1-bit模型是极致轻量化的AI大模型压缩技术，核心是把模型海量参数简化为仅正负两种状态，只用1个比特存储数据，区别于普通模型的高精度小数参数。
常规AI模型参数精度高、体积大、算力消耗高，而1-bit模型将复杂运算简化为加减运算，大幅降低硬件需求和运行功耗。目前主流的是原生训练1-bit模型（以微软BitNet为代表），从训练阶段就约束参数适配双档位规则，相比传统后期强行压缩的方式，大幅减少效果损耗。
它的优势十分突出：模型体积仅为原版的1/16，无需高端显卡，手机、嵌入式设备等低端硬件也能离线快速运行，完美适配边缘AI、物联网、本地闲聊等轻量化场景。
但该技术仍有局限，模型复杂推理、代码编写、专业运算能力会小幅衰减，暂时无法替代高精度模型，更适合日常对话、内容摘要等通用轻量化AI场景。
网友回复
我知道答案，我要回答
