Aller au contenu
Français
Contenu FikirPilot

PrismML a fait fonctionner le modèle Bonsai de 1 bit sur des lunettes intelligentes

Mis à jour: 25/09/2026 · 2 min de lecture · 354 mots

Publié: · Dépêche reçue: · Durée de traitement: 2 min

PrismML a fait fonctionner le modèle Bonsai de 1 bit sur des lunettes intelligentes
Des lunettes intelligentes posées sur une table

PrismML a annoncé avoir fait fonctionner Bonsai, un modèle de langage visuel de 1 bit comptant environ deux milliards de paramètres, sur des lunettes intelligentes équipées de Snapdragon AR1 Gen 1. Dans le cadre de la démonstration, les données d’image et de texte ont été traitées sur l’appareil, sans présentation d’un nouveau produit grand public.

Les 1,7 milliards de paramètres de Bonsai sont consacrés au langage et 300 millions à la partie visuelle. Selon l’entreprise, les poids du modèle occupent 0,43 GB ; dans la version 4 bits, cette valeur atteint 1,66 GB. Lors du test de performances, Bonsai a généré 15,36 tokens par seconde, contre 7,44 tokens pour le modèle comparé. PrismML a précisé que les résultats reposaient sur ses propres tests et que les performances en conditions réelles pouvaient varier selon la tâche, la durée de fonctionnement, la caméra, la batterie et les conditions thermiques.

Pourquoi c’est important

Cette démonstration fournit un exemple technique montrant que des tâches d’intelligence artificielle comme le traitement d’images et de textes peuvent être exécutées sur le matériel de lunettes intelligentes sans nécessiter de connexion au cloud. Le fait que les poids du modèle occupent moins d’espace et que sa vitesse mesurée soit supérieure à celle du modèle comparé revêt une importance directe pour les appareils disposant d’une mémoire et d’une puissance de calcul limitées. Cette situation concerne particulièrement les personnes qui s’intéressent au temps de réponse, au mode de traitement des données et à l’utilisation des ressources matérielles dans les lunettes intelligentes. Toutefois, les mesures reposant sur les propres tests de l’entreprise, il reste impossible de savoir si les mêmes résultats peuvent être obtenus avec différentes tâches et dans différentes conditions de caméra, de batterie, de température et de durée de fonctionnement. En outre, aucun nouveau produit grand public n’ayant été présenté, la manière dont cette démonstration pourrait se traduire dans un usage quotidien reste encore incertaine.

Contexte

PrismML n’est pas un nouveau nom dans les archives de FikirPilot : nous avons publié au cours des 90 derniers jours un article dans lequel ce nom était mentionné ; cet article est daté du 20 septembre 2026.

Source: Teknoblog