IBM தனது Granite 4.2 பெரிய மொழி மாதிரிகளின் (large language models) குடும்பத்தை அறிமுகப்படுத்தியுள்ளது. இது 3 பில்லியன், 8 பில்லியன் மற்றும் 30 பில்லியன் அளவுருக்கள் (parameter variants) கொண்ட மாறுபாடுகளை வழங்குகிறது. மேலும், இது 512k-டோக்கன் சூழல் சாளரம் (context window) மற்றும் உள்ளமைக்கப்பட்ட ஏஜென்டிக் கருவி பயன்பாட்டைக் (agentic tool use) கொண்டுள்ளது, இவை அனைத்தும் Apache 2.0 உரிமத்தின் கீழ் வருகின்றன. இந்த நடவடிக்கை, டெவலப்பர்களுக்குப் பிரத்யேக API-களைச் சார்ந்து இருக்காமல், மிகப்பெரிய ஆவணங்களைக் கையாளவும், தன்னிச்சையாகச் செயல்படவும் கூடிய ஒரு அரிய திறந்த-எடை (open-weight), நிறுவனத் தரம் வாய்ந்த (enterprise-grade) AI-ஐ வழங்குகிறது.

ஏன் IBM-இன் திறந்த-எடை (Open-Weight) முயற்சி இப்போது முக்கியமானது

இந்தத் தாராளமான உரிமம், நிறுவனங்கள் இந்த மாதிரிகளைத் தங்கள் சொந்தத் தளங்களில் (on-premises), தனிப்பட்ட கிளவுட்களில் (private clouds) அல்லது எட்ஜ் சாதனங்களில் (edge devices) உரிமக் கட்டணமின்றி இயக்க அனுமதிக்கிறது—தரவுகளை வெளிப்புறச் சேவைகளுக்கு வெளிப்படுத்த முடியாத ஒழுங்குமுறைப்படுத்தப்பட்ட தொழில்துறைகளுக்கு இது ஒரு தெளிவான நன்மையாகும்.

தொழில்நுட்ப முன்னேற்றம்

  • அளவு மற்றும் பயிற்சித் தரவு – IBM இந்த மாதிரிகளை சுமார் 15 டிரில்லியன் டோக்கன்களைக் கொண்டு புதிதாகப் பயிற்றுவித்துள்ளது; இந்தத் தரவு அளவு மிகப்பெரிய வணிக ரீதியான அடிப்படை மாதிரிகளுக்கு இணையானது.
  • சூழல் சாளரம் (Context window) – 512k-டோக்கன் சாளரம் மூலம், ஒருமுறை மட்டுமே உள்ளீடு செய்வதன் மூலம் முழுமையான கோட்பேஸ்கள் (codebases), நீண்ட கொள்கை ஆவணங்கள் அல்லது பல அத்தியாயங்கள் கொண்ட புத்தகங்களை முழுமையாகக் கையாள முடியும்; இது தரவுகளைத் துண்டாக்குதல் (chunking) மற்றும் மீண்டும் இணைக்கும் தேவையை நீக்குகிறது.
  • இரட்டை-முறை கணக்கீடு (Dual-mode compute) – "சிந்திக்கும்" (thinking) முறை ஆழமான பகுத்தறிவு அடுக்குகளைப் பயன்படுத்துகிறது, அதே சமயம் "சிந்திக்காத" (non-thinking) முறை குறைந்த GPU தேவைகளுடன் எளியத் தேடல்களைக் கையாள்கிறது. இந்தத் தேர்வு பயனர்களைத் தாமதம் (latency) மற்றும் கோரிக்கைக்கான செலவு ஆகியவற்றிற்கு இடையே சமநிலைப்படுத்த அனுமதிக்கிறது.
  • ஏஜென்டிக் வலுவூட்டல் கற்றல் (Agentic reinforcement learning) – 8 B மற்றும் 30 B மாதிரிகள் ஒரு சிறப்பு RL கட்டத்தைக் கடந்துள்ளன, இது வெளிப்புறக் கருவிகளை அழைக்கவும், சாண்ட்பாக்ஸ் செய்யப்பட்ட குறியீடுகளை (sandboxed code) இயக்கவும் மற்றும் இணையத் தேடல்களைச் செய்யவும் அவற்றுக்குப் பயிற்றுவிக்கிறது. இந்த மாதிரிகள் OpenAI-பாணி கருவி அழைப்பு (tool-calling) எண்ட்பாயிண்ட்களை (endpoints) வழங்குகின்றன, எனவே ஏற்கனவே உள்ள ஆர்கெஸ்ட்ரேஷன் குழாய்களை (orchestration pipelines) மாற்றியமைக்காமல் மீண்டும் பயன்படுத்த முடியும்.
  • இன்ஃபரன்ஸ் வசதி (Inference friendliness) – vLLM மற்றும் SGLang ஆகியவற்றுடன் இணக்கத்தன்மை இருப்பதால், இந்த மாதிரிகளை சாதாரண வன்பொருள்களிலேயே (commodity hardware) அதிகத் திறனுடன் இயக்க முடியும்; இது ஒரே நேரத்தில் பல ஏஜென்ட்களைப் பயன்படுத்தும் நிறுவனங்களுக்கு ஒரு நடைமுறைப் பயன் ஆகும்.

