Granite Switch 4.1.1 aktualisiert Adapter und Spracherkennung ohne neues Basismodell
Mindverse News
KI-gestützt erstellt, vor Veröffentlichung redaktionell geprüft 3 Quellen
Das Wichtigste in Kürze
- IBM beschreibt Granite Switch 4.1.1 als abwärtskompatibles Patch-Release: Aktualisiert werden der Entscheidungsadapter und die eingebettete Spracherkennung, während das Basismodell unverändert bleibt. [1]
- Die Modellkarte dokumentiert für die Spracherkennung sieben Sprachen; der Ankündigungsbeitrag spricht dagegen von zehn. Die Sprachabdeckung ist damit in den IBM-Unterlagen nicht einheitlich angegeben. [1][2]
- Beim 8B-Modell bleiben Format und Aufruf des Entscheidungsadapters laut Modellkarte unverändert. Neue Gewichte können dennoch die Ergebnisse beeinflussen und sollten in bestehende Qualitätstests einbezogen werden. [2]
- Das Modell kombiniert Basismodell, Adapter und Spracherkennung in einem Checkpoint. Es ist für Hugging Face Transformers und vLLM beschrieben, wird laut Modellkarte aber derzeit nicht von einem Inference Provider gehostet. [2]
- IBM veröffentlicht einen Jev-Decision-Index-Wert für den Adapter, aber keine Vergleichswerte der Vorversion. Ein unabhängiger Nachweis der behaupteten Leistungssteigerung liegt in den bereitgestellten Quellen nicht vor. [1][2]
// Inhalt · 6 Abschnitte
Patch-Release mit begrenztem Änderungsumfang
IBM hat Granite Switch 4.1.1 am 29. Oktober 2026 als Aktualisierung der kurz zuvor vorgestellten Version 4.1 angekündigt. Der Anbieter bezeichnet das Release als Patch: Es soll mit 4.1 abwärtskompatibel sein und keine Migration bestehender Integrationen erfordern. Inhaltlich nennt IBM zwei Änderungen: ein aktualisiertes Granite-Speech-ASR-Modell und neue Gewichte für den Decision-Adapter. [1]
Die Modellkarte für Granite Switch 4.1 8B präzisiert, dass der Entscheidungsadapter weiterhin dasselbe Aufrufformat und dieselbe Ausleselogik verwendet. Damit bleibt die Schnittstelle nach Anbieterangaben stabil; aus der unveränderten Schnittstelle folgt jedoch nicht, dass die Modellantworten identisch bleiben. Geänderte Gewichte können Ergebnisse verändern, auch wenn Anwendungen technisch ohne Anpassung weiterlaufen. [2]
IBM erklärt, außer dem neuen Spracherkennungsmodell und dem Entscheidungsadapter sei nichts neu berechnet worden; das Basismodell bleibe unangetastet. Das ist die zentrale technische Aussage des Releases: Spezialisierte Fähigkeiten sollen sich aktualisieren lassen, ohne das gesamte Sprachmodell erneut zu trainieren oder neu zusammenzustellen. Eine unabhängige Prüfung dieser Angaben enthalten die vorliegenden Quellen nicht. [1]
- Basismodell: Granite 4.1 8B beziehungsweise eine 30B-Variante. [2]
- Im 8B-Checkpoint enthalten: die Adapter guardian-core und decision sowie ein eingebetteter Speech-Encoder. [2]
- Bei Version 4.1.1 aktualisiert: die Gewichte des Decision-Adapters und die Sprachversion des Speech-Encoders. [1][2]
Wie Granite Switch Komponenten zusammenführt
Granite Switch kombiniert ein Basismodell mit spezialisierten Adaptern und steuert deren Einsatz über die Eingabevorlage. Die Modellkarte beschreibt ein Verfahren namens grobkörniges Expert-Switching: Ein Adapter bleibt für einen zusammenhängenden Token-Abschnitt aktiv und wird über Steuer- beziehungsweise Kontrolltokens ausgewählt. Eine Switch-Schicht erkennt diese Tokens und gibt Adapter-Indizes an die Decoderschichten weiter. [2]
Die Adapter sind laut Modellkarte unabhängig entwickelt und werden nicht gemeinsam mit dem Basismodell trainiert. Zudem greift jeder Adapter auf den KV-Cache des Basismodells zu, nicht auf interne Zustände eines anderen Adapters. Der KV-Cache speichert Zwischenergebnisse der Aufmerksamkeitsberechnung, damit ein Modell bei Folgeeingaben nicht den gesamten bisherigen Kontext erneut verarbeiten muss. Diese Architektur soll das Zusammenspiel von Grundmodell und spezialisierten Funktionen ermöglichen, ohne sie zu einem untrennbaren Modellblock zu verschmelzen. [2]
