Una tarjeta de título generada que dice «DaisyRose 27B vs Bonsai 27B», con el subtítulo «Mismo tamaño, apuestas opuestas», sobre tres tarjetas redondeadas que dicen «DaisyRose: 52 GB BF16, post-entrenamiento solo con RL», «Bonsai: 3,8 GB de pesos binarios» y «Ambos: contexto de 262.000 tokens, Apache 2.0», con un pie de página que dice «cifras de DaisyRose según RadixArk, noviembre de 2026; cifras de Bonsai según PrismML, julio de 2026». El logotipo de OrcaRouter se sitúa en la esquina inferior derecha.
Guides & Insights

DaisyRose 27B vs Bonsai 27B: Mismo tamaño, apuestas opuestas

Autor

jinhao.song

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

DaisyRose 27B y Bonsai 27B son ambos modelos de veintisiete mil millones de parámetros con un contexto de 262.000 tokens, licencia Apache 2.0 y una base Qwen, y son casi opuestos en todos los demás aspectos. DaisyRose 27B, publicado por RadixArk el 18 de noviembre de 2026, emplea dieciocho días de tiempo de H200 y unas 63.000 horas de GPU en aprendizaje por refuerzo para elevar lo que un 27B puede hacer en tareas agénticas; se distribuye como 52 GB de pesos BF16 y requiere una GPU de centro de datos. Bonsai 27B, publicado por PrismML el 14 de julio de 2026, dedica su esfuerzo a la dirección opuesta: toma un 27B y comprime los pesos a 1,125 bits cada uno para que todo quepa en 3,8 GB y funcione en un teléfono. Ninguno es un modelo mejor. Son dos respuestas diferentes a la pregunta «¿cuánto debería costar un 27B?», y la respuesta que quieres depende por completo de si la restricción es la calidad o los bytes.

Una advertencia antes de cualquier comparación, porque determina cuánta aritmética puede hacerse en esta página: los dos proveedores no comparten ni un solo benchmark. RadixArk informa de Terminal Bench, DeepSWE, SWE Bench Pro, HLE, IFBench y GPQA Diamond. PrismML informa de una suite propia de quince benchmarks, además de una cifra derivada de «densidad de inteligencia». No hay ninguna fila en la que se hayan medido ambos modelos, así que nada de lo que sigue resta una puntuación de otra.

De qué está construido cada uno

El linaje es la primera diferencia real, y es fácil pasarla por alto porque ambos dicen "Q​wen 27B".

• DaisyRose 27B — un post-entrenamiento de Qwen3.8-27B, con la arquitectura intacta. Mismo tokenizador, misma plantilla de chat, misma torre de visión, mismo contexto de 262,144 tokens. El entrenamiento de RadixArk cambió el comportamiento y nada más, y describe el resultado como un reemplazo directo de la base.

• Bonsai 27B — una reconstrucción de baja precisión de Qwen3.6-27B, una generación más antigua. No se trata de un post-entrenamiento: la red lingüística se recodifica de extremo a extremo con precisión de 1 bit o ternaria, tanto los embeddings como la atención, las proyecciones MLP y la cabeza LM por igual, sin ninguna vía de escape de mayor precisión en ningún punto del backbone.

Esa brecha generacional es una desventaja real para Bonsai y rara vez se dice con claridad. Qwen3.6-27B es el modelo sobre el que RadixArk decidió mejorar; Bonsai 27B es una copia comprimida de él. Así que un lector que compara los dos no solo está comparando un post-entrenamiento con una compresión, sino un post-entrenamiento de una base más nueva con una compresión de una más antigua. Dos cambios en un solo paso, y la tabla de ninguno de los proveedores los separa.

Dos paquetes, dos huellas

Bonsai 27B se distribuye en dos formatos de pesos del mismo modelo, y la elección entre ellos es la única decisión real dentro de ese lanzamiento.

• Paquete binario — pesos {−1, +1} con escalado por grupos FP16, empaquetado como GGUF Q1_0_g128 a 1,125 bits efectivos por peso. El archivo distribuido es de 3,803 GB; la tarjeta redondea la huella desplegada a unos 3,9 GB.

