IBM刚刚在企业AI领域做出今年最重要的赌注：企业不需要4000亿参数，30亿就足够了。
这就是Granite 4.0 3B Vision的核心逻辑——IBM本周在Hugging Face上发布的紧凑型多模态模型。对于企业文档处理来说，经济学很简单：一个专为文档设计的30亿参数模型，可以达到企业所需的精度，同时将计算成本降低一个数量级——而且可以在单张GPU上运行，无需云端API。
多年来，企业构建文档处理流水线面临残酷的权衡。他们可以为前沿模型的API访问支付溢价，将敏感文档发送到第三方服务器。或者他们可以构建包含专用OCR、布局分析和提取模型的定制流水线——这些复杂系统需要持续维护。IBM的新模型提供了第三条路：一个能在本地处理完整文档处理流程的单一模型。
该模型架构针对企业文档格式进行了优化——包括复杂布局的PDF、扫描文档、包含文本和表格的表单。在标准文档理解基准测试中，IBM声称其性能与参数显著更多的模型相当。更重要的是，它可以在普通GPU硬件上本地运行推理，大幅降低每份文档的处理成本，同时保持数据本地化。
竞争对比揭示了战略定位。IBM不是在原始基准测试上与GPT-4V或Gemini Ultra竞争。相反，它瞄准的是需要足够性能但成本可控的企业。30亿参数规模恰好填补了超大前沿模型和不足的开源替代品之间的空白——足以处理严肃工作，紧凑到可以部署在任何地方。
定价很关键。借助Apache 2.0许可，企业可以免费商业部署Granite 4.0 3B Vision，无需按token付费。对于高吞吐量的文档处理——每天处理数千份发票、合同或表单——成本节省会快速累积。相比之下，按规模计费的API定价成本会随使用量线性增长。
该模型还得益于IBM的企业级定位：长期支持承诺、安全认证以及开源替代品通常缺乏的法律责任保护。对于医疗和金融等受监管行业，这些保障与基准性能同样重要。
更广泛地说，这反映了企业AI市场正在超越原始能力指标成熟。业界多年追逐参数规模和基准优势。IBM的反论点很明确：对于文档处理，一个专注的30亿参数模型达到了能力和效率之间的最佳平衡点。该模型将在Hugging Face上立即可用，采用Apache 2.0许可。
对于淹没在文档处理工作流中的企业来说，这很关键。问题不在于前沿模型能否处理文档——它们显然可以。问题在于你是否愿意为一项30亿参数模型就能出色完成的工作支付前沿价格。