המשמעות המעשית היא פוטנציאל למודלים מקומיים חזקים יותר עבור Siri, כלי כתיבה ופיצ'רים חכמים בתוך אפליקציות — גם ללא חיבור אינטרנט או שליחת נתונים לענן. אפל עצמה מציגה את הרצת ה-AI על המכשיר כדרך לשמור על פרטיות, להפחית השהיה ולייתר את הצורך בניהול שרתים ועלות לכל טוקן .
עם זאת, חשוב לדייק: עצם קיום השיחות והישגי PrismML מבוססים כאן על דיווחים וטענות החברה, ולא על הודעה רשמית של אפל על שיתוף פעולה או על שילוב הטכנולוגיה במוצריה.
במקום לייצג כל משקל באמצעות מספרי נקודה צפה של 16 ביט או מספרים של 8 ביט, PrismML מגבילה את המשקלים לשלושה ערכים בלבד: -1, 0 ו-+1. שלושת הערכים האלה מקודדים בערך 1.58 ביט לכל פרמטר .
העיקרון אינו רק "כיווץ" של קובץ קיים. לפי PrismML, המבנה הטרנרי משולב בתהליך ובארכיטקטורה של המודל מלכתחילה, במקום לאמן מודל מלא-דיוק ורק לאחר מכן לבצע לו קוונטיזציה. זו אחת הטענות המרכזיות שמבדילות את הגישה שלה משיטות דחיסה מסורתיות .
PrismML מציגה את משפחת Bonsai שלה כמודלים שמנסים למקסם את "צפיפות האינטליגנציה" — כמות היכולת שמתקבלת מכל גיגה-בייט של זיכרון. לפי החברה, מודל 1-bit Bonsai 8B מכיל 8.2 מיליארד פרמטרים בקובץ של כ-1.15 גיגה-בייט, קטן משמעותית ממודל מקביל בפורמט FP16 .
החברה טוענת גם למהירות של יותר מ-40 טוקנים בשנייה ב-iPhone 17 Pro ולשיפור של בערך פי חמישה ביעילות האנרגטית לעומת מודלים מלאי-דיוק . נתונים נוספים על משפחת Ternary Bonsai מתארים מודלים של 8, 4 ו-1.7 מיליארד פרמטרים, בקוד פתוח וברישיון Apache 2.0
.
הנתונים המרשימים מגיעים בעיקר מ-PrismML ומדיווחים על הדגמות שלה. החברה יצאה ממצב stealth ב-31 במרץ 2026, וגייסה לפי הדיווחים 16.25 מיליון דולר מ-Khosla Ventures ומ-Cerberus Ventures . פתיחת המודלים לקוד פתוח עשויה לאפשר לחוקרים ולמפתחים לבדוק את הביצועים, הדיוק, צריכת הזיכרון והמהירות בתנאים בלתי תלויים.
לכן, נכון לעכשיו, המשמעות של המגעים עם אפל היא בעיקר אסטרטגית: PrismML מציעה פתרון אפשרי לפער שבין מודלים מקומיים פרטיים ומהירים לבין מודלים גדולים וחזקים שעדיין נוטים לפעול בענן. אם הטענות יאומתו, טכנולוגיית 1.58 הביט עשויה להרחיב את גבולות ה-AI המקומי — אבל מוקדם עדיין לקבוע אם היא תהפוך לחלק ממוצרי אפל.