Um cartão de título gerado com os dizeres "DaisyRose 27B vs Bonsai 27B", com o subtítulo "Mesmo tamanho, apostas opostas", acima de três cartões arredondados com os dizeres "DaisyRose: 52 GB BF16, pós-treino apenas com RL", "Bonsai: 3,8 GB de pesos binários" e "Ambos: contexto de 262.000 tokens, Apache 2.0", com um rodapé com os dizeres "Dados da DaisyRose conforme a RadixArk, novembro de 2026; dados do Bonsai conforme a PrismML, julho de 2026." O logotipo da OrcaRouter fica no canto inferior direito.
Guides & Insights

DaisyRose 27B vs Bonsai 27B: Mesmo tamanho, apostas opostas

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

DaisyRose 27B e Bonsai 27B são ambos modelos de vinte e sete bilhões de parâmetros com um contexto de 262.000 tokens, licença Apache 2.0 e base Qwen, e são quase opostos em todos os outros aspectos. DaisyRose 27B, publicado pela RadixArk em 18 de novembro de 2026, dedica dezoito dias de tempo de H200 e cerca de 63.000 horas de GPU a aprendizado por reforço para elevar o que um 27B consegue fazer em tarefas agênticas; é distribuído como 52 GB de pesos BF16 e exige uma GPU de datacenter. Bonsai 27B, publicado pela PrismML em 14 de julho de 2026, concentra seu esforço na direção oposta: pega um 27B e comprime os pesos para 1,125 bit cada, de modo que o conjunto inteiro caiba em 3,8 GB e rode em um celular. Nenhum dos dois é um modelo melhor. São duas respostas diferentes para a pergunta “quanto deve custar um 27B?”, e a resposta que você quer depende inteiramente de a restrição ser qualidade ou bytes.

Uma ressalva antes de qualquer comparação, porque ela determina quanto desta página pode ser feito com aritmética: os dois fornecedores não têm um único benchmark em comum. A RadixArk informa Terminal Bench, DeepSWE, SWE Bench Pro, HLE, IFBench e GPQA Diamond. A PrismML informa uma suíte própria de quinze benchmarks, além de um valor derivado de "densidade de inteligência". Não há nenhuma linha em que esses dois modelos tenham sido ambos medidos, portanto nada abaixo subtrai uma pontuação de outra.

Do que cada um é feito

A linhagem é a primeira diferença real, e é fácil de passar despercebida porque ambos dizem "Q​wen 27B".

• DaisyRose 27B — um pós-treino do Qwen3.8-27B, com a arquitetura intacta. Mesmo tokenizador, mesmo template de chat, mesma torre de visão, mesmo contexto de 262.144 tokens. O treinamento da RadixArk mudou o comportamento e nada mais, e ela descreve o resultado como um substituto direto para a base.

Bonsai 27B — uma reconstrução de baixos bits do Qwen3.6-27B, uma geração mais antiga. Não se trata de um pós-treino: a rede de linguagem é recodificada de ponta a ponta em precisão de 1 bit ou ternária, incluindo embeddings, atenção, projeções MLP e cabeça LM, sem qualquer via de escape para maior precisão em nenhum ponto do backbone.

Essa diferença geracional é uma desvantagem real para o Bonsai e raramente é explicitada com clareza. O Qwen3.6-27B é o modelo que a RadixArk escolheu para aprimorar; o Bonsai 27B é uma cópia comprimida dele. Assim, um leitor que compara os dois não está apenas comparando um pós-treino com uma compressão, mas um pós-treino de uma base mais nova com uma compressão de uma base mais antiga. Duas mudanças em um único passo, e a tabela de nenhum dos fornecedores as separa.

Duas embalagens, duas pegadas

O Bonsai 27B é lançado em dois formatos de pesos do mesmo modelo, e a escolha entre eles é a única decisão real nesse lançamento.

• Pacote binário — pesos {−1, +1} com escala por grupo em FP16, empacotados como GGUF Q1_0_g128 a 1,125 bits efetivos por peso. O arquivo distribuído tem 3,803 GB; o card arredonda a pegada implantada para cerca de 3,9 GB.

