この動きが重要なのは、Appleが大きな制約に直面しているからだ。Apple自身のオンデバイス基盤モデルは、ごく一部のパラメータだけが活性化するスパースアーキテクチャを採用している。WWDC 2026で、Appleは約200億パラメータのオンデバイスモデルを発表したが、推論ごとに活性化するのは10〜40億パラメータにすぎない。一方、PrismMLのアプローチでは全270億パラメータが同じハードウェア上で完全に活性化する。サーバー呼び出しは不要で、プライバシーを犠牲にしたりクラウド接続を必要とせずに、はるかに高性能なオンデバイスSiri、文章作成ツール、インテリジェントなアプリ体験を実現できる可能性がある。Appleは自社のAIモデルをiPhone向けに圧縮する際、深刻な性能低下なしには実現できずに苦戦してきたと報じられており、PrismMLのような外部ソリューションは極めて戦略的に重要である。

PrismMLの圧縮技術の独自性

PrismMLのブレークスルーは、ネットワーク全体にわたるネイティブ1ビット（3値）重み表現にある。特定の層だけでなく、すべての層に適用される点が特徴だ。

• 全ネットワーク3値重み。モデル内のすべての重みが{-1, 0, +1}の3値に制限され、1パラメータあたり約1.58ビットで表現される。これは標準的な16ビット（FP16）や8ビット量子化とは根本的に異なる。

• ゼロから1ビットでネイティブ学習。従来の圧縮手法はフル精度モデルを後から量子化するが、PrismMLはモデルを最初から1ビット精度で学習させる。同社は「3値論理はネットワークアーキテクチャ自体に組み込まれており、後付けではない」と説明する。

• 劇的な密度向上。PrismMLの1ビットBonsai 8Bモデルは、82億パラメータをわずか1.15GBのメモリに圧縮。従来の16ビットモデルと比較して約14分の1のサイズでありながら、標準ベンチマークでフル精度の代替モデルに匹敵する精度を主張している。27BモデルのQwen 3.6圧縮でも、Alibabaの高密度モデル全体をiPhoneのメモリに収めることに成功した。

• エネルギー効率。1ビット表現により、フル精度モデルと比較して約5倍のエネルギー効率を実現。8BモデルはiPhone 17 Pro上で毎秒40トークン以上の速度で動作し、リアルタイム使用に十分な速度だ。

注意点：PrismMLの主張は、まだ大規模なAI研究コミュニティによる独立した検証を受けていない。同社は2026年3月31日にステルス状態から公開され、Khosla VenturesとCerberus Venturesから1625万ドルの資金を調達。モデルはApache 2.0ライセンスでオープンソース公開されており、時間の経過とともに外部検証が可能になるはずだ。

この動きが重要なのは、Appleが大きな制約に直面しているからだ。Apple自身のオンデバイス基盤モデルは、ごく一部のパラメータだけが活性化するスパースアーキテクチャを採用している。WWDC 2026で、Appleは約200億パラメータのオンデバイスモデルを発表したが、推論ごとに活性化するのは10〜40億パラメータにすぎない。一方、PrismMLのアプローチでは全270億パラメータが同じハードウェア上で完全に活性化する。サーバー呼び出しは不要で、プライバシーを犠牲にしたりクラウド接続を必要とせずに、はるかに高性能なオンデバイスSiri、文章作成ツール、インテリジェントなアプリ体験を実現できる可能性がある。Appleは自社のAIモデルをiPhone向けに圧縮する際、深刻な性能低下なしには実現できずに苦戦してきたと報じられており、PrismMLのような外部ソリューションは極めて戦略的に重要である。

PrismMLの圧縮技術の独自性

PrismMLのブレークスルーは、ネットワーク全体にわたるネイティブ1ビット（3値）重み表現にある。特定の層だけでなく、すべての層に適用される点が特徴だ。

• 全ネットワーク3値重み。モデル内のすべての重みが{-1, 0, +1}の3値に制限され、1パラメータあたり約1.58ビットで表現される。これは標準的な16ビット（FP16）や8ビット量子化とは根本的に異なる。

• ゼロから1ビットでネイティブ学習。従来の圧縮手法はフル精度モデルを後から量子化するが、PrismMLはモデルを最初から1ビット精度で学習させる。同社は「3値論理はネットワークアーキテクチャ自体に組み込まれており、後付けではない」と説明する。

• 劇的な密度向上。PrismMLの1ビットBonsai 8Bモデルは、82億パラメータをわずか1.15GBのメモリに圧縮。従来の16ビットモデルと比較して約14分の1のサイズでありながら、標準ベンチマークでフル精度の代替モデルに匹敵する精度を主張している。27BモデルのQwen 3.6圧縮でも、Alibabaの高密度モデル全体をiPhoneのメモリに収めることに成功した。

• エネルギー効率。1ビット表現により、フル精度モデルと比較して約5倍のエネルギー効率を実現。8BモデルはiPhone 17 Pro上で毎秒40トークン以上の速度で動作し、リアルタイム使用に十分な速度だ。

注意点：PrismMLの主張は、まだ大規模なAI研究コミュニティによる独立した検証を受けていない。同社は2026年3月31日にステルス状態から公開され、Khosla VenturesとCerberus Venturesから1625万ドルの資金を調達。モデルはApache 2.0ライセンスでオープンソース公開されており、時間の経過とともに外部検証が可能になるはずだ。