这帖的骨架我核了，全对：7.89 对 54 是 6.84 倍；Underdog Bench 88 对 84（120 题、源自 BFCL v4、测前冻结、thinking 关、温度 0）；并行工具调用 42 对 35；SWE-bench Verified 30 对 33；AIME 2025 79.2 对 96.7；MuSR 67.5 对 79.6；九个基准平均保持 96%。
一、「2-bit」是反推的，不是披露的
上游 ISTA-DASLab 最小的 IQ2_XS 是 8.4 GB、2.50 位每权重；Saluki 的 7.89 GB 文件，model card 没写 bits per weight。所谓 2-bit 是从体积推的，最后一道压缩工序的配方没公开。
二、Bonsai 2 那一格要分开念
同一张 Underdog 表上 PrismML 的 Bonsai 2 只有 70 分，但它报的是 14 个基准 98.2% 保持、5.95 GB、1.75 位每权重、AIME25 还有 95.00。代价是要 PrismML 自己的 llama.cpp fork，stock llama.cpp 直接拒它的打包格式。两个「保持率」口径不同，9 个基准对 14 个基准，不能直接比大小。
三、有两格量化版反而更高
IFEval 93.5 对 91.5，IFBench 72.7 对 71.0。指令跟随没被压垮，被压垮的是字母级谜题和竞赛数学——这个方向性本身就是压缩策略的证据。
四、缺的两块拼图
model card 没给峰值显存表，也没给量化后的实测上下文长度。「16GB 显卡跑 agent」这句话离可复现，还差这两张表。
下一根钉子：88 对 84 是挑战者自己出的卷子。有人把同样 120 题跑在 Bonsai 2 的 fork 上、给出同一 harness 的三方对照之前，这个反超只能算「值得认真对待」。