IBM izlaiž Granite 4.2 — jaunu atvērto AI modeļu paaudzi lokālai lietošanai

IBM ir izlaidis savas atvērto svaru valodas modeļu saimes jaunāko versiju — Granite 4.2, kas paredzēta lietotājiem, kuri vēlas modeļus lejupielādēt un darbināt paši savā infrastruktūrā, nevis izmantot mākoņa pakalpojumus. Jaunie modeļi pieejami trīs izmēros — ar 3, 8 un 30 miljardiem parametru.

Tāpat kā iepriekšējās versijās, IBM saglabā tā saukto "decoder-only" arhitektūru. Visi jaunie modeļi natīvi atbalsta līdz pat 128 000 marķieru garu konteksta logu, kas ļauj apstrādāt ievērojami garākus tekstus vienā reizē.

Uzlabota rīku lietošana

8 un 30 miljardu parametru versijas ir papildus apmācītas, izmantojot pastiprinātās mācīšanās metodes, kas orientētas uz aģentiskām spējām — piemēram, termināļa izmantošanu, interneta meklēšanu vai citu ārēju rīku pielietošanu. Mazākais, 3 miljardu parametru modelis arī spēj strādāt ar rīkiem, taču bez tikpat specializētas apmācības kā lielākajiem variantiem.

Fokuss uz spriešanu

Pēc IBM paša skaidrojuma, Granite 4.2 ir šīs modeļu saimes izlaidums, kas īpaši vērsts uz spriešanas spējām. Runājot par mākslīgā intelekta "spriešanu", speciālisti neapzīmē to pašā nozīmē, kādā to saprot cilvēka domāšanas kontekstā — modeļi neapzinās uzdevumu tā, kā to darītu cilvēks. Tā vietā tiek runāts par funkcionālu spriešanu, kas balstīta uz tā dēvēto "domu ķēdes" (chain-of-thought) pieeju, kurā modelis vairākos secīgos soļos saglabā un tālāk izmanto starprezultātus.

Granite 4.2 izlaišana notiek laikā, kad pieaug interese par lokāli darbināmiem valodas modeļiem, kas ļauj organizācijām un izstrādātājiem saglabāt lielāku kontroli pār datiem un infrastruktūru, salīdzinot ar mākoņa pakalpojumu izmantošanu.