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. Destaca en la extracción precisa de tablas, la comprensión de gráficos convirtiéndolos en formatos estructurados, y la identificación de pares clave-valor semánticos. Se construye sobre el dataset ChartNet de un millón de muestras, la arquitectura DeepStack para inyección de características visuales mejorada, y un diseño modular como adaptador LoRA sobre Granite 4.0 Micro. Alcanza resultados líderes en benchmarks como ChartNet, PubTables-v2, OmniDocBench y VAREX. El modelo está disponible en Hugging Face bajo licencia Apache 2.0 e integrable con Docling para pipelines de procesamiento de documentos.