IBM Research ordnet den Ansatz in ein breiteres Konzept modularer KI-Komponenten ein: Adapter sollen definierte Aufgaben übernehmen und sich ähnlich wie Softwarebausteine unabhängig entwickeln, testen und ersetzen lassen. Das ist zunächst eine Architektur- und Entwicklungsstrategie, kein Beleg dafür, dass sich dadurch in jedem Einsatz geringere Kosten oder bessere Ergebnisse ergeben. Die bereitgestellten Quellen weisen für das Patch-Release keine konkreten Einsparungen bei Laufzeit, Speicherbedarf oder Betriebskosten aus. [4][1]
Entscheidungen als Wahrscheinlichkeitsverteilung
Der Decision-Adapter ist für Fragen mit vorgegebenen Antwortoptionen ausgelegt. Er erhält einen Zustand und eine Frage samt beschrifteten Auswahlmöglichkeiten und gibt eine Wahrscheinlichkeitsverteilung über die Antwortlabels zurück. Nach der Modellkarte erfolgt diese Ausgabe in einem Vorwärtsdurchlauf; die Wahrscheinlichkeiten werden aus den Logits der jeweiligen Labels berechnet. [2]
Für den Adapter meldet die Modellkarte einen Gesamtwert von 46,72 auf dem öffentlichen Jev Decision Index v0.3. Als Teilwerte nennt sie 28,7 für Wissen, 53,1 für Sprache, 60,4 für Abruf, 63,4 für Werkzeuge und 19,0 für Kunst; der Gesamtwert ist laut Karte ein gewichtet aggregierter, um Zufallstreffer korrigierter Wert. [2]
IBM beschreibt die aktualisierte Version als leistungsfähiger auf diesem Testset. Die verfügbaren Angaben reichen jedoch nicht aus, um die Größe der Verbesserung zu bestimmen: Der Ankündigungsbeitrag nennt keinen alten Vergleichswert, und die Modellkarte dokumentiert hier nur den Wert für die aktuelle Revision. Ein Vergleich mit der Vorversion oder eine unabhängige Replikation ist in den Quellen nicht enthalten. [1][2]
Für den Unternehmenseinsatz ist außerdem relevant, dass IBM die Adapter-Wahrscheinlichkeiten ausdrücklich nicht als zertifizierte Klassifikation für fachfremde Einsatzgebiete einordnet. Die Modellkarte empfiehlt, sie als zusätzliche Entscheidungsinformation und nicht als abschließendes Urteil zu behandeln. Das spricht dafür, Änderungen der Gewichte mit anwendungsbezogenen Testfällen und klaren Schwellenwerten abzusichern, statt allein auf unveränderte API-Aufrufe zu vertrauen. [2]
Spracherkennung: Integration in denselben Ablauf
Die aktualisierte Speech-Komponente transkribiert eingehende Audiodaten, bevor der Text an das Sprachmodell beziehungsweise einen Adapter weitergegeben wird. Die Modellkarte beschreibt einen eingebetteten Granite-Speech-5.0-TurboCTC-Encoder mit 470 Millionen Parametern. Transkriptionsausgabe wird demnach an die Stelle des Audioinhalts im Chat-Kontext gesetzt; ein separater Speech-Server ist für diesen Ablauf nicht vorgesehen. [2]
IBM hebt in der Release-Ankündigung automatische Zeichensetzung und Großschreibung hervor. Das soll Transkripte für nachgelagerte Modellschritte besser nutzbar machen, ohne dass eine zusätzliche Formatierungsstufe nötig ist. Diese Aussage beschreibt eine Funktion des Updates, aber keine Messung der Transkriptionsqualität in konkreten Unternehmensumgebungen. [1]
Bei der Sprachabdeckung widersprechen sich die IBM-Unterlagen: Der Ankündigungsbeitrag spricht von zehn Sprachen, während die Modellkarte für den eingebetteten Encoder sieben aufführt: Englisch, Französisch, Deutsch, Spanisch, Portugiesisch, Italienisch und Japanisch. Für eine technische Planung ist deshalb die konkrete Liste der Modellkarte die belastbarere Angabe zum dokumentierten Checkpoint; die Abweichung sollte IBM klären, bevor Sie weitere Sprachabdeckung voraussetzen. [1][2]
Eine weitere Einschränkung betrifft die Kopplung zwischen Audio- und Sprachmodell. Laut Modellkarte sind Speech-Encoder und Sprachmodell nicht gemeinsam trainiert; es gibt keine trainierte Projektion, die beide Komponenten direkt verbindet. Eine fehlerhafte Transkription kann daher unbemerkt verändern, was das Sprachmodell oder ein Adapter als Eingabe erhält. Für Anwendungsfälle mit folgenreichen Entscheidungen sollten Sie die Transkriptionsqualität und ihre Auswirkungen auf nachgelagerte Antworten separat prüfen. [2]
Verfügbarkeit, Hosting und technische Voraussetzungen
Die Modellkarte führt Granite Switch unter einer Apache-2.0-Lizenz und nennt Hugging Face Transformers sowie vLLM als unterstützte Backends. Für die bereitgestellte 8B-Variante nennt sie Python ab Version 3.11 und unter 3.14, PyTorch ab 2.11.0, Transformers von 5.16 bis einschließlich 5.17.0 sowie optional vLLM ab 0.26.0 und unter 0.31.0. Diese Versionsangaben sind für die technische Prüfung relevant und sollten mit der konkreten Laufzeitumgebung abgeglichen werden. [2]
