IBM研究院最近宣布对其Granite编码基础模型开源,目标是实现高级AI工具大众化,进而推动跨行业间代码编写、维护与开发方式的全面变革。
IBM的Granite编码模型是什么水平?
Granite源自IBM简化编码流程的勃勃雄心。在意识到软件开发中所固有的复杂性与快速开发需求之后,IBM利用其强大的科研能力构建起一套AI驱动工具,旨在帮助开发人员驾驭涵盖众多要素的编码环境。
这项工作的顶峰就是Granite编码模型,其参数规模在30亿到340亿之间,且针对代码生成、bug修复及代码解释等任务进行了微调,旨在提高软件开发工作流程中的生产力水平。
Granite模型通过将复杂的日常编码任务转为自动化以提高生产力。这不仅加快了开发流程,还帮助开发人员能够专注于软件开发中更具创造性与战略性的任务。对企业来说,Granite大模型则有助于加快产品上市速度、增强软件质量。
此外,其中还蕴藏着无限的创新潜能。如今开源社区已经能够修改并重构Granite模型,因此新的应用方案和配套工具可能陆续出现,进而重新定义软件开发中的现行标准与实践。
这些模型经由CodeNet的丰富数据集进行训练,其中包含涉及50多种编程语言的5亿行代码,以及代码片段、问题和描述。如此广阔的训练边界有助于模型更准确、更高效地理解并生成代码。
分析师观点
Granite模型通过将复杂的日常编码任务转为自动化以提高生产力。这不仅加快了开发流程,还帮助开发人员能够专注于软件开发中更具创造性与战略性的任务。对企业来说,Granite大模型则有助于加快产品上市速度、增强软件质量。
通过在GitHub、Hugging Face、watsonx.ai及Red Hat的RHEL AI等流行平台上交付这些强大的工具,IBM不仅扩大了潜在的用户规模,还有助于推动这些模型的协同开发与定制。
此外,其中还蕴藏着无限的创新潜能。如今开源社区已经能够修改并重构Granite模型,因此新的应用方案和配套工具可能陆续出现,进而重新定义软件开发中的现行标准与实践。
此举将带来深远的影响。首先,这显著降低了在软件开发流程中应用最先进AI工具的准入门槛。初创企业与独立开发者现在也可以访问到与商业巨头相同的强大资源,从而建立起公平的竞争环境、培育出更具活力和创新热情的开发社区。
IBM的方法不仅扩大了高级编码工具的可访问性,而且还为技能水平及可用资源各异的开发者营造出更加包容的环境。
从竞争的角度来看,IBM被定位为AI驱动的编码领域领导者,直接挑战其他也在探索类似领域、但可能尚未参与模型开源的科技巨头。通过在GitHub和Hugging Face等流行平台上发布Granite模型,IBM得以将自家方案推向开发人员的日常场景,从而提高其在软件开发社区中的影响力与知名度。
IBM此番开源的Granite模型有望对企业效率及开发者生产力带来巨大影响,进而为软件开发工具中的AI集成树立起新的基准。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。