IBM Granite Vision 4.1 4B

Granite Vision 4.1 4B, opublikowany 29 kwietnia 2026 roku, jest jedynym członkiem rodziny Granite, który widzi. Nie jest ogólnym czatem do obrazków i IBM tego nie udaje: zbudowano go do wyciągania struktury z dokumentów. Pokazany zeskanowany wykres słupkowy zwraca tabelę CSV, która za nim stoi, jej opis słowny albo kod w Pythonie, który narysowałby go od nowa. Pokazana strona PDF zwraca tabele w formacie JSON, HTML lub OTSL. Każde zadanie włącza się krótkim znacznikiem w poleceniu, więc do uzyskania wyniku czytelnego maszynowo nie trzeba żadnych sztuczek z promptem. Rozmiar jest tu sednem. Pod spodem pracują model językowy Granite 4.1 o 3,4 miliarda parametrów i koder obrazu SigLIP2 o 0,6 miliarda, który dzieli każdy obraz na kwadraty po 384 piksele i koduje je osobno. Cechy wizualne są czterokrotnie ściskane, a potem wstrzykiwane do modelu językowego w ośmiu różnych miejscach, zamiast być doklejane na wejściu - konstrukcja utrzymuje szczegół obrazu głęboko w sieci, nie zwiększając liczby tokenów. W teście VAREX, sprawdzającym wyciąganie konkretnych wartości z dokumentów, model osiąga 94,2 procent trafień dokładnych bez ani jednego przykładu, a IBM zestawia ten wynik z modelami wielokrotnie większymi. Dla czytelnika, który rozważa użycie, dwie granice ważą więcej niż wyniki testów. Po pierwsze, model przyjmuje polecenia wyłącznie po angielsku - obrazy mogą zawierać cokolwiek, ale rozmowa toczy się po angielsku i o polskim producent nic nie deklaruje. Po drugie, licencja to czysta Apache 2.0, bez wyłączenia terytorialnego, więc europejska firma przetwarzająca własne faktury czy raporty nie napotyka tu przeszkody prawnej - co nie jest oczywiste przy każdym otwartym modelu obrazowym. Pobierany jest około 111 tysięcy razy miesięcznie, ustępując wśród wyspecjalizowanych modeli IBM tylko modelom mowy, i wpina się wprost w Docling, firmowe narzędzie do konwersji dokumentów. Zbiór danych stojący za pracą na wykresach, ChartNet, opublikowano razem z nim.

▸Wideo

Brak materiałów wideo.

▸Recenzje