die Karte rundet den bereitgestellten Speicherbedarf auf etwa 3,9 GB.

• Ternäres Pack — {−1, 0, +1}-Gewichte bei derselben Skalierung. Ein ternärer Wert trägt log₂3 ≈ 1,585 Bit, daher liegt die Untergrenze der Repräsentation bei etwa 1,71 Bit pro Gewicht bzw. 5,9 GB im Ideal. Die ausgelieferte Datei ist 7,165 GB groß, weil aktuelle Kernel jeden ternären Wert in einem Zwei-Bit-Slot speichern — 2,125 Bit pro Gewicht im Einsatz. Diese Lücke ist eine Kernel-Einschränkung, keine Modellierungsentscheidung, und PrismML veröffentlicht beide Zahlen.

DaisyRose 27B wird auf die übliche Weise ausgeliefert: BF16 mit etwa 52 GB, FP8 mit etwa 29 GB, NVFP4 mit etwa 23 GB und ausschließlich für Blackwell. Gegenüber Bonsais 3,803 GB ist das am binären Ende ein Faktor von rund vierzehn, und die Komprimierung ist nicht umsonst – PrismMLs eigene Suite beziffert das Binärpaket auf 89,5 % seiner Vollpräzisions-Baseline und das Ternärpaket auf 94,6 %.

Wo die Kompression tatsächlich bezahlt wird

PrismMLs Kategorienaufschlüsselung ist das Nützlichste in beiden Veröffentlichungen, weil sie zeigt, dass der Verlust nicht gleichmäßig verteilt ist. Im Vergleich zu seiner eigenen FP16 Qwen3.6-27B-Baseline bei 85,07 in einer Suite aus fünfzehn Benchmarks im Thinking-Modus:

• Binary pack — 76,11 insgesamt, 89,5 % Beibehaltung. Mathematik fällt von 95,33 auf 91,66 und Coding von 88,74 auf 81,88. Instruktionsbefolgung fällt von 78,47 auf 65,74, agentische und Tool-Calling-Arbeit von 80,00 auf 66,03 und Vision von 72,61 auf 59,57.

• Ternäres Paket — 80,49 insgesamt, 94,6 % Beibehaltung, wobei etwa die Hälfte des Abstands zur vollen Präzision für 3,3 GB mehr Gewicht zurückgewonnen wird.

Liest man diese Liste vor dem Hintergrund, wofür DaisyRose 27B trainiert wurde, sind die beiden Releases in keinem einfachen Sinne mehr vergleichbar. Bonsai 27Bs schwächste Kategorie nach der Komprimierung ist Agentic und Tool-Calling mit 66.03 gegenüber einem Baseline-Wert von 80.00 – ein Verlust von fünfzehn Punkten genau in dem Bereich, in dem RadixArk achtzehn Tage GPU-Zeit für Verbesserungen aufgewendet hat. Das eine Modell bezahlt für seine Kleinheit in der Währung, in der das andere Modell seinen Rechenaufwand einkauft. Wenn Ihre Workload ein Coding-Agent ist, der Tools in einer Schleife aufruft, ist das Binary-Pack von Bonsai 27B das am schlechtesten passende Artefakt in diesem Vergleich und DaisyRose 27B das beste, und nichts anderes in einer der beiden Tabellen ändert diese Reihenfolge.

A screenshot of the Hugging Face model card for prism-ml/Bonsai-27B-gguf showing the repository header, the 1-bit GGUF description, the headline footprint against FP16, the fifteen-benchmark retention figures and the base model reference to Qwen3.6-27B.

Was jedes einzelne von deiner Hardware verlangt

Hier wird der Vergleich konkret statt bloß rhetorisch.

• DaisyRose 27B — eine einzelne H200, B200 oder GB300 oder eine RTX PRO 6000, eine RTX 5090 oder ein DGX Spark bei NVFP4. Der empfohlene Serving-Pfad ist SGLang mit einem DSpark-Drafter für spekulatives Decoding, vier datenparallele Replikate über einen Vier-GPU-Knoten bei Tensor-Parallelismus 1 mit einem FP8-KV-Cache. RadixArk veröffentlicht für keine dieser Konfigurationen eine Tokens-pro-Sekunde-Zahl.

• Bonsai 27B — llama.cpp unter CUDA, Metal oder CPU, wobei die 1-Bit- und Ternär-Kernel in PrismMLs eigenem Fork statt im Upstream liegen, sodass Standard-llama.cpp sie noch nicht korrekt laden wird. Das Binärpaket passt auf ein 12-GB-Telefon; das Ternärpaket braucht etwas mehr Spielraum. Rechne ungefähr 2,4 GB dazu, wenn du den Drafter und den Vision-Tower ebenfalls nimmst, denn die 3,9 GB aus der Überschrift beziehen sich auf die Sprachgewichte und nicht auf das Deployment.

Es gibt keine Konfiguration, in der diese beiden um denselben Slot konkurrieren. Ein 3,8-GB-Binärmodell auf einem Telefon und ein 52-GB-BF16-Modell auf einer H200 stehen nicht in einem Zielkonflikt zueinander; sie bedienen unterschiedliche Produkte. Die Überschneidung ist schmaler und interessanter: ein NVFP4-DaisyRose mit 23 GB gegenüber einem ternären Bonsai mit 7,2 GB, die beide auf eine einzelne Consumer-Grafikkarte passen, ist der einzige Punkt, an dem die Wahl wirklich ein Abwägen und nicht eine Kategorie ist.