• Pacote ternário — pesos {−1, 0, +1} na mesma escala. Um valor ternário carrega log₂3 ≈ 1,585 bits, então o piso da representação é de cerca de 1,71 bits por peso, ou 5,9 GB ideais. O arquivo distribuído tem 7,165 GB, porque os kernels atuais armazenam cada valor ternário em um slot de dois bits — 2,125 bits por peso implantados. Essa diferença é uma limitação de kernel, não uma escolha de modelagem, e a PrismML publica ambos os números.

O DaisyRose 27B é distribuído da forma habitual: BF16 com cerca de 52 GB, FP8 com cerca de 29 GB, NVFP4 com cerca de 23 GB e exclusivo para Blackwell. Frente aos 3,803 GB do Bonsai, isso representa um fator de aproximadamente catorze no extremo binário, e a compressão não sai de graça — a própria suíte da PrismML situa o pacote binário em 89,5% de sua linha de base em precisão total e o pacote ternário em 94,6%.

Onde a compressão é realmente paga

O detalhamento por categoria do PrismML é a coisa mais útil em qualquer um dos lançamentos, porque mostra que a perda não está distribuída de forma uniforme. Em comparação com sua própria linha de base FP16 Qwen3.6-27B em 85,07 numa suíte de quinze benchmarks em modo de raciocínio:

• Pacote binário — 76,11 no geral, 89,5% de retenção. Matemática cai de 95,33 para 91,66 e programação, de 88,74 para 81,88. O seguimento de instruções cai de 78,47 para 65,74, o trabalho agêntico e de chamada de ferramentas, de 80,00 para 66,03, e a visão, de 72,61 para 59,57.

• Pacote ternário — 80,49 no geral, 94,6% de retenção, recuperando cerca de metade da distância até a precisão total por 3,3 GB a mais de pesos.

Leia essa lista em contraste com aquilo para que o DaisyRose 27B foi treinado, e os dois lançamentos deixam de ser comparáveis em qualquer sentido simples. A categoria mais fraca do Bonsai 27B após a compressão é a agêntica e de chamada de ferramentas, com 66,03 contra uma linha de base de 80,00 — uma perda de quinze pontos exatamente na área em que a RadixArk passou dezoito dias de tempo de GPU melhorando. Um modelo paga por sua pequenez na moeda com que o outro gasta seu poder computacional para comprar. Se sua carga de trabalho for um agente de programação que chama ferramentas em loop, o pacote binário do Bonsai 27B é o artefato menos adequado desta comparação e o DaisyRose 27B é o melhor, e nada mais em nenhuma das duas tabelas muda essa ordenação.

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.

O que cada um exige do seu hardware

É aqui que a comparação se torna concreta, e não retórica.

• DaisyRose 27B — uma única H200, B200 ou GB300, ou uma RTX PRO 6000, uma RTX 5090 ou uma DGX Spark em NVFP4. O caminho de serving recomendado é o SGLang com um drafter de decodificação especulativa DSpark, quatro réplicas de paralelismo de dados em um nó de quatro GPUs com paralelismo de tensor 1 e cache KV FP8. A RadixArk não publica nenhum número de tokens por segundo para nenhuma dessas configurações.

• Bonsai 27B — llama.cpp em CUDA, Metal ou CPU, com os kernels de 1 bit e ternários morando no fork próprio da PrismML em vez do upstream, então o llama.cpp padrão ainda não vai carregá-los corretamente. O pacote binário cabe em um celular de 12 GB; o pacote ternário precisa de um pouco mais de folga. Adicione cerca de 2,4 GB se você também levar o drafter e a vision tower, porque o valor de destaque de 3,9 GB refere-se aos pesos da linguagem e não à implantação.

Não existe configuração em que esses dois disputem o mesmo espaço. Um modelo binário de 3,8 GB em um celular e um modelo BF16 de 52 GB em uma H200 não se contrapõem; eles atendem a produtos diferentes. A sobreposição é mais estreita e mais interessante: um DaisyRose NVFP4 com 23 GB contra um Bonsai ternário com 7,2 GB, ambos cabendo em uma única placa de consumidor, é o único ponto em que a escolha é genuinamente uma troca, e não uma categoria.

