Granite Switch 4.1：单一端点的对话、决策与语音

📌 One-Sentence Summary

IBM 发布了 Granite Switch 4.1，这是一套包含 8B 和 7BB 模型组合，具备原生音视频处理能力、262k 上下窗口以及增强的推理能力。

📝 Summary

IBM 正式推出了 Granite Switch 4.1，这是其 Granite 模型系列的重大更新。8B 和 70B 版本现在支持原生多模态理解，直接将图像和音频作为离散标记进行处理，而不是使用单独的编码器。关键改进包括大幅扩展至 262k token 的上下文窗口、用于复杂推理的“思考模式”，以及在指令遵循和工具使用方面的性能提升。该发布强调开源透明度，通过提供模型权重和训练配方，促进社区在企业级 AI 应用的研究与开发。

💡 Main Points

原生多模态集成

Granite Switch 4.1 在同一序列中将图像和音频作为离散标记处理，消除了对独立外部编码器的需求。

巨大的上下文扩展

上下文窗口已增加到 262k token，允许模型分析长得多的文档和更长的对话历史。

通过思考模式增强推理

“思考模式”的引入和针对性的后期训练，显著提升了模型处理复杂推理和遵循指令的能力。

开源透明度

IBM 通过发布模型权重、数据和训练配方维持其对开放性的承诺，确保研究的可复现性。

💬 Key Quotes

我们在 v1.5 中以早期融合的方式引入了多模态，图像和音频作为离散标记与文本在同一序列中进入 Apertus

模型的上下文窗口已增加到 262k token，比之前的版本提升了 4 倍。

“思考模式”的引入和针对性的后期训练，显著提升了模型处理复杂推理和遵循指令的能力。

📊 Article Meta

AI Screening： 88

Source： Hugging Face - Blog

Author： Kate Soule, Subhajit Chaudhury, Hendrik Strobelt, Luis A Lastras

Category： 人工智能

Language： 英文

Read Time： 3 min

Word Count： 669

Tags：

AI 与智能应用 , 多模态 AI , 模型发布 , 开源项目 , AI Agent