IBM خانواده مدل‌های زبانی بزرگ Granite 4.2 را عرضه کرد که شامل نسخه‌های ۳ میلیارد، ۸ میلیارد و ۳۰ میلیارد پارامتری با پنجره بافت (context window) تا ۵۱۲ هزار توکن و قابلیت استفاده از ابزار به صورت عامل‌محور (agentic tool use) است و همگی تحت لایسنس Apache 2.0 ارائه شده‌اند. این اقدام، یک هوش مصنوعی با وزن‌های باز (open-weight) و در سطح سازمانی (enterprise-grade) را در اختیار توسعه‌دهندگان قرار می‌دهد که می‌تواند در اسناد بسیار حجیم استدلال کند و بدون تکیه بر APIهای اختصاصی، به صورت خودگردان عمل نماید.

چرا حرکت IBM به سمت وزن‌های باز (Open-Weight) اکنون اهمیت دارد

لایسنس منعطف این مدل‌ها به شرکت‌ها اجازه می‌دهد تا آن‌ها را در محل (on-premises)، در ابرهای خصوصی یا در دستگاه‌های لبه (edge devices) بدون پرداخت هزینه لایسنس اجرا کنند؛ این یک مزیت آشکار برای صنایع تحت نظارت (regulated industries) است که نمی‌توانند داده‌های خود را در معرض سرویس‌های خارجی قرار دهند.

جهش فنی

  • مقیاس و داده‌های آموزشی – IBM این مدل‌ها را از ابتدا بر روی حدود ۱۵ تریلیون توکن آموزش داده است؛ حجم مجموعه‌داده‌ای که با بزرگترین مدل‌های پایه تجاری قابل مقایسه است.
  • پنجره بافت (Context window) – پنجره ۵۱۲ هزار توکنی اجازه می‌دهد تا یک بار پردازش، کل پایگاه‌های کد (codebases)، اسناد سیاستی طولانی یا کتاب‌های چندفصل را پوشش دهد و نیاز به تکه‌تکه کردن (chunking) و بازسازی داده‌ها را از بین ببرد.
  • محاسبات دو حالته – حالت «تفکر» (thinking mode) لایه‌های استدلال عمیق‌تر را فعال می‌کند، در حالی که حالت «غیرتفکر» (non-thinking mode) درخواست‌های ساده را با تقاضای کمتر برای GPU مدیریت می‌کند. این قابلیت به کاربران اجازه می‌دهد تا بین تأخیر (latency) و هزینه هر درخواست تعادل برقرار کنند.
  • یادگیری تقویتی عامل‌محور (Agentic reinforcement learning) – مدل‌های 8B و 30B تحت یک مرحله تخصصی RL قرار گرفته‌اند که به آن‌ها می‌آموزد از ابزارهای خارجی استفاده کنند، کدهای ایزوله (sandboxed code) را اجرا کنند و جستجوهای وب انجام دهند. این مدل‌ها نقاط پایانی (endpoints) فراخوانی ابزار به سبک OpenAI را ارائه می‌دهند، بنابراین خط لوله‌های ارکستراسیون موجود را می‌توان بدون بازنویسی مجدد مورد استفاده قرار داد.
  • سازگاری با استنتاج (Inference friendliness) – سازگاری با vLLM و SGLang اجازه می‌دهد مدل‌ها با توان عملیاتی بالا روی سخت‌افزارهای معمولی اجرا شوند، که مزیتی کاربردی برای سازمان‌هایی است که ده‌ها عامل (agent) همزمان را مقیاس‌گذاری می‌کنند.

مسیر جانبی گفتار: Granite Speech 5.0 Turbo CTC

در کنار خط تولید LLM، شرکت IBM یک مدل تبدیل گفتار به متن با ۴۷۰ میلیون پارامتر را تحت عنوان Granite Speech 5.0 Turbo CTC منتشر کرد. IBM می‌گوید این مدل می‌تواند سه ساعت صدا را در یک ثانیه پیاده‌سازی (transcribe) کند که دو برابر سرعت پیشتازان قبلی در جدول رده‌بندی Open ASR است. ردپای کوچک و توان عملیاتی بسیار بالا، آن را به گزینه‌ای مناسب برای زیرنویس‌گذاری بلادرنگ (real-time captioning)، تحلیل‌های مرکز تماس و خط لوله‌های ورود داده‌های صوتی در مقیاس بزرگ تبدیل می‌کند.

پیامدها برای اکوسیستم هوش مصنوعی

برندگان کیست:

  • سازمان‌ها یک جایگزین مقرون‌به‌صرفه و قابل میزبانی شخصی (self-hosted) برای استفاده از APIهای گران‌قیمت به دست می‌آورند.
  • توسعه‌دهندگان یک پشته (stack) عامل‌محور آماده دریافت می‌کنند که بدون نیاز به مذاکره برای لایسنس‌های تجاری، قابل سفارشی‌سازی است.
  • IBM با ارائه یک محصول متن‌باز پیشرو که توانمندی‌های تحقیقاتی خود را به نمایش می‌گذارد، جایگاه خود را در رقابت هوش مصنوعی تثبیت می‌کند.

چه کسانی تهدید می‌شوند:

  • ارائه‌دهندگان مدل‌های بسته (closed-source) که بر وابستگی مشتری به مدل‌های اختصاصی تکیه دارند، ممکن است در صورت مهاجرت مشتریان به عامل‌های Granite با میزبانی محلی، با کاهش هزینه‌های سازمانی مواجه شوند.
  • پروژه‌های کوچک‌تر متن‌باز ممکن است تحت‌الشعاع قرار گیرند؛ مقیاس و پشتیبانی ابزاری Granite، استاندارد بالایی برای تلاش‌های جامعه‌محور تعیین می‌کند.

هزینه‌ها و موازنه‌ها: اجرای یک مدل 30B با پنجره بافت نیم میلیون توکنی همچنان نیازمند GPUها یا کلاسترهای سطح بالا است؛ سازمان‌ها باید سرمایه‌گذاری سخت‌افزاری را در برابر صرفه‌جویی حاصل از عدم پرداخت هزینه‌های API بسنجند.

خلاصه کلام

Granite 4.2 یک هوش مصنوعی واقعاً در سطح سازمانی و با وزن‌های باز را به حوزه عمومی می‌آورد و پنجره‌های بافت عظیم را با قابلیت استفاده از ابزارِ آماده ترکیب می‌کند. لایسنس Apache 2.0 اصطکاک‌های قانونی را از بین می‌برد، اما چالش‌های سخت‌افزاری و امنیتی به این معناست که این مدل ابتدا در سازمان‌های با منابع کافی که توان پرداخت هزینه‌های محاسباتی و سرمایه‌گذاری در محیط‌های ایزوله (sandboxing) قدرتمند را دارند، جایگاه خود را پیدا خواهد کرد. اگر جامعه توسعه‌دهندگان حول آن متحد شوند، Granite می‌تواند به ستون فقرات نسل بعدی عامل‌های خودگردان تبدیل شود و بازار گسترده‌تر هوش مصنوعی را مجبور کند تا با جایگزین‌های متن‌بازی که دیگر در مقیاس یا قابلیت‌ها کوتاهی نمی‌کنند، روبرو شود.