IBM发布Granite 4.0 3B Vision：企业级文档数据提取的新利器

## IBM Granite 4.0 3B Vision跑通文档提取：30亿参数，边缘设备也能跑 IBM Granite 4.0 3B Vision（30亿参数，约相当于GPT-2的大小，普通显卡就能跑）今天被开发者们扒出来试了，他们发现这玩意儿在金融、法律、医疗行业的复杂文档里抓数据，比很多大模型还准，而且能让普通笔记本就跑起来。 ## 专啃复杂文档的30亿参数模型 有开发者试了说，这模型专门啃企业里那些难搞的非结构化文档，比如金融、法律、医疗行业的复杂表格、扫描件、还有各种布局的花样。它把视觉理解和语言生成捏在一起，能从这些文档里精准抠出关键信息，直接输出成结构化数据。按他们的说法，以前得靠人眼和手工录，现在让模型干，效率直接飙升。 ## 轻量架构：不烧算力也够准 相比那些千亿参数的巨无霸（比如GPT-4那种动辄上万亿参数的），Granite 4.0 3B Vision的架构特别轻——30亿参数，模型文件大小大概4GB。群里在传，这模型不光能在云端跑得快，还能直接部署到边缘设备上（比如普通办公电脑或边缘盒子），响应速度不慢，而且大幅省下了硬件算力的钱。在几个文档智能（Document AI）的基准测试里，它理解复杂指令和分析图表的准确率都排到了行业前面。有公司CTO发帖说，他们用一台没配GPU的服务器跑推理，文档解析准确率居然跟云端大模型差不多。也就是说，企业不用买昂贵的服务器集群，就能获得精准且安全的文档解析能力——有开发者说他们直接在笔记本上微调了一下，效果比预期好。 ## 开源开放，开发者能随便搞 IBM把模型和开发工具连锅端进了开源社区，开发者们可以直接拿上去根据自家行业需求微调，搞出自动化工作流。有金融行业的工程师在论坛上说，他们用这个模型几天就搭了个合同信息提取的流水线，比以前外包给人干省了90%的时间。按照这个势头，传统肉眼校对和手动录入模式估计撑不了多久了。 接下来盯着看：哪些垂直行业的文档处理工具会先被这个开源小模型冲垮？而那些靠卖高价文档AI服务的公司，可能得坐不住了。