Beweise – und wie viele es davon gibt

Bonsai 27B hat vier Monate Downloads hinter sich – das ternäre GGUF-Repository überschritt im Oktober 2026 die 590.000, gegenüber knapp über 400.000 für das Binärpaket, während die MLX-Container für beide jeweils über eine Million lagen. Das deutet darauf hin, dass dieses Modell überwiegend auf Apple-Hardware statt auf Servern läuft und dass die Leute, die es herunterladen, eher die zusätzlichen fünf Punkte Retention als die kleinste Datei wollen. Es sind Nutzungsbelege statt Qualitätsbelege, aber Belege einer Art, wie sie keine Benchmark-Tabelle eines der beiden Anbieter liefert.

DaisyRose 27B ist drei Tage alt und hat keinen unabhängigen Lauf. Seine sieben Benchmark-Zeilen stammen von RadixArk, gemessen mit den Harnesses von RadixArk, bei temperature 1.0, top_p 0.95, top_k 20 und reasoning effort xhigh, und veröffentlicht als der bessere seiner BF16- und FP8-Läufe. Sein modellübergreifender Vergleich mit größeren Systemen stützt sich auf veröffentlichte Zahlen anderer Parteien statt auf Side-by-Side-Läufe, und die Modellkarte sagt das auch.

Keines der beiden Modelle wurde auf demselben Harness getestet wie das andere. Jede Seite, die eine DaisyRose-Zahl neben eine Bonsai-Zahl stellt und daraus eine Schlussfolgerung zieht, erfindet einen Vergleich, den niemand durchgeführt hat.

A generated two-column scoreboard titled 'DaisyRose 27B vs Bonsai 27B — the scoreboard'. Left column DaisyRose 27B: Base model Qwen3.8-27B; Weights 52 GB BF16 / 23 GB NVFP4; Training RL-only, 63,000 GPU-hours; Terminal Bench 4.1 12.0; Context 262,144; Licence Apache 2.0. Right column Bonsai 27B: Base model Qwen3.6-27B; Weights 3.803 GB binary / 7.165 GB ternary; Training low-bit compression; Vendor suite 76.11 binary / 80.49 ternary; Context 262,000; Licence Apache 2.0. Footer reads 'DaisyRose figures vendor-reported, November 2026; Bonsai figures vendor-reported, July 2026; no shared benchmark.' The OrcaRouter logo sits in the bottom-right.

Welchen soll man wählen?

Die Entscheidung hängt von einer einzigen Frage ab, und es ist keine Benchmark-Frage: Muss das Modell dort laufen, wo es kein Rechenzentrum gibt?

Wenn ja, lautet die Antwort Bonsai 27B, und zwar speziell das ternäre Paket, es sei denn, dem Gerät geht wirklich der Speicher aus. Der Verlust von fünfzehn Punkten beim binären Paket bei agentischen und Tool-Calling-Aufgaben ist die größte Qualitätseinbuße in beiden Releases, und die 3,3 GB, die das ternäre Paket kostet, holen die Hälfte des Abstands zur vollen Präzision zurück. Auf einem 12-GB-Telefon gibt es keine Alternative; auf allem, was 8 GB für die Gewichte übrig hat, ist das ternäre Paket das bessere Artefakt.

Wenn nicht — wenn das Modell hinter einer API oder auf einem Serving-Knoten läuft —, verdampft der zentrale Vorteil von Bonsai 27B, und der zentrale Vorteil von DaisyRose 27B ist der einzige, der übrig bleibt. Ein Modell, das auf eine H200 passt, ist kein Modell, das komprimiert werden muss, und was man mit Bonsai an dieser Stelle kaufen würde, ist ein 27B, das auf 89,5 % oder 94,6 % einer um eine Generation älteren Basis begrenzt ist. RadixArks Veröffentlichung richtet sich genau an diese Leserschaft, und die zu prüfende Behauptung ist, ob sich der Sprung von 5,6 auf 12,0 bei Terminal Bench 4.1 auf einem öffentlichen Harness reproduzieren lässt.

Eine günstige Möglichkeit, den Vergleich selbst durchzuführen

Weder DaisyRose 27B noch Bonsai 27B stehen zum Zeitpunkt des Verfassens im Katalog von OrcaRouter, und diese Seite wird nichts anderes vortäuschen. Ihr gemeinsamer Vorfahre ist: Qwen3.8-27B wird als qwen/qwen3.8-27b für $0.33 pro Million Eingabe-Tokens und $2.40 pro Million Ausgabe, mit demselben 262.144-Token-Kontext und Vision-Tower, den DaisyRose 27B beibehält. Das Basis-Modell mit den eigenen Prompts laufen zu lassen ist der günstigste Weg, um festzustellen, was vom Post-Training verbessert werden soll, und es kostet ein paar Cent statt einer gemieteten H200.

Derselbe Endpoint ist im Nachhinein ein nützliches Sicherheitsnetz. Wenn eine selbst gehostete DaisyRose-Bereitstellung mitten in einer Aufgabe auf ein volles Kontextfenster oder eine defekte Sandbox stößt, leitet eine automatische Failover-Regel die Anfrage stattdessen an das Basismodell weiter, anstatt einen Fehler zurückzugeben – eine schlechtere Antwort statt eines fehlgeschlagenen Aufrufs. Das ist die praktische Seite des Kompromisses, um den es in diesem ganzen Vergleich geht: Die Obergrenze ist es wert, dafür zu zahlen, aber nur, wenn darunter noch etwas vorhanden ist.

Was diese Seite verändern würde, ist eine einzige gemeinsame Testumgebung. Wenn {{1}}PrismML{{/1}} Qwen3.8-27B komprimiert — die Basis, die {{2}}DaisyRose{{/2}} verbessert hat —, wären die beiden Modelle endlich gegeneinander messbar, und die Frage „Was verliert ein 27B dadurch, dass es zu 3,8 GB wird?“ hätte eine Zahl statt einer Kategorie.