Isso é um divisor de águas porque a Apple enfrenta uma limitação importante: seus próprios modelos de IA no dispositivo usam arquiteturas esparsas, onde apenas uma fração dos parâmetros é ativada a cada momento. Na WWDC 2026, a Apple anunciou um modelo no dispositivo de aproximadamente 20 bilhões de parâmetros, mas apenas 1 a 4 bilhões deles ficam ativos por inferência . Já a abordagem da PrismML ativa todos os 27 bilhões de parâmetros ao mesmo tempo no mesmo hardware — sem precisar chamar servidores externos. Isso pode turbinar a Siri, ferramentas de escrita e experiências inteligentes em aplicativos, tudo sem sacrificar a privacidade do usuário ou exigir conexão com a nuvem . Segundo fontes, a Apple tem encontrado dificuldades para comprimir seus próprios modelos de IA para o iPhone sem perda severa de desempenho, o que torna a solução externa da PrismML altamente estratégica .

O que torna a compressão da PrismML única

O grande diferencial da PrismML é o uso de representação de pesos em 1 bit (ternário) nativo, aplicado a toda a rede neural — e não apenas a camadas selecionadas:

• Pesos ternários em toda a rede. Cada peso do modelo é limitado a exatamente três valores {-1, 0, +1}, codificando cerca de 1,58 bits por parâmetro . Isso é fundamentalmente diferente da quantização padrão de 16 bits (FP16) ou mesmo de 8 bits, que ainda usam uma faixa de valores de ponto flutuante ou inteiros.

• Treinado nativamente em 1 bit desde o início. Ao contrário da compressão típica, que começa com um modelo de precisão total e o quantiza depois (muitas vezes com perda de precisão), a PrismML treina seus modelos nativamente em precisão de 1 bit desde o zero . A empresa afirma que "a lógica ternária é construída através da própria arquitetura da rede", não sendo um ajuste de última hora .

• Ganhos dramáticos de densidade. O modelo Bonsai 8B de 1 bit da PrismML comprime 8,2 bilhões de parâmetros em apenas 1,15 GB de memória — cerca de 14 vezes menor que um modelo convencional de 16 bits — enquanto alega precisão competitiva com alternativas de precisão total em benchmarks padrão . A compressão do Qwen 3.6 de 27B da empresa também cabe inteiramente na memória do iPhone .

• Eficiência energética. A representação de 1 bit oferece cerca de 5 vezes mais eficiência energética em comparação com modelos de precisão total, e o modelo de 8B roda a mais de 40 tokens por segundo em um iPhone 17 Pro — mais rápido do que as necessidades típicas de uso em tempo real .

Ressalva: As alegações da PrismML ainda não foram verificadas de forma independente em larga escala pela comunidade de pesquisa em IA. A empresa saiu do modo furtivo em 31 de março de 2026, com investimento de US$ 16,25 milhões da Khosla Ventures e da Cerberus Ventures, e seus modelos são lançados como código aberto sob licença Apache 2.0, o que deve permitir a validação externa ao longo do tempo .

Isso é um divisor de águas porque a Apple enfrenta uma limitação importante: seus próprios modelos de IA no dispositivo usam arquiteturas esparsas, onde apenas uma fração dos parâmetros é ativada a cada momento. Na WWDC 2026, a Apple anunciou um modelo no dispositivo de aproximadamente 20 bilhões de parâmetros, mas apenas 1 a 4 bilhões deles ficam ativos por inferência . Já a abordagem da PrismML ativa todos os 27 bilhões de parâmetros ao mesmo tempo no mesmo hardware — sem precisar chamar servidores externos. Isso pode turbinar a Siri, ferramentas de escrita e experiências inteligentes em aplicativos, tudo sem sacrificar a privacidade do usuário ou exigir conexão com a nuvem . Segundo fontes, a Apple tem encontrado dificuldades para comprimir seus próprios modelos de IA para o iPhone sem perda severa de desempenho, o que torna a solução externa da PrismML altamente estratégica .

O que torna a compressão da PrismML única

O grande diferencial da PrismML é o uso de representação de pesos em 1 bit (ternário) nativo, aplicado a toda a rede neural — e não apenas a camadas selecionadas:

• Pesos ternários em toda a rede. Cada peso do modelo é limitado a exatamente três valores {-1, 0, +1}, codificando cerca de 1,58 bits por parâmetro . Isso é fundamentalmente diferente da quantização padrão de 16 bits (FP16) ou mesmo de 8 bits, que ainda usam uma faixa de valores de ponto flutuante ou inteiros.

• Treinado nativamente em 1 bit desde o início. Ao contrário da compressão típica, que começa com um modelo de precisão total e o quantiza depois (muitas vezes com perda de precisão), a PrismML treina seus modelos nativamente em precisão de 1 bit desde o zero . A empresa afirma que "a lógica ternária é construída através da própria arquitetura da rede", não sendo um ajuste de última hora .

• Ganhos dramáticos de densidade. O modelo Bonsai 8B de 1 bit da PrismML comprime 8,2 bilhões de parâmetros em apenas 1,15 GB de memória — cerca de 14 vezes menor que um modelo convencional de 16 bits — enquanto alega precisão competitiva com alternativas de precisão total em benchmarks padrão . A compressão do Qwen 3.6 de 27B da empresa também cabe inteiramente na memória do iPhone .

• Eficiência energética. A representação de 1 bit oferece cerca de 5 vezes mais eficiência energética em comparação com modelos de precisão total, e o modelo de 8B roda a mais de 40 tokens por segundo em um iPhone 17 Pro — mais rápido do que as necessidades típicas de uso em tempo real .

Ressalva: As alegações da PrismML ainda não foram verificadas de forma independente em larga escala pela comunidade de pesquisa em IA. A empresa saiu do modo furtivo em 31 de março de 2026, com investimento de US$ 16,25 milhões da Khosla Ventures e da Cerberus Ventures, e seus modelos são lançados como código aberto sob licença Apache 2.0, o que deve permitir a validação externa ao longo do tempo .