• Paquete ternario — pesos {−1, 0, +1} con el mismo escalado. Un valor ternario transporta log₂3 ≈ 1,585 bits, por lo que el límite inferior de la representación es de aproximadamente 1,71 bits por peso, o 5,9 GB ideales. El archivo distribuido ocupa 7,165 GB, porque los kernels actuales almacenan cada valor ternario en una ranura de dos bits: 2,125 bits por peso implementado. Esa diferencia es una limitación del kernel, no una decisión de modelado, y PrismML publica ambas cifras.

DaisyRose 27B se distribuye de la forma habitual: BF16 a unos 52 GB, FP8 a unos 29 GB, NVFP4 a unos 23 GB y solo para Blackwell. Frente a los 3,803 GB de Bonsai, eso supone un factor de aproximadamente catorce en el extremo binario, y la compresión no es gratuita: la propia suite de PrismML sitúa el paquete binario en el 89,5 % de su referencia de precisión completa y el paquete ternario en el 94,6 %.

Donde realmente se paga la compresión

El desglose por categorías de PrismML es lo más útil de cualquiera de las dos versiones, porque muestra que la pérdida no se distribuye de manera uniforme. Frente a su propia línea base FP16 Qwen3.6-27B de 85,07 en una suite de quince benchmarks en modo de pensamiento:

• Paquete binario — 76,11 general, 89,5% de retención. Matemáticas cae de 95,33 a 91,66 y programación de 88,74 a 81,88. El seguimiento de instrucciones cae de 78,47 a 65,74, el trabajo agéntico y de llamada a herramientas de 80,00 a 66,03, y visión de 72,61 a 59,57.

• Paquete ternario — 80,49 en total, 94,6 % de retención, recuperando aproximadamente la mitad de la distancia hasta la precisión completa por 3,3 GB más de peso.

Lee esa lista a la luz de aquello para lo que se entrenó DaisyRose 27B y las dos versiones dejan de ser comparables en cualquier sentido simple. La categoría más débil de Bonsai 27B tras la compresión es la de agentes y llamada a herramientas, con 66,03 frente a una línea base de 80,00: una pérdida de quince puntos exactamente en el área en la que RadixArk invirtió dieciocho días de tiempo de GPU en mejorar. Un modelo paga por su pequeñez en la moneda que el otro modelo gasta su cómputo en comprar. Si tu carga de trabajo es un agente de programación que llama a herramientas en bucle, el paquete binario de Bonsai 27B es el artefacto menos adecuado de esta comparación y DaisyRose 27B es el mejor, y nada más en ninguna de las dos tablas cambia ese orden.

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.

Qué le pide cada uno a tu hardware

Aquí es donde la comparación se vuelve concreta en lugar de retórica.

• DaisyRose 27B — una sola H200, B200 o GB300, o una RTX PRO 6000, una RTX 5090 o una DGX Spark en NVFP4. La ruta de servicio recomendada es SGLang con un drafter de decodificación especulativa DSpark, cuatro réplicas de paralelismo de datos en un nodo de cuatro GPU con paralelismo tensorial 1 y una caché KV FP8. RadixArk no publica ninguna cifra de tokens por segundo para ninguna de esas configuraciones.

• Bonsai 27B — llama.cpp en CUDA, Metal o CPU, con los kernels de 1 bit y ternarios alojados en el fork propio de PrismML en lugar de upstream, así que el llama.cpp estándar todavía no los cargará correctamente. El paquete binario cabe en un teléfono de 12 GB; el paquete ternario necesita un poco más de margen. Añade aproximadamente 2,4 GB si también incluyes el drafter y la torre de visión, porque los 3,9 GB anunciados son los pesos del modelo de lenguaje y no el despliegue.

No hay ninguna configuración en la que estos dos compitan por el mismo hueco. Un modelo binario de 3,8 GB en un teléfono y un modelo BF16 de 52 GB en un H200 no se compensan entre sí; sirven a productos distintos. El solapamiento es más estrecho y más interesante: un DaisyRose NVFP4 de 23 GB frente a un Bonsai ternario de 7,2 GB, ambos capaces de caber en una sola tarjeta de consumo, es el único terreno en el que la elección es de verdad una disyuntiva y no una categoría.

