Bonsai Image 4B生图AI登陆苹果iPhone 17 Pro Max

极致压缩AI模型发布 iPhone 17 Pro Max成测试焦点

2026年5月26日, PrismML公司正式发布了Bonsai Image 4B系列图像生成模型, 这引发了科技圈的热议。该模型在iPhone 17 Pro Max上生成512×512图像仅仅需要9.4秒, 它成为了移动端AI绘图速度的新标杆。这一突破性进展使得手机端实时AI图像生成成为了现实中的可能。

两个版本对弈 体积与画质如何取舍

Bonsai Image 4B系列划分成1-bit版本与Ternary版本这两个类别, 它们各自有着不同的侧重点, 1-bit版本致力于达成极致压缩, 它把Transformer体积压缩到0.93GB, 相较于原模型而言缩小了8.3倍, 另一方面, Ternary版本在维持小体积的状况之下, 着重突出画面质量以及提示词还原度, 其体积仅仅是1.21GB。

内存占用大幅下降 移动端部署成可能

就运行时内存的占用情况来讲, 新模型突显可观优势。当生成512×512图像之际, 1-bit版本仅仅需要1.5GB的活跃内存去支撑, Ternary版本对应需要1.96GB, 然而全精度的FLUX.2 Klein 4B所需高达11.74GB。这样的一个重大发展, 让高端手机能够顺畅地执行AI图像生成任务。

速度提升5倍 Mac平台表现惊艳

测试得出的数据表明, Bonsai Image 4B于iPhone 17 Pro Max上生成512×512的图像, 仅仅需要9.4秒。在Mac M4 Pro这个平台之上, 此模型展现出更为卓越的表现, 仅仅大约需要6秒便能够完成相同的任务。与全精度MFLUX流水线相比较, 其最高速度的提升幅度达到了5.6倍。

质量评测覆盖三基准 准确率超88%

对模型进行评测时, PrismML是在GenEval、HPSv3、DPG - Bench这三项基准上开展的 , 数据所呈现出来的情形是 , Ternary版本于1.21GB体积的状况下 , 留存了FLUX.2 Klein 4B的大约95%的准确性, 1 - bit版本在少于1GB的前提条件之下 , 依旧维持住了大概88%的准确性情况 , 其性能方面的损失达到了可控的状态。

基于FLUX.2 Klein架构 权重表示成关键

Bonsai Image 4B这个系列是依据FLUX.2 Klein 4B架构搭建而成的, 整体架构维持原状没有改变。其核心的创新之处在于, 针对扩散Transformer的权重表示形式作出了调整, 借助二值化技术达成了模型体积以及内存占用明显降低的效果。这样的技术路线为移动端的AI应用开拓出了新的可能性。

依你之见, 手机端在9.4秒的时间里生成一张AI图像, 这样的速度能够满足日常使用所需吗? 欢迎于评论区之中分享你的看法, 别忘了点赞转发, 从而促使更多人知晓这项技术突破！

猜你喜欢