பேச்சுத் தொழில்நுட்பம்: Granite Speech 5.0 Turbo CTC

LLM வரிசையுடன் இணைந்து, IBM Granite Speech 5.0 Turbo CTC என்று அழைக்கப்படும் 470 மில்லியன் அளவுருக்கள் கொண்ட speech-to-text மாதிரியை வெளியிட்டுள்ளது. முந்தைய Open ASR லீடர்போர்டில் இருந்தவற்றைக் காட்டிலும் இரண்டு மடங்கு வேகத்தில், அதாவது மூன்று மணிநேர ஆடியோவை ஒரு வினாடியில் மாற்றியமைக்கும் திறன் கொண்டது என்று IBM கூறுகிறது. இதன் சிறிய அளவு மற்றும் அதீத வேகம், நிகழ்நேர சப்-டைட்டில்கள் (real-time captioning), கால்-சென்டர் பகுப்பாய்வு மற்றும் பெரிய அளவிலான ஆடியோ தரவுச் செயலாக்கத்திற்கு இதனை ஒரு சிறந்த தேர்வாக மாற்றுகிறது.

AI சூழல் அமைப்பிற்கான தாக்கங்கள்

யார் வெற்றி பெறுவார்கள்:

  • நிறுவனங்கள் (Enterprises) விலையுயர்ந்த API பயன்பாட்டிற்குப் பதிலாக, செலவு குறைந்த, சுய-ஹோஸ்டட் (self-hosted) மாற்றத்தைப் பெறுகின்றன.
  • டெவலப்பர்கள் (Developers) வணிக உரிமங்களைப் பற்றிப் பேச்சுவார்த்தை நடத்தத் தேவையில்லை, தங்களுக்குத் தேவையானவாறு மாற்றியமைக்கக்கூடிய ஒரு தயார்நிலை ஏஜென்டிக் ஸ்டேக் (agentic stack) பெறுகின்றனர்.
  • IBM தனது ஆராய்ச்சித் திறனை வெளிப்படுத்தும் ஒரு முதன்மையான திறந்த மூல (open-source) தயாரிப்பை வழங்குவதன் மூலம், AI போட்டியில் தனது முக்கியத்துவத்தை மீண்டும் நிலைநாட்டுகிறது.

யார் பாதிக்கப்படுவார்கள்:

  • பிரத்யேக மாதிரிகள் மூலம் வாடிக்கையாளர்களைத் தங்களுக்குள்ளேயே முடக்கி வைக்கும் (lock-in) மூடிய-மூல (closed-source) வழங்குநர்கள், வாடிக்கையாளர்கள் உள்ளூர் முறையில் இயங்கும் Granite ஏஜென்ட்களுக்கு மாறினால், நிறுவனங்களின் செலவு குறையக்கூடும்.
  • சிறிய திறந்த மூலத் திட்டங்கள் ஓரங்கட்டப்படலாம்; Granite-இன் அளவு மற்றும் கருவி ஆதரவு சமூகத்தால் இயக்கப்படும் முயற்சிகளுக்கு ஒரு உயர்ந்த தரத்தை நிர்ணயிக்கிறது.

செலவுகள் மற்றும் சமரசங்கள்: ஐந்து லட்சம் டோக்கன் சூழல் கொண்ட 30 B மாதிரியை இயக்குவதற்கு இன்னும் உயர்தர GPU அல்லது கிளஸ்டர்கள் தேவைப்படும்; நிறுவனங்கள் API கட்டணச் சேமிப்புடன் வன்பொருள் முதலீட்டை ஒப்பிட்டுப் பார்க்க வேண்டும்.

முடிவுரை

Granite 4.2 உண்மையிலேயே நிறுவனத் தரம் வாய்ந்த, திறந்த-எடை AI-யை பொதுமக்களின் பயன்பாட்டிற்கு கொண்டு வருகிறது; இது மிகப்பெரிய சூழல் சாளரங்களுடன் கூடிய உடனடி கருவி பயன்பாட்டை இணைக்கிறது. இதன் Apache 2.0 உரிமம் சட்ட ரீதியான சிக்கல்களை நீக்குகிறது, ஆனால் வன்பொருள் மற்றும் பாதுகாப்பு சவால்கள் காரணமாக, இந்த மாதிரி முதலில் கணக்கீட்டுத் திறன் கொண்ட மற்றும் வலுவான சாண்ட்பா boxes (sandboxing) முதலீடு செய்யக்கூடிய வசதி படைத்த நிறுவனங்களிலேயே தடம் பதிக்கும். சமூகத்தினர் இதனை ஆதரித்தால், Granite அடுத்த தலைமுறை தன்னாட்சி ஏஜென்ட்களின் (autonomous agents) முதுகெலும்பாக மாறக்கூடும், இது ஒட்டுமொத்த AI சந்தையை அதன் அளவு அல்லது திறனில் சமரசம் செய்யாத திறந்த மூல மாற்றங்களை எதிர்கொள்ளத் தூண்டும்.