Evidencia, y cuánta hay

Bonsai 27B lleva cuatro meses de descargas a sus espaldas: el repositorio GGUF ternario superó las 590.000 en octubre de 2026, frente a poco más de 400.000 del paquete binario, y los contenedores MLX de ambos están por encima del millón cada uno. Lo que eso sugiere es que la mayor parte de este modelo se ejecuta en hardware de Apple en lugar de en servidores, y que quienes lo descargan están comprando los cinco puntos extra de retención en lugar del archivo más pequeño. Es evidencia de uso más que de calidad, pero es evidencia de un tipo que no proporciona la tabla de benchmarks de ninguno de los dos proveedores.

DaisyRose 27B lleva tres días y no tiene ninguna ejecución independiente. Sus siete filas de benchmarks son de RadixArk, medidas en los arneses de RadixArk, con temperatura 1.0, top_p 0.95, top_k 20 y esfuerzo de razonamiento xhigh, y publicadas como la mejor de sus ejecuciones BF16 y FP8. Su comparación entre modelos frente a sistemas más grandes se basa en cifras publicadas por terceros en lugar de en ejecuciones lado a lado, y la ficha del modelo lo indica.

Ninguno de los dos modelos ha estado en el mismo arnés que el otro. Cualquier página que ponga un número de DaisyRose junto a un número de Bonsai y saque una conclusión está inventando una comparación que nadie ha realizado.

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.

¿Cuál elegir?

La decisión se reduce a una sola pregunta, y no es una pregunta de benchmark: ¿tiene que ejecutarse el modelo allí donde no hay un centro de datos?

Si la respuesta es sí, la opción es Bonsai 27B y, en concreto, el paquete ternario, a menos que el dispositivo tenga una escasez real de memoria. La pérdida de quince puntos del paquete binario en trabajo agéntico y de llamada a herramientas es la mayor concesión de calidad de cualquiera de las dos versiones, y los 3,3 GB que cuesta el paquete ternario recuperan la mitad de la distancia hasta la precisión completa. En un teléfono de 12 GB no hay alternativa; en cualquier dispositivo con 8 GB libres para los pesos, el paquete ternario es el mejor artefacto.

Si no — si el modelo se ejecuta detrás de una API o en un nodo de servicio — la ventaja central de Bonsai 27B se desvanece y la ventaja central de DaisyRose 27B es la única que queda en pie. Un modelo que cabe en una H200 no es un modelo que necesites comprimir, y lo que estarías comprando con Bonsai en esa posición es un 27B limitado al 89,5 % o al 94,6 % de una base una generación más antigua. El lanzamiento de RadixArk está dirigido exactamente a ese lector, y la afirmación que hay que poner a prueba es si el salto de Terminal Bench 4.1 de 5,6 a 12,0 se reproduce en un arnés público.

Una forma económica de hacer tú mismo la comparación.

Ni DaisyRose 27B ni Bonsai 27B figuran en el catálogo de OrcaRouter en el momento de escribir esto, y esta página no va a fingir lo contrario. Su ancestro común es: Qwen3.8-27B se sirve como qwen/qwen3.8-27b a 0,33 $ por millón de tokens de entrada y 2,40 $ por millón de tokens de salida, con el mismo contexto de 262.144 tokens y la misma torre de visión que conserva DaisyRose 27B. Ejecutar el modelo base con tus propios prompts es la forma más económica de establecer qué se le pide mejorar al post-entrenamiento, y cuesta unos céntimos en lugar de una H200 alquilada.

El mismo endpoint es una red de seguridad útil después. Si una implementación autoalojada de DaisyRose se topa con una ventana de contexto llena o un sandbox averiado a mitad de tarea, una regla automática de conmutación por error envía la solicitud al modelo base en lugar de devolver un error —una respuesta degradada en vez de una llamada fallida. Esa es la versión práctica del intercambio al que se refiere toda esta comparación: vale la pena pagar por el techo, pero solo si hay algo debajo de él.

Lo que cambiaría esta página es un único arnés compartido. Si PrismML comprime Qwen3.8-27B —la base que DaisyRose mejoró—, los dos modelos por fin podrían medirse entre sí, y la pregunta «qué pierde un 27B al convertirse en 3.8 GB» tendría un número en lugar de una categoría.