近日，IBM正式發布了全新的視覺語言模型Granite 4.0 3B Vision。這款模型擁有 30 億參數，專門針對企業級復雜文檔的數據提取任務進行了深度優化，旨在解決金融、法律及醫療等行業在數字化轉型中面臨的非結構化數據處理難題。
該模型在處理包含復雜表格、掃描件及多模態布局的文檔時表現尤為出色。通過將視覺理解與語言生成緊密結合，它能夠精準識別文檔中的關鍵信息，并將其轉化為可直接利用的結構化數據，極大提升了企業的辦公效率。
輕量化架構實現性能與成本的雙贏
相比于動輒千億參數的大模型，Granite 4.0 3B Vision采用了輕量化架構設計。這一特性使其不僅能夠在云端高效運行，也能輕松部署在邊緣側設備上，在保證響應速度的同時，顯著降低了企業在硬件算力上的投入成本。
在多項針對文檔智能（document AI）的基準測試中，該模型在理解復雜指令和圖表分析方面的準確率均達到了行業領先水平。這意味著企業無需昂貴的服務器集群，即可獲得精準且安全的文檔解析能力。
開源生態助力企業打造專屬AI應用
值得關注的是，IBM繼續秉持開源開放的原則，已將該模型及其開發工具通過開源社區分發。開發者可以根據自身行業的特殊需求，對模型進行微調，從而快速構建出符合特定業務場景的自動化工作流。
這一舉措無疑將加速生成式AI在垂直領域的落地。隨著Granite 4.0 3B Vision的廣泛應用，傳統的肉眼校對和手動錄入模式將逐漸成為歷史，企業級數據處理正邁向全面智能化的新階段。
