Granite Vision
El modelo compacto de visión y lenguaje de IBM para entender documentos y gráficos
Granite Vision es el modelo compacto de visión y lenguaje de IBM, publicado como parte de la actualización Granite 3.2 en febrero de 2025 y construido de forma específica para entender documentos visuales, no para el chat general con imágenes. Con 2000 millones de parámetros, lee tablas, gráficos, infografías, diagramas y documentos escaneados y los convierte en texto estructurado. Apunta a benchmarks como DocVQA y ChartQA, donde IBM dice que iguala a modelos abiertos varias veces más grandes. El tamaño reducido es deliberado: IBM lo diseñó para cargas empresariales cotidianas, como leer facturas o extraer datos de informes, donde ejecutar un modelo multimodal grande no es práctico ni asequible. Admite una ventana de contexto de 16K tokens, es de pesos abiertos bajo Apache 2.0 y se distribuye por Hugging Face e IBM watsonx. Versiones posteriores (3.3 y las variantes de visión de Granite 4.0) siguen el mismo diseño centrado en documentos.