Eine Veröffentlichung als Modell-Checkpoint ist nicht gleichbedeutend mit einem von IBM oder einem Cloudanbieter betriebenen Endpunkt. Die Modellkarte weist ausdrücklich darauf hin, dass das Modell derzeit bei keinem Inference Provider bereitgestellt ist. Unternehmen müssen den Betrieb daher anhand der verfügbaren Checkpoints und Laufzeitumgebungen selbst organisieren oder eine separate Hosting-Lösung wählen. [2]
Die Karte beschreibt außerdem einen früheren Checkpoint als über eine Versionsrevision ladbar. Das bietet eine Grundlage, Modellstände gezielt festzuhalten, statt bei jeder Bereitstellung automatisch die jeweils aktuelle Version zu beziehen. In der Praxis kann eine solche Pinning-Strategie die Nachvollziehbarkeit von Tests und Rollbacks unterstützen; welche konkrete Freigabe- oder Updatepolitik geeignet ist, hängt von der jeweiligen Systemarchitektur ab. [2]
Was Unternehmen vor einem Update prüfen sollten
Der Patch-Ansatz verspricht eine kleinere Aktualisierungseinheit als ein vollständiger Modellwechsel: Basismodell und Integrationsformat bleiben laut IBM bestehen, während einzelne Adapter und der Speech-Encoder erneuert werden. Für Teams, die den Checkpoint selbst betreiben, kann das eine gezieltere Prüfung ermöglichen. Die Quellen belegen aber weder, dass ein Update ohne erneute Qualitätssicherung auskommt, noch dass die neue Version in allen Anwendungen gleich reagiert. [1][2]
Als Analyse aus den dokumentierten Änderungen ergeben sich drei besonders relevante Prüfpunkte: Erstens sollten Unternehmen Entscheidungsfälle mit bekannten Antwortverteilungen gegen die neue Adapterrevision testen. Zweitens sollte die Audioverarbeitung für die tatsächlich benötigten Sprachen und Fachbegriffe validiert werden. Drittens sind Fehlerketten zu prüfen, bei denen eine Transkriptionsabweichung die nachfolgende Entscheidung beeinflusst. Diese Empfehlungen folgen aus den geänderten Gewichten, der widersprüchlichen Sprachangabe und dem von IBM benannten Risiko stiller Fehltranskriptionen; sie sind keine von IBM veröffentlichten Testergebnisse. [1][2]
Granite Switch 4.1.1 illustriert damit vor allem einen modularen Veröffentlichungsprozess: Neue Funktionen sollen über austauschbare Komponenten in einen bestehenden Modellaufbau gelangen, ohne das Basismodell neu zu berechnen. Ob dieses Vorgehen im konkreten Betrieb Vorteile bei Release-Zyklen, Kosten oder Qualität bringt, lässt sich aus der Ankündigung allein nicht ableiten. Dafür wären vergleichbare Messungen der alten und neuen Revision sowie Tests unter den jeweiligen Produktionsbedingungen erforderlich. [1][2][4]
Quellen
- [1] Granite Switch 4.1.1 — Update models like you update software — https://huggingface.co/blog/ibm-granite/granite-switch-4-1-1 (abgerufen am 2026-10-29)
- [2] ibm-granite/granite-switch-4.1-8b · Hugging Face — https://huggingface.co/ibm-granite/granite-switch-4.1-8b (abgerufen am 2026-10-29)
- [4] How to build AI more like software - IBM Research — https://research.ibm.com/blog/granite-libraries-project-switch (abgerufen am 2026-10-29)
//Nächster Artikel
Modelle & Forschung
Granite Switch 4.1: IBM bündelt Chat, Entscheidungen und SpracherkennungIBM kombiniert in Granite Switch 4.1 Chat, Entscheidungsadapter und ASR in einem Modellpaket. Was Architektur, Benchmarks und Bereitstellung bedeuten. [S1]
// Artikel teilen
// Dranbleiben
Mindverse News folgen
Neue Meldungen erhalten Sie über unseren RSS-Feed oder auf LinkedIn.
Passend dazu in Mindverse Studio
- Die KI-Plattform für UnternehmenRollen, Freigaben und Abrechnung für den KI-Einsatz im ganzen Unternehmen.
- KI-Chat mit allen führenden ModellenGPT, Claude und Gemini in einer Oberfläche — mit Websuche und Quellenangaben.
- Transkription und Meeting-Protokolle60 Minuten Meeting, 2 Minuten Protokoll — mit Sprechererkennung.
Recherchieren Sie KI-News wie diese selbst — mit Mindverse Studio.
7 Tage kostenlos testen — ohne Kreditkarte, mit 200 Credits. Für Fragen zur Umsetzung buchen Sie eine persönliche Demo.
//Chronik