IBM تطلق نماذج Granite Switch 4.1 المعيارية بحجمَي 8B و30B

أعلنت IBM عن Granite Switch 4.1 في 15 أكتوبر 2026، وأطلقت نموذجين لغويين معياريين، أحدهما يضم 8 مليارات معلمة والآخر 30 مليار معلمة، يجمع كل منهما نموذجًا أساسيًا ومحوّلًا للقرارات متعدد الأغراض ومحوّلًا للسلامة ومشفّرًا مدمجًا لتحويل الكلام إلى نص ضمن نقطة نهاية مستضافة واحدة. وكتب Kate Soule وSubhajit Chaudhury وHendrik Strobelt وLuis A Lastras منشور مدونة IBM Granite الذي أعلن الإطلاق.

تكوين الإصدار 4.1

يتضمن الإصدار Granite-Switch-4.1-8B وGranite-Switch-4.1-30B، المبنيين على النموذجين الأساسيين granite-4.1-8b وgranite-4.1-30b، اللذين يضمان 8 مليارات و30 مليار معلمة على التوالي، ويتيحان نافذة سياق بسعة 128K. وتورد بطاقة نموذج 8B وبطاقة نموذج 30B تاريخ إصدار هو 14 أكتوبر 2026، وترخيص Apache 2.0، وواجهتَي Hugging Face Transformers وvLLM الخلفيتين.

يجمع كل إصدار من النموذج ثلاث وحدات مع النموذج الأساسي: محوّل LoRA منشّط (aLoRA) لاتخاذ القرارات متعددة الأغراض؛ وguardian-core، وهو محوّل aLoRA من مكتبة Guardian التابعة لـIBM، يرصد مخاطر السلامة المرتبطة بالأذى، واختراق الحواجز الوقائية، والألفاظ النابية، والعنف، والمحتوى الجنسي، والتحيز الاجتماعي، والسلوك غير الأخلاقي؛ وGranite Speech 5.0 TurboCTC، وهو مشفّر conformer CTC إنجليزي غير ذاتي الانحدار، يضم 470 مليون معلمة ومُدمج لأغراض النسخ النصي. وتصفه IBM بأنه أسرع نموذج للتعرّف التلقائي على الكلام (ASR) في لوحة متصدرّي OpenASR. وتقول IBM إن التقنيات الثلاث، إلى جانب النموذج الأساسي، تحتاج إلى ذاكرة GPU تقارب ما يحتاج إليه النموذج الأساسي وحده.

تدرج البطاقات أيضًا إصدارات معاينة لا تتضمن الصوت (granite-switch-4.1-8b-preview وgranite-switch-4.1-30b-preview وgranite-switch-4.1-3b-preview)، وتأتي مع الحزمة الكاملة لمحوّلات Granite Libraries. وقدّمت IBM مشروع Granite Switch في ربيع 2026 بوصفه نهجًا معياريًا لتطوير النماذج، فيما يوفّر إصدار Granite Libraries السابق مستودعًا لمحوّلات متخصصة للقرارات والمهام، يمكن تركيبها لإنشاء نماذج Switch مخصصة.

آلية التبديل

يستخدم Granite Switch ما تسميه بطاقات النماذج «التبديل الخشن بين الخبراء»، حيث يظل محوّل واحد نشطًا عبر جميع طبقات فك الترميز خلال مقطع متصل من الرموز. ويمكن للمستدعين تفعيل محوّل بتمرير اسمه إلى قالب المحادثة، الذي يُدرج رمز التحكم المقابل تلقائيًا. وترصد طبقة تبديل خفيفة مبنية على آلية الانتباه القياسية تلك الرموز، وتُنشئ مؤشرات للمحوّل عند كل موضع، لتوجّه كل طبقة من طبقات فك الترميز إلى تطبيق أوزان LoRA المطابقة لذلك المقطع.

