Granite 4.0 3B Vision: Inteligencia multimodal compacta para documentos empresariales

IBM ha lanzado Granite 4.0 3B Vision, un modelo compacto de visión-lenguaje diseñado específicamente para la comprensión de documentos empresariales complejos. Sobresale en la extracción precisa de tablas, la comprensión de gráficos convirtiéndolos en formatos estructurados, y la identificación de pares clave-valor semánticos en diversos layouts. Se construye como un adaptador LoRA sobre Granite 4.0 Micro, incorporando innovaciones como el dataset ChartNet de un millón de muestras y la arquitectura DeepStack para inyección de características visuales detalladas. Alcanza resultados líderes en benchmarks como ChartNet, PubTables-v2, OmniDocBench y VAREX. El modelo es modular, soporta integración con Docling y está disponible en Hugging Face bajo licencia Apache 2.0, facilitando su uso en pipelines empresariales.