IBM Granite Switch 4.1 réunit chat, décisions et parole
Deux modèles de 8 et 30 milliards de paramètrespoids du modèleNombre de valeurs apprises par un modèle. À quantification égale, plus de paramètres veut dire plus de mémoire occupée, et en général de meilleures réponses.Fiche du lexique répondent en langage naturel, rendent des décisions et transcrivent la parole depuis un seul point d'entrée, pour à peu près la VRAMmémoire vidéoMémoire de la carte graphique. C'est elle qui fixe la taille de modèle exécutable : les poids, le cache et la fenêtre de contexte doivent y tenir ensemble.Fiche du lexique que le modèle de base occupe seul. Un LoRAadaptateurEntraînement léger d'un modèle gelé : on ajuste deux petites matrices à côté des poids d'origine. Le résultat s'applique ou se retire à la demande, et se partage en quelques dizaines de mégaoctets.Fiche du lexique de décision, un adaptateur garde-fou et un modèle de reconnaissance vocale sont composés sur la même base.
par Gyom 16 octobre 2026 à 13:03 3 min de lecture rubrique : Machines et coûts
etiquettes : En entreprise · Hébergé · Coût
IBM publie le 15 octobre 2026 deux modèles ouverts, Granite-Switch-4.1-8B et Granite-Switch-4.1-30B, livrés avec leurs adaptateurs déjà compilés sur le modèle de base. Le premier rend des décisions générales, le deuxième filtre contenus et réponses, le troisième transcrit de la parole, et les trois se sollicitent sans changer de point d'entrée. Les modèles de décision ne datent pas de cette version : la bibliothèque Granite publiait déjà ces adaptateurs rangés par tâche, et Granite Switch 4.1 en fait une pièce du même modèle que le chat.
Un cache réutilisé d'une génération à l'autre, pour la mémoire d'un seul modèle
Les briques sont des LoRA activées, construites pour épargner le cache : la mémoire créée par une génération du modèle de base se réutilise pour les décisions qu'un adaptateur prend ensuite, et l'encodeur de reconnaissance vocale est installé à côté. IBM a aussi publié ses contributions au noyau vLLM pour accélérer le calcul des adaptateurs de rang faible. L'ensemble, modèle de base et trois technologies comprises, occupe à peu près la mémoire vidéo du modèle de base seul : plus de capacités sans plus de cartes.
Le garde-fou passe devant Jev 1.13 et Microsoft-Decision-1
L'adaptateur garde-fou, guardian-core, dépasse en moyenne Jev 1.13, Microsoft-Decision-1, GPT-6 Luna Decisions et Clef Flash sur les tâches de décision liées à la sûreté, selon la comparaison d'IBM. Ses adaptateurs spécialisés devancent les généralistes sur plusieurs tâches, avec 2,3 points d'avance en sûreté hors distribution et 4,9 points sur appel d'outiltool call · function callingRequête structurée qu'un modèle adresse à un programme extérieur : recherche, calcul, terminal, base de données. Le modèle ne fait pas l'action, il demande qu'elle soit faite, et lit ce qui revient.Fiche du lexique Reward Bench, 8,0 points de F1 sur ELI5 et 11,0 sur BIO pour la détection de factualité, 17,0 points sur IFEval pour la vérification d'exigences, 4,6 points sur MT-RAGrecherche augmentéeRecherche documentaire branchée sur un modèle : on retrouve des passages pertinents, on les place dans la fenêtre de contexte, et le modèle répond à partir d'eux plutôt que de sa mémoire.Fiche du lexique pour l'aptitude à répondre, 11,8 points sur RAGTruth pour la détection d'hallucination et 9,7 points de justesse globale pour la clarification de requête.
Le relevé porte aussi trois reculs, qu'IBM publie côte à côte : 2,6 points de retard sur LM-AggreFact pour le garde-fou, 3,2 sur InfoBench-GPT4 et 0,8 sur InfoBench-Human pour la vérification d'exigences.
Soixante à cent décisions par seconde sur Doom, contre dix pour Jev
IBM a composé un Granite Switch de 3 milliards de paramètres pour jouer à Doom. Il prend ses décisions entre 60 et 100 fois par seconde, quand Jev annonce 10 décisions par seconde, et il peut commenter ce qu'il fait ou répondre à une question pendant la partie. La vitesse de transcription vient de l'autre pièce du montage : Granite-Speech-5.0-Turbo-CTC, 470 millions de paramètres, est le modèle de reconnaissance vocale le plus rapide du classement OpenASR, et il est embarqué comme un composant du même modèle.
Une course de cinq étapes pour comparer deux façons de composer
IBM a fait courir Granite-Switch-4.1-30B, base gelée et quatre adaptateurs spécialisés, contre Jev-27B, base Qwen gelée et un adaptateur de décision générique, sur une même chaîne de recherche documentaire en cinq étapes. Granite Switch 4.1 la termine plus vite, selon ses auteurs. Les modèles 8B et 30B ne sont pas les seuls possibles : le catalogue d'adaptateurs permet d'assembler sa propre composition, et un kit de formation d'adaptateurs est annoncé pour Mellea.
Source primaire IBM Granite, Granite Switch 4.1 : Chat, Decisions, and Speech from One Endpoint