IBM integrerer resonnement i sine LLM-er takket være Granite 3.2

IBM hevder seg nok en gang i markedet for kunstig intelligens med sin nye versjon av språkmodeller, Granite 3.2. I tråd med dagens trender legger denne innovasjonen vekt på betinget resonnement, som gjør det mulig å tilpasse ytelsen til oppgavekompleksiteten. I et teknologisk landskap der utførelseshastighet og analysedybde er avgjørende, har IBM til hensikt å møte bedriftenes voksende behov. Med betydelige fremskritt innen bildegjenkjenning og prediktiv analyse lover denne nye generasjonen modeller å transformere naturlig språkbehandling.

IBMs revolusjonerende innovasjoner i Granite 3.2

I 2025 presenterte IBM versjon 3.2 av Granite, som demonstrerte en ekte forpliktelse til innovasjon. Med en tilnærming som forener ytelse og fleksibilitet, har selskapet som mål å integrere resonnement i sine LLM-er på en effektiv og tilgjengelig måte. Denne versjonen er ikke begrenset til kosmetiske tillegg, men introduserer minneverdige funksjoner. Betinget resonnement: Et viktig fremskritt

Betinget resonnement er kjernen i denne utviklingen, og gjør det mulig å aktivere eller deaktivere resonnementfunksjoner avhengig av spørringens art. Kyra, en utvikler hos IBM, forklarer at for enkle spørsmål, som «Hva er hovedstaden i Frankrike?», er et raskt svar ønskelig. For mer komplekse spørsmål, som «Løs denne ingeniørligningen!», kan modellen imidlertid deles inn i flere analytiske trinn. Dette prinsippet sikrer en balanse mellom hastighet og dybde.

Her er noen eksempler på oppgaver som vil dra nytte av denne fleksibiliteten:
Generelle kunnskapsspørsmål
Matematiske beregninger

Problemløsning innen ingeniørfag

Partikkelfilteret: en dristig metode

IBM tar i bruk en innovativ metode kalt «partikkelfiltrering». Dette betyr at flere resonneringsprosesser evalueres samtidig, slik at modellen kan syntetisere effektive løsninger. Denne teknikken, utviklet i samarbeid med Red Hat, legger til rette for fokus på analysene som gir de beste resultatene, samtidig som den opprettholder en dynamisk tilnærming. IBM skiller seg dermed fra konkurrenter, som Deepseek, ved å integrere resonnement direkte i grunnmodellen.

Bildegjenkjenning: En annen dimensjon av Granite 3.2
Granite 3.2 tar også opp den store utfordringen med å håndtere skannede dokumenter. Denne lette modellen, med sine 2 milliarder parametere, er spesielt utviklet for bilde- og tekstgjenkjenning i ulike dokumenttyper, noe som gjør denne teknologien viktig for finansinstitusjoner som behandler store mengder arkiver. Ved å tilby datautvinningsmuligheter fokusert på dokumentspesifisiteter, muliggjør IBM mer effektiv informasjonsbehandling, både for tekst og for grafer, formler og tabeller. Dokumenttyper	Funksjoner for bildegjenkjenning
Fakturaer	Uttrekk av beløp og dato
Analyserapporter	Uttrekk av grafer og tabeller

Administrative skjemaer

Gjenkjenning av fullførte felt

Mot avansert prediktiv analyse

Når det gjelder prediktiv analyse, bringer Granite 3.2 raffinerte modeller basert ikke bare på tradisjonell maskinlæring, men også på innovative tilnærminger. Jim, en analytiker hos IBM, diskuterer TTM-modellene (tiny time mixer) de utviklet for å møte de spesifikke og varierte behovene til bedrifter. Disse modellene, selv om de er kompakte (fra 1 til 5 millioner parametere), tilbyr nå enorme tilpasningsmuligheter, noe som muliggjør hendelsesforutsigelser med passende kontekstlengde.
De foreslåtte kontekstlengdene varierer, fra 512 til 52, for bedre å møte de spesifikke behovene til daglige eller ukentlige økonomiske prognoser.

Finansielle prognoser

Vedlikeholdsplanlegging

Anomalideteksjon

Praktiske brukstilfeller av Granite 3.2

Ved å distribuere disse avanserte modellene lar IBM bedrifter utnytte kunstig intelligens på konkrete måter. Bransjer fra finans til logistikk ser allerede en betydelig innvirkning fra optimalisert analyse. For eksempel kan en bank som bruker dette systemet effektivt analysere tusenvis av dokumenter med selvtillit, noe som øker produktiviteten og responstiden.

Feltdemonstrasjonen av Granite 3.2 avslører hvordan denne teknologien kan være banebrytende. Etter implementering av Granite 3.2 reduserte Bank X filbehandlingstiden med 30 %, noe som ikke bare forbedret effektiviteten, men også lot de ansatte fokusere på oppgaver med høyere verdi. Sanntidsdataanalyse	Et annet område der Granite 3.2s intelligens skinner, er logistikkoptimalisering. Ved å integrere prediktiv analyse kan bedrifter ikke bare forutse råvarebehov, men også forutsi markedssvingninger og tilpasse produksjonen. Dette resulterer i større trygghet for både leverandører og kunder.
Forretningsfordeler	Målbare effekter
Optimalisert beslutningstaking	Reduserte driftskostnader
Forbedret kundetilfredshet	Økt kundelojalitet

Økt produktivitet

Tidsbesparelser i interne prosesser

Fremtidsutsikter med IBM Granite 3.2