Så byggdes IBMs Granite 4.2 – en titt under huven
Hugging Face har publicerat en djupdykning i hur IBM:s språkmodellserie Granite 4.2 är konstruerad, inklusive träningsdata, arkitekturval och prestandaresultat. Det intressanta här är inte bara att IBM släpper en ny modellserie, utan att de visar hur den är byggd – något som fortfarande är ovanligt i en bransch där de flesta aktörer håller sådana detaljer för sig själva.
Djupdykning
Granite 4.2 är IBMs senaste familj av språkmodeller, och det som skiljer dem från mängden är att de är byggda specifikt för företagsanvändning snarare än att vara generalistmodeller som försöker göra allt. IBM har lagt särskild vikt vid vad de kallar "trustworthiness" – alltså att modellerna ska vara transparenta i hur de tränats, vilken data som använts och vilka begränsningar de har, något som är kritiskt när banker eller sjukhus ska kunna försvara ett beslut inför en revisor eller tillsynsmyndighet. Modellerna är också konstruerade för att vara effektiva nog att köras lokalt hos ett företag, inte bara i molnet, vilket är relevant nu när allt fler organisationer är nervösa för att skicka känslig data till externa servrar. Träningsprocessen kombinerar öppen data med syntetiskt genererad data – det vill säga data som en annan AI har skapat – vilket är branschens svar på det faktum att vi håller på att tömma internet på ny, kvalitativ träningstext. Det de flesta missar i IBM-berättelsen är att de egentligen inte tävlar mot OpenAI eller Anthropic om slutkonsumenter – de tävlar om att bli infrastrukturen i stora organisationer som redan betalar IBM miljarder för enterprise-tjänster, och för de kunderna väger dokumentation, support-avtal och regelefterlevnad ofta tyngre än en imponerande benchmark.