IBM近日推出全新视觉语言模型Granite 4.0 3B Vision，具备约30亿参数，专为企业级复杂文档的数据提取任务优化。该模型可高效处理含表格、扫描件及多模态布局的文档，通过结合视觉理解与语言生成技术，精准识别并结构化文档信息，显著提升金融、法律、医疗等行业的数据处理效率。采用轻量化架构设计，Granite 4.0 3B Vision可在云端与边缘设备灵活部署，降低算力与硬件成本。在多项文档智能基准测试中，该模型在复杂指令理解与图表解析准确率方面表现领先。IBM已将模型及开发工具开放至开源社区，方便开发者依据行业需求定制化微调，加速企业自动化与生成式AI在垂直领域的落地。