تورد البطاقات أربع خصائص تصميمية: لا يقرأ كل محوّل سوى ذاكرة KV الخاصة بالنموذج الأساسي، ولا يطّلع مطلقًا على الحالة الداخلية لأي محوّل آخر؛ وتُطوّر المحوّلات وتُختبر وتُنشر كلٌّ على حدة، من دون تدريب مشترك؛ ويعمل إصدار واحد من النموذج مع كل من Transformers وvLLM؛ ولا يتطلب اختيار المحوّل أي تغييرات في الشيفرة. وتقول IBM إن تصميم LoRA المنشّط، الموفر للذاكرة المؤقتة، يتيح إعادة استخدام ذاكرة KV الناتجة عن توليد النموذج الأساسي لاتخاذ قرارات لاحقة تستند إلى المحوّلات. كما تعزو سرعة التبديل بين طلبات المحادثة والقرارات والصوت إلى إسهاماتها الأخيرة في نوى vLLM وإلى وجود مشفّر ASR في الموقع نفسه.

يتلقى محوّل القرارات حالةً وسؤالًا يتضمن خيارات مصنّفة، ثم ينتج توزيعًا احتماليًا وفق دالة softmax على تلك الفئات، في تمريرة أمامية واحدة. وينسخ مشفّر الكلام المدمج الصوت الوارد، ثم يحلّ النص الناتج محل الصوت داخل سياق المحادثة؛ وبذلك تُجرى عملية النسخ عبر نقطة النهاية نفسها المستخدمة للمحادثة والقرارات، من دون خادم كلام منفصل أو تغيير في طريقة استدعاء النموذج. وتستضيف IBM أيضًا مساحة عرض Speech-to-Decisions، حيث ينسخ نموذج 8B الصوت الوارد، وينشئ ملخصات، ويفحص المحتوى بحثًا عن أي مواد ضارة، ويقيّم 15 مؤشرًا إضافيًا يحددها المستخدم، وكل ذلك آنيًا عبر نقطة نهاية واحدة.

المقاييس المعيارية والمقارنات التي أوردتها IBM

تقارن IBM نهجها بنماذج القرارات المغلقة مثل Jev، التي تقول إنها تركز على العمومية، وتذكر أن محوّل guardian-core يتفوق في المتوسط على Jev 1.13 وMicrosoft-Decision-1 وGPT-Luna-Decisions وClef-Flash في مهام اتخاذ القرارات المتعلقة بالسلامة. وفي المقارنة التي نشرتها IBM بين محوّلات Granite Libraries المتخصصة ونماذج القرارات العامة، حقق أفضل محوّل Granite تقدمًا في OOD Safety بمقدار 2.3 نقطة، وفي IFEval بمقدار 17.0 نقطة، وفي BIO F1 بمقدار 11.0 نقطة، وفي RAGTruth بمقدار 11.8 نقطة؛ بينما تأخر في LM-AggreFact بمقدار 2.6 نقطة، وفي InfoBench-GPT4 بمقدار 3.2 نقطة، وفي InfoBench-Human بمقدار 0.8 نقطة.

تورد بطاقات النماذج درجات Decision Index لمحوّل القرارات، وهي مقاسة على المجموعة الفرعية السريعة المتاحة للعامة من المعيار، التي تضم 1,068 صفًا، وفق طريقة التقييم edition-v0.3، مع تشغيل المحوّل خلف نقطة نهاية vLLM مستضافة. سجل محوّل 8B درجة إجمالية قدرها 42.9، بواقع 29.1 في Knowledge و48.9 في Language و49.8 في Retrieval و59.8 في Tools و18.0 في Arts. وسجل محوّل 30B درجة إجمالية قدرها 50.1، بواقع 32.4 في Knowledge و58.6 في Language و49.8 في Retrieval و76.5 في Tools و26.4 في Arts. وتذكر البطاقات أن نتائج تشغيل المحوّل نفسه محليًا وعلى خدمة مستضافة تتفق بفارق لا يتجاوز نحو 0.6 نقطة.

