Ternary Bonsai 2 27B
Red Neuronal
Ternary Bonsai 2 27B: modelo de razonamiento PrismML con 262K tokens de contexto para código, matemáticas e imágenes.
Longitud máxima de respuesta
(en tokens)
Tamaño del contexto
(en tokens)
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Cómo funciona Ternary Bonsai 2 27B?
Bonsai 2 27B es un modelo de razonamiento de PrismML con 27 mil millones de parámetros, basado en Qwen3.8-27B. Destaca en programación y matemáticas, admite llamadas a herramientas (function calling) y comprende imágenes. Su contexto de 262K tokens permite trabajar con repositorios extensos, documentos técnicos largos y diálogos complejos; se basa en compresión ternaria, de donde proviene su nombre. A través de BotHub, está disponible sin VPN ni tarjetas extranjeras, con pago en rublos por uso de tokens, sin suscripciones y sin caducidad de tokens. Con más de 250 modelos en una sola ventana, es fácil comparar resultados, y su API compatible con OpenAI permite integrar el modelo sin reescribir código. El tráfico está cifrado con AES-GCM, no se guardan historiales y las empresas disponen de contratos, facturas, EDI y panel de administración con límites. Ideal para revisión y refactorización de código, análisis de cálculos paso a paso, lectura de esquemas y capturas de informes, y creación de agentes con llamadas a funciones externas.Preguntas frecuentes sobre Ternary Bonsai 2 27B
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
Es un modelo de texto con una ventana de contexto de 262 144 tokens: analiza documentos largos, escribe y refactoriza código, ayuda con la depuración, responde preguntas STEM y razona antes de responder. Acepta texto, documentos e imágenes.
El límite por respuesta es de 32 768 tokens, aproximadamente un artículo largo o un archivo de código completo. Si necesitas un resultado más extenso, divide la tarea: el contexto de 262 144 tokens permite mantener toda la conversación y los fragmentos ya generados.
Sí, el modo de razonamiento está confirmado en nuestros datos. El modelo puede desglosar la tarea en pasos antes de la respuesta final; esto ayuda notablemente en matemáticas, lógica, análisis de código y tareas complejas donde la precisión es más importante que la velocidad.
Sí, el modelo admite llamadas a funciones y salida estructurada en JSON. Puedes conectar herramientas externas, bases de datos y servicios propios, obteniendo respuestas en un esquema predecible; esto es útil para agentes y pipelines donde el resultado se integra directamente en el código.
Imágenes y documentos, sí; puedes enviarlos junto con el texto: el modelo analizará capturas de pantalla, esquemas, gráficos o archivos de varias páginas y responderá con texto. El audio y el video no están marcados en nuestros datos, por lo que es mejor elegir un modelo especializado en el catálogo para esos formatos.
No tenemos datos sobre idiomas, así que no haremos promesas; lo más fácil es comprobarlo en la práctica. Envía tu consulta típica y compara el resultado con otros modelos en la misma ventana: cambiar de modelo toma un par de segundos y el pago es por uso de tokens.