bitnet-b1.58-2B-4T和三进制

关注

原创最新推荐文章于 2026-11-08 11:07:08 发布 1k 阅读 AI 写同款· GEO 优化 ›

超低比特矩阵乘法LUT加速器设计与优化矩阵乘法（GEMM）是深度学习中的核心计算操作，尤其在Transformer架构的自注意力层和前馈层中占比超过90%。传统方法面临计算效率低、存储需求大的挑战。通过超低比特量化技术，如三值权重（-1,0,+1）和8位激活值，可显著降低存储和计算开销。查找表（LUT）技术进一步将乘加运算转化为高效的查询操作，结合硬件架构优化（如最小生成树路径生成和混合精度LUT设计），实现高能效计算。Platinum加速器在BitNet-b1.58模型上实测达到1534 GOP/s吞吐量，适用于边缘计算场景中的大语言模型（L 阅读详情

最近有个模型挺火啊现在都排进了HF排行榜的第四了

模型叫做microsoft/bitnet-b1.58-2B-4T

其实非常小的一个模型，只有2B，那这东西有多大意义呢？

它主要探索一个打法

也就是这篇论文

The era of 1-bit llms: All large language models are in 1.58 bits

先说这论文解决啥问题

现在LLM越来越大，虽然也有各种量化策略，但是，你基础模型越来越大这是不争的事实，从2B上来到7B，最后14，100，现在动不动加MOE就六七百B，甚至有上trillion的模型，都不考虑激活，光这模型权重，一般卡就根本装不下，举个例子比如你40B得模型，以BF16的形式存储，就要占80G的显存，直接给卡的显存就撑爆了，只能跨TP或者PP存着。

因为它存一个参数就要消耗16个bit

那能不能把这节省一点呢，答案是可以的，比如量化到int4啥的，一下子就变4bit了，但是因为量化反向化造成的损失也比较大，除非你做了特别好的方式，例如负载的bit wise 的quantized，context wise的quantized，才能有一些好的效果

还一个问题就是矩阵乘，这玩意耗算力，耗电

那有没有一种方法来解决方便两个问题的，就是这篇1.58b论文来解决的。

我门先看啥是1.58B

其参数采用三元值{-1, 0, 1}表示。在信息论中，三个可能的值需要log₂(3) ≈ 1.58496 bits来表示，约等于1.58 bits。这是一种极端的量化方式，旨在减少计算和内存需求，同时保持与全精度模型（如FP16或BF16）的性能相当

所以又把它叫三进制，2进制不是[0,1]么

讲到这会有学数学的同学骂我，说你懂不懂进制啊。三进制是计数系统，每一位有{0, 1, 2}，用于表示数值。而{-1, 0, 1}是离散的权重值，不构成连续的计数位。例如，两个三进制位可以表示0到8（3²-1），但BitNet b1.58的两个参数只是独立取值，没有组合成数值的含义，然后巴拉巴拉，我就爱叫三进制，爱咋咋地

我们继续

我这里面举举一个具体的例子来说明BitNet b1.58如何通过三元值{-1, 0, 1}减少存储需求，相比于你熟悉的浮点数（如BP16啥的）。

例子：假如有5个参数，我们来算一下存储对比

有这么一个包含5个参数的小模型，参数值为：1, -1, 0, 1, 0。

BF16存储
- 每个参数用16位存储，总共5 × 16 = 80位。
BitNet b1.58存储
- 这些参数被量化为{-1, 0, 1}，可以映射为三元数字0、1、2（例如，-1→0，0→1，1→2），得到序列：2, 0, 1, 2, 1。（不量化肯定不行，要不对不上2进制，你放不进去现有的计算机系统里面去）
- 然后，这5个三元参数（称为trit）可以高效打包到8位中。例如，将它们视为基数3的数，计算为2×81 + 0×27 + 1×9 + 2×3 + 1×1 = 178，转换为二进制是10110010，占用8位。
  
  =====================
  
  这块要是有看不懂的，我讲一下，看懂了就直接略过
  - 从高位到低位排列并分配不同指数（3⁴, 3³, 3², 3¹, 3⁰，即81, 27, 9, 3, 1）是三进制计数系统的标准数学表示法，类似十进制的位权（10ⁿ）。
  - 这种方法确保5个trit的243种组合（3⁵）能唯一映射到8位二进制的256种状态（2⁸），实现接近理论最优的存储（1.6位/trit ≈ 1.58位/trit）。
    
    =====================

这种打包方式（5个trit到8位）使每个参数实际占用约1.6位，接近理论值1.58位，显著降低了存储需求

然后

每个参数可以是{-1, 0, 1}，这对应于三种状态。在存储时，这些值通常被映射为0、1、2（即三元数字或trit），以便于用二进制表示。例如，可以通过量化函数将权重映射到{-1, 0, 1}，如论文所述，使用absmean量化函数

其实你理解根量化也差不多

为了进一步优化存储，BitNet b1.58采用了将多个三元参数打包到二进制位中的方式。研究表明，5个三元参数（trit）可以被高效打包到8位（byte）中：

- 理由：3^5 = 243（5个trit的可能组合），而2^8 = 256（8位的可能组合），因此8位足以存储5个trit，且信息密度接近理论最优（99.06%效率）。
- 具体方法：将5个trit视为基数3的数，转换为基数2。例如，序列2, 0, 1, 2, 1可以计算为2×81 + 0×27 + 1×9 + 2×3 + 1×1 = 178，转换为二进制10110010，占用8位。