وتفيد IBM أيضًا بإجراء مقارنة أتمّ فيها Granite-Switch-4.1-30B، وهو نموذج Granite أساسي مجمّد مزوّد بأربعة محوّلات aLoRA متخصصة، سير عمل RAG واقعيًا من خمس خطوات بسرعة أكبر بكثير من Jev-27B، وهو نموذج Qwen أساسي مجمّد مزوّد بمحوّل LoRA عام واحد. وفي عرض توضيحي ثانٍ، تقول IBM إن نموذجًا مخصصًا من Granite Switch يضم 3 مليارات معامل، ويلعب لعبة Doom، اتخذ ما بين 60 و100 قرار في الثانية، مقارنةً بـ10 قرارات في الثانية وفقًا لما أُعلن عن Jev، وإن نموذجها، بخلاف Jev، يستطيع سرد ما يجري والإجابة عن الأسئلة أثناء اللعب.

التوافر والمتطلبات والقيود

كلا النموذجين مرخّص بموجب Apache 2.0. وتشمل المتطلبات Python 3.9 أو أحدث، وPyTorch 2.11.0 أو أحدث، وTransformers من الإصدار 5.16 حتى 5.17.0، وvLLM اختياريًا من الإصدار 0.26.0 وحتى ما قبل 0.28.0. وتستخدم البنية الأساسية الكثيفة، التي تقتصر على فك الترميز، الانتباه ذي الاستعلامات المجمّعة (GQA) وRoPE وSwiGLU وRMSNorm؛ وتدعم سياقًا يصل إلى 131,072 رمزًا؛ وتدرج الإنجليزية والألمانية والإسبانية والفرنسية واليابانية والبرتغالية والعربية والتشيكية والإيطالية والكورية والهولندية والصينية ضمن اللغات المدعومة.

يمكن لأي شخص إنشاء نموذج مخصص من Granite Switch عبر مزج المحوّلات من كتالوج محوّلات المشروع باستخدام أدوات التأليف الخاصة به. وتعتبر IBM أن Mellea هي طبقة التطبيقات المفضلة لتشغيل محوّلات Granite Switch، كما أن Mellea تضم بالفعل عائلات محوّلات Granite Libraries، لكن محوّل القرار لا يمتلك حتى الآن قدرة مدمجة في Mellea، مع التخطيط لإضافتها. وتخطط IBM أيضًا لإطلاق حزمة تطوير محوّلات لتدريب محوّلات مخصصة ومحوّلات من جهات خارجية في Mellea، إلى جانب دروس تعليمية ودعم Granite Switch، وتقول إنها ستنشر مزيدًا من التفاصيل والبيانات عن Granite Switch في الأسابيع التي تلي الإعلان.

توضح بطاقات النماذج عدة قيود. لا يعمل تسلسل معالجة الكلام إلا باللغة الإنجليزية، ويُخرج نصوصًا مفرغة بأحرف صغيرة ومن دون علامات ترقيم، ولا يتيح التوجيه أثناء فك الترميز. ولأن مُرمّز ASR لم يُدرّب تدريبًا مشتركًا مع النموذج اللغوي أو المحوّلات، فقد يؤدي خطأ في التفريغ الصوتي، من دون تنبيه، إلى تغيير استجابة النموذج أو أحد المحوّلات. ويضع vLLM حدًا أقصى قدره 128 معرّف رمز لطلبات احتمالية تسجيل السجلّ (logprob) الخاصة بتسميات خيارات القرار، لذا يجب تقسيم الأسئلة التي تتضمن خيارات أكثر إلى طلبات مجزأة. وتذكر البطاقات أيضًا أن guardian-core لا يغني عن اختبار السلامة على مستوى التطبيق، وأن نقاط التحقق لا تتضمن محوّلات Guardian Library الخاصة بكشف الوقائع وتصحيحها وضوابط السياسات، وأنه ينبغي التعامل مع احتمالات محوّل القرار باعتبارها تقديرًا أوليًا يوجّه القرار، لا تصنيفًا معتمدًا للمجالات التي تقع خارج نطاق تدريبه.