Evidência, e quanta dela existe

O Bonsai 27B tem quatro meses de downloads atrás de si — o repositório GGUF ternário ultrapassou 590.000 em outubro de 2026, contra pouco mais de 400.000 do pacote binário, com os contêineres MLX de ambos acima de um milhão cada. O que isso sugere é que a maior parte deste modelo está sendo executada em hardware Apple, e não em servidores, e que as pessoas que o baixam estão comprando os cinco pontos extras de retenção em vez do menor arquivo. É evidência de uso, e não de qualidade, mas é um tipo de evidência que a tabela de benchmark de nenhum dos fornecedores oferece.

DaisyRose 27B tem três dias e nenhuma execução independente. As suas sete linhas de benchmark são da RadixArk, medidas nas harnesses da RadixArk, com temperature 1.0, top_p 0.95, top_k 20 e esforço de raciocínio xhigh, e publicadas como o melhor resultado entre as suas execuções BF16 e FP8. A sua comparação entre modelos com sistemas maiores baseia-se em números publicados por terceiros, e não em execuções lado a lado, e o cartão do modelo afirma-o.

Nenhum dos modelos passou pelo mesmo harness que o outro. Qualquer página que coloque um número DaisyRose ao lado de um número Bonsai e tire uma conclusão está inventando uma comparação que ninguém executou.

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.

Qual escolher

A decisão se resolve em uma única questão, e não é uma questão de benchmark: o modelo precisa rodar onde não há centro de dados?

Se sim, a resposta é o Bonsai 27B e, especificamente, o pacote ternário, a menos que o dispositivo esteja genuinamente com falta de memória. A perda de quinze pontos do pacote binário em trabalhos agênticos e de chamada de ferramentas é a maior concessão de qualidade em qualquer um dos lançamentos, e os 3,3 GB que o pacote ternário custa recuperam metade da distância até a precisão total. Num telefone de 12 GB não há alternativa; em qualquer dispositivo com 8 GB disponíveis para os pesos, o pacote ternário é o melhor artefato.

Se não — se o modelo roda atrás de uma API ou em um nó de serviço — a vantagem central do Bonsai 27B evapora, e a vantagem central do DaisyRose 27B é a única que resta de pé. Um modelo que cabe em uma H200 não é um modelo que você precisa comprimir, e o que você estaria comprando com o Bonsai nessa posição é um 27B limitado a 89,5% ou 94,6% de uma base uma geração mais antiga. O lançamento da RadixArk é voltado exatamente para esse leitor, e a alegação a testar é se o salto do Terminal Bench 4.1 de 5,6 para 12,0 se reproduz em um harness público.

Uma forma barata de você mesmo fazer a comparação

Nem o DaisyRose 27B nem o Bonsai 27B estão no catálogo do OrcaRouter no momento em que escrevo, e esta página não vai fingir o contrário. O ancestral comum deles é: o Qwen3.8-27B é servido como qwen/qwen3.8-27b a $0,33 por milhão de tokens de entrada e $2,40 por milhão de saída, com a mesma janela de contexto de 262.144 tokens e a mesma torre de visão que o DaisyRose 27B mantém. Rodar o modelo base com seus próprios prompts é a forma mais barata de estabelecer o que o pós-treino deve melhorar, e custa alguns centavos em vez de um H200 alugado.

O mesmo endpoint é uma rede de segurança útil depois. Se uma implantação auto-hospedada do DaisyRose atingir uma janela de contexto cheia ou um sandbox quebrado no meio da tarefa, um failover automático envia a solicitação para o modelo base em vez de retornar um erro — uma resposta degradada em vez de uma chamada falha. Essa é a versão prática da troca sobre a qual toda esta comparação gira: vale a pena pagar pelo teto, mas somente se houver algo por baixo dele.

O que mudaria esta página é um único harness compartilhado. Se a PrismML comprimir o Qwen3.8-27B — a base que a DaisyRose aprimorou —, os dois modelos finalmente poderiam ser medidos um contra o outro, e a pergunta "o que um 27B perde ao se tornar 3,8 GB" teria um número em vez de uma categoria.