现在你2进制得数字有了占8位

对比结果

BF16需要80位，BitNet b1.58只需8位，节省了约10倍（80/8=10）

所以是不是把你模型权重占的显存就一下子给拉低了？

可以一下子降10倍的内存占用

另外一个比较牛B得是它其实不太用算矩阵乘

也就是计算优化：三元值的前向传播用加减法替代乘法，显著降低计算成本。论文显示，3B模型的矩阵乘法能耗降低71.4倍，延迟从5.07ms降至1.87ms（2.71倍）

这个啥意思呢？

在传统的神经网络中，矩阵乘那还用说吗，就靠这东西吃饭呢，当然我们叫GEMM，页不光乘，其实事涉及大量的乘法和加法操作。而在BitNet b1.58中，由于参数被限制为{-1, 0, 1}，乘法操作可以被简化为简单的加法或减法：

- 乘以1：相当于直接加法（保持原值）。
- 乘以-1：相当于减法（取负值）。
- 乘以0：相当于忽略（结果为0）。

总之乘不乘法也没那么重要了。使得计算更加高效，因为乘法操作通常比加法或减法更耗时且更耗能。论文提到，BitNet b1.58的矩阵乘法能耗比16的模型低71.4倍。此外，3B规模的模型延迟从5.07ms降至1.87ms，吞吐量显著提高，因为小啊

顺带手的，三元值中的0还引入了稀疏性（sparsity），即许多参数为0，可以在计算过程中被直接跳过，这进一步减少了计算量。例如，论文指出，70B规模的BitNet b1.58吞吐量达到2977 tokens/s，而LLaMA LLM仅为333 tokens/s，效率提高8.9倍。

它和llama同等级模型的对比，当然其实事实上llama事最拉的，同等级它现在还时没qwen啥的好的，一会我粘一下结果

这就是1.58B得由来，那么最近发布的ms这个模型有啥更新呢

它搞了个新的.cpp的推理框架

在 CPU 上的快速和无损推理是通过 bitnet.cpp 这一专门设计的软件栈实现的。bitnet.cpp 的核心在于其 优化的内核 以及对 1.58 位模型特性的利用，从而在保证推理精度的前提下提升速度和降低能耗。下面给大家讲一下实现的关键方面：

定制化的内核 (Optimized Kernels)：bitnet.cpp 提供了一套专门为 1.58 位模型设计的优化内核，包括 I2_S、TL1 和 TL2。这些内核针对 x86 和 ARM 架构进行了优化，旨在实现快速且无损的推理。

- I2_S 内核
  该内核在离线状态下将全精度权重转换为 2 位表示，以节省内存和带宽。在进行计算时，这些 2 位权重会被 解包 (Unpack) 回原始值，然后执行标准的矩阵乘法 (GEMV) 操作。由于其直接的乘加方式，推荐在 多线程环境下使用，以便编译器生成高效的流水线指令序列。
- TL1 内核
  该内核预处理每两个全精度权重，将它们打包成一个 4 位索引，并预先计算它们对应的激活值到一个 查找表 (LUT) 中。推理时，通过查找表和 int16 的累加来执行 GEMV 操作。该方法借鉴了先前在低比特 LLM 推理方面的工作 [PPK+22, WCC+24, 19]。对于服务大型模型，推荐使用 有限数量的线程。
- TL2 内核
  与 TL1 类似，但 TL2 将每三个权重压缩成一个 5 位索引（1 位符号和 4 位索引）。相比 TL1，TL2 实现了更高的压缩率，模型尺寸减少了 1/6，从而降低了带宽需求。因此，推荐在 内存或带宽受限的环境中使用。

无损推理 (Lossless Inference)：bitnet.cpp 旨在实现对三元 BitNet b1.58 LLM 的无损推理。通过对比 bitnet.cpp 和 llama.cpp 在 WildChat 数据集上的输出与 FP32 内核的输出（其实这么比完全没必要，比BF16就够了），结果表明 bitnet.cpp 的 l2_S、TL1 和 TL2 内核实现了 100% 的推理准确率，即其输出与全精度基线完全匹配。

性能优化 (Performance Optimization)：通过使用这些优化的内核，bitnet.cpp 在 CPU 上实现了显著的性能提升。

- 在 ARM CPU (Apple M2 Ultra) 上，相对于 llama.cpp(BF16)，bitnet.cpp 实现了 1.37x 到 5.07x 的加速，并且 降低了 55.4% 到 70.0% 的能量消耗。尤其值得注意的是，即使对于 100B 参数量的模型，bitnet.cpp 也能在单个 CPU 上达到 接近人类阅读的速度（5-7 tokens per second），100B得模型CPU能给你推出来7个token，这已经可以了
- 在 x86 CPU (Intel Core i7-13700H) 上，bitnet.cpp 的加速效果更加显著，达到了 2.37x 到 6.17x，并且 降低了 71.9% 到 82.2% 的能量消耗。即使在线程受限的情况下（2 个线程），bitnet.cpp 仍然表现出强大的性能。但这玩意尤其是cpu不光x86还是arm玩得就是thread多，所以肯定是越多core越快