--- title: "IBM Granite (language model) — IBM Granite 模型" source: "https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B" wiki: "systems-analysis.info/int" article: "IBM_Granite_(language_model)_—_IBM_Granite_模型" language: "zh" categories: - "Category:Chinese" - "Category:Large language models" - "Category:LLM families" - "Category:Machine learning" revision_id: 3169 wiki_created_at: 2026-09-06T23:16:42Z wiki_modified_at: 2026-09-06T23:16:42Z downloaded_at: 2026-09-07T22:55:35Z --- # IBM Granite (language model) — IBM Granite 模型 **IBM Granite** 是一系列由IBM公司为企业环境应用而开发的大型语言模型（LLM）。Granite 模型是仅包含解码器（decoder-only）架构的自回归 Transformer 模型，能够根据给定上下文生成文本^{[\[1\]](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_note-ibm_blog_building-1)}。该模型系列于2023年9月7日，作为 IBM watsonx.ai 云平台发布的一部分被正式推出^{[\[2\]](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_note-techcrunch_2023-2)}。IBM 将 Granite 定位为面向企业的开放、高性能且可靠的解决方案，重点强调训练数据的透明度、风险控制以及允许商业用途的许可协议^{[\[3\]](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_note-granite_main_page-3)}。 ## 开发历史 Granite 模型系列是 IBM 战略的一部分，旨在与合作伙伴的模型一起，为企业提供自有的生成式模型。 - **2023年9月**：在 watsonx.ai 平台上正式发布并推出了首批模型。首批发布的模型 **Granite.13b.instruct** 和 **Granite.13b.chat** 拥有约130亿参数，专注于关键的语言处理任务^{[\[2\]](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_note-techcrunch_2023-2)}。 - **2024年5月**：IBM 宣布在 Apache 2.0 许可下开源多个 **Granite Code** 模型（参数量从30亿到340亿不等）。模型权重发布在 Hugging Face 平台上，这是支持开放 AI 生态系统的重要一步^{[\[4\]](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_note-ibm_code_open-4)}。 - **2024年秋季**：IBM 发布了 **Granite 3.0** 更新，其中包括更小尺寸的模型（20亿和80亿参数）和新功能，再次确认了其扩展该模型系列的方针^{[\[5\]](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_note-granite3_huggingface-5)}。 ## 架构与训练 ### 架构 IBM Granite 模型基于**解码器 Transformer**（*decoder-only*）架构构建，类似于 GPT 模型。基础模型 Granite.13b 采用**多查询注意力**（**multi-query attention**）机制，上下文窗口大小可达8000个 token^{[\[6\]](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_note-granite_tech_doc-6)}。这些模型通过自监督学习（*self-supervised learning*）进行训练。 ### 训练数据与 AI 治理 Granite 的一个关键特点是使用了为满足企业需求而精心筛选的专有数据集。与许多在未经过滤的网络数据上训练的 LLM 不同，Granite 在高质量（*enterprise-quality*）数据上进行训练，涵盖以下领域^{[\[6\]](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_note-granite_tech_doc-6)}： - **学术与科学数据**：科学文献、技术出版物。 - **程序代码**：多种编程语言的大量代码。 - **法律**：法院判决、公开报告。 - **金融**：公司的财务报告。 - **互联网**：经过筛选的通用非结构化文本。 IBM 强调，其开发过程遵循了严格的**AI 治理**（AI Governance，即伦理与数据管理）原则。每一部分数据都经过了符合公司政策的审查程序。为了移除不良内容，IBM 使用了内部的**“HAP”**（Hate and Profanity，仇恨与亵渎）检测器，以及自动化的网站黑名单^{[\[1\]](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_note-ibm_blog_building-1)}。IBM 发布了一份详细的技术报告，其中列出了数据来源，这对于大型科技公司而言是罕见之举，确保了高度的透明度。 ## Granite 模型系列 IBM Granite 模型系列涵盖了多个类别的模型，以应对不同的业务任务： - **语言模型（Granite Language Models）**：用于文本处理任务（如生成、摘要、分类等）的基础模型和指令微调模型。 - **代码模型（Granite Code Models）**：专门的 LLM，在超过100种编程语言上进行训练，用于代码自动补全、生成和修复。模型大小从30亿到340亿参数不等^{[\[4\]](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_note-ibm_code_open-4)}。 - **视觉模型（Granite Vision Models）**：用于分析图像和文档、识别文本及理解内容的神经网络。 - **语音模型（Granite Speech Models）**：用于语音识别和翻译的紧凑型模型。 - **时间序列模型（Granite for Time Series）**：用于基于时间序列进行预测的专门模型。 - **地理空间模型（Granite for Geospatial）**：与 NASA 合作开发，用于分析卫星图像和其他地理空间数据。 - **嵌入模型（Granite Embedding Models）**：用于语义搜索和构建 RAG 系统的模型。 - **Granite Guardian**：一个专门用于保障安全的模块，旨在过滤不良请求和监控内容。 ## 开源与许可 IBM 非常强调 Granite 系列的开放性，将其定位为封闭专有 LLM 的透明替代品。2024年5月，该公司在 **Apache 2.0** 许可下向开源社区发布了 Granite Code 基础模型，允许自由使用、修改和分发^{[\[4\]](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_note-ibm_code_open-4)}。这一举措，连同其发布的详细训练数据信息，为 IBM 赢得了研究界的高度评价。2024年，该模型在斯坦福大学的**基础模型透明度指数**中名列前茅^{[\[3\]](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_note-granite_main_page-3)}。 ## 应用 Granite 模型已集成到 IBM watsonx 云平台中，并应用于各种企业场景。 - **体育分析（US Open）**：IBM 与美国网球协会（USTA）合作，在US Open锦标赛上使用 Granite 为每场比赛自动生成比赛报告和音频评论。该解决方案能在比赛结束后几分钟内生成详细的文本回顾^{[\[7\]](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_note-usopen_2024-7)}。 - **辅助编程**：Granite Code 模型是 **IBM watsonx Code Assistant** 的核心，这是一套工具集，例如，它可以自动将过时的 COBOL 代码转换为适用于 IBM Z 的现代微服务^{[\[4\]](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_note-ibm_code_open-4)}。 - **行业 AI 应用**：洛克希德·马丁公司（Lockheed Martin）已将 Granite 模型集成到其 AI Factory 平台中，用于国家安全任务。ESPN 则使用 Granite 在梦幻体育（fantasy sports）中生成个性化评论^{[\[3\]](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_note-granite_main_page-3)}。 ## 参考文献 - Ainslie, J. et al. (2023). *GQA: Training Generalized Multi‑Query Transformer Models from Multi‑Head Checkpoints*. arXiv:2305.13245. - Awasthy, P. et al. (2025). *Granite Embedding Models*. arXiv:2502.20204. - Dao, T. et al. (2022). *FlashAttention: Fast and Memory‑Efficient Exact Attention with IO‑Awareness*. arXiv:2205.14135. - Ding, Y. et al. (2024). *LongRoPE: Extending LLM Context Window Beyond 2 Million Tokens*. arXiv:2402.13753. - Fedus, W.; Zoph, B.; Shazeer, N. (2021). *Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity*. arXiv:2101.03961. - Granite Vision Team (2025). *Granite Vision: A Lightweight, Open‑Source Multimodal Model for Enterprise Intelligence*. arXiv:2502.09927. - Mishra, M. et al. (2024). *Granite Code Models: A Family of Open Foundation Models for Code Intelligence*. arXiv:2405.04324. - Padhi, I. et al. (2024). *Granite Guardian: Risk Detection for Safe and Responsible Use of LLMs*. arXiv:2412.07724. - Peng, B. et al. (2023). *YaRN: Efficient Context Window Extension of Large Language Models*. arXiv:2309.00071. - Stallone, M. et al. (2024). *Scaling Granite Code Models to 128K Context*. arXiv:2407.13739. ## 注释 1. ↑ ^{[1.0](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_ref-ibm_blog_building_1-0)} ^{[1.1](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_ref-ibm_blog_building_1-1)} “Building AI for business: IBM's Granite foundation models”. *IBM Blog*. [1] 2. ↑ ^{[2.0](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_ref-techcrunch_2023_2-0)} ^{[2.1](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_ref-techcrunch_2023_2-1)} Lardinois, Frederic (7 сентября 2023). “IBM rolls out new generative AI features and models”. *TechCrunch*. [2] 3. ↑ ^{[3.0](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_ref-granite_main_page_3-0)} ^{[3.1](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_ref-granite_main_page_3-1)} ^{[3.2](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_ref-granite_main_page_3-2)} “Granite”. *IBM*. [3] 4. ↑ ^{[4.0](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_ref-ibm_code_open_4-0)} ^{[4.1](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_ref-ibm_code_open_4-1)} ^{[4.2](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_ref-ibm_code_open_4-2)} ^{[4.3](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_ref-ibm_code_open_4-3)} “IBM's Granite code model family is going open source”. *IBM Research Blog*. [4] 5. [↑](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_ref-granite3_huggingface_5-0) “Granite 3.3 Language Models - a ibm-granite Collection”. *Hugging Face*. [5] 6. ↑ ^{[6.0](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_ref-granite_tech_doc_6-0)} ^{[6.1](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_ref-granite_tech_doc_6-1)} “Granite Foundation Models: Technical Specifications”. *IBM*. [6] 7. [↑](https://systems-analysis.info/int/IBM_Granite_(language_model)_%E2%80%94_IBM_Granite_%E6%A8%A1%E5%9E%8B#cite_ref-usopen_2024_7-0) “IBM and the USTA Serve Up New and Enhanced Generative AI Features for 2024 US Open Digital Platforms”. *IBM Newsroom*. [7]