IBM 于 2026 年 10 月 15 日发布了 Granite Switch 4.1 系列模型。该版本延续了去年春季推出的模块化开发理念，通过集成决策适配器（Decision adapter）和 OpenASR 排行榜上最快的语音识别模型，实现了在单一托管端点上高效处理自然语言回复、通用及专用决策任务以及语音转文本功能。
Granite Switch 4.1 核心配置与性能
Granite-Switch-4.1-8B 和 -30B 型号主要包含以下三项技术组件：
- 通用决策支持：针对一般目的决策场景（如 v1/systemone 用例），提供相应的类型支持。
- 安全专用决策：内置专业的 Guardian aLoRA，在安全相关的决策任务中，其平均表现优于 Jev 1.13、Microsoft-Decision-1、GPT-Luna-Decisions 和 Clef-Flash。
- 高速语音转录：嵌入的 Granite-Speech-5.0-Turbo-CTC 是目前 OpenASR 排行榜上速度最快的 ASR 模型。
这三种技术与底层基础模型共同组成了一个整体，在 GPU 上占用的显存（VRAM）与基础模型本身大致相同。这意味着用户可以用更少的硬件资源获得更全面的功能支持。
由于 Switch 适配器基于缓存效率高的激活 LoRA 构建，从基模型生成中创建的 KV 缓存可以复用于后续任何基于适配器的决策过程。结合团队近期对 vLLM 的贡献以加速低级别适配器推理，以及同位 ASR 编码器的应用，该模型能够执行音频转录、摘要生成、有害内容检查，并实时测试超过 15 个通用标志。
Granite Libraries：专家模型的优势
决策模式并非新概念。此前的 Granite Libraries 版本已提供了专门的“决策模型”适配器及其他专用任务适配器仓库，可组装成自定义的 Granite Switch 模型。虽然 Jev 和其他封闭源决策模型侧重于概括性能力，但 IBM 发现其许多专用的 granitelib 适配器在特定分类任务上的表现优于通用模型。
在专门分类任务的评估中，将 granitelib 适配器与一般决策模型进行对比显示，由于适配器共享基本模型的 KV 缓存，添加专家适配器与通用决策适配器的成本几乎为零。专家适配器不仅覆盖范围更广，且在关注任务上提供更准确的判断。
在一项基准测试中，Granite-Switch-4.1-30B（冷启动基座 Granite + 4 个专用 aLoRA）与 Jev-27B（冷启动 Qwen 模型 + 1 个通用决策 LoRA）进行了对比。结果显示，Granite-Switch-4.1-30B 在完成现实世界的 5 步 RAG 工作流程时，速度显著快于竞争对手。
自定义与扩展 Granite Switch 模型
发布的 Granite-Switch-4.1-8B 和 -30B 属于“开箱即用”版本，由一组预定义的实用适配器编译而成。用户无需局限于官方版本，任何人均可编写自己的 Granite Switch 模型，通过混合和匹配 Granite Library 中的适配器来满足特定需求。
IBM 计划发布 Adapter SDK，用于在 Mellea 中训练适配器，并提供其他教程及 Granite Switch 支持文档。这些适配器可以是增强基于决策工作流的专用分类适配器，也可以是针对特定语言任务的适配器。例如，用户可以使用自定义适配器教导 Granite 的 3B 参数版本玩经典游戏《毁灭战士》（Doom）。
类似于 Jev，这款自定义的 3B 参数 Granite Switch 模型能在《毁灭战士》游戏中做出分秒级决策。但在决策速度上，Granite Switch 模型可达到每秒 60 至 100 次决策，而 Jev 报告的决策速度为每秒 10 次。此外，不同于 Jev，这款 Granite Switch 模型还能在游戏过程中进行叙述并回答用户问题。
相关资源
- Granite Switch 4.1 模型卡
- 演示演讲
- Granite Switch GitHub 备份
- 原始 Granite Switch 和 Granite Library 发布博客
- Colab 教程：创建自定义 aLoRA 与 LoRA 对比
