Una versión menor para un modelo
IBM publicó Granite Switch 4.1.1 el 29 de octubre, y lo noticioso es el planteamiento: la empresa lo presenta como una versión de parche en el sentido corriente del software, totalmente compatible hacia atrás con 4.1, sin migración y con mejoras incrementales por debajo. El título de la publicación lo dice directamente: actualiza los modelos como actualizas el software.
Cambiaron dos cosas. Un nuevo modelo de reconocimiento de voz, granite-speech-5.0-470m-turboctc, de 0,5B de parámetros, sustituye al anterior. Y se actualizó el adaptador de decisión de granitelib-core. El modelo base de 30B no se reentrenó, e IBM dice que no se recalculó nada más. Eso es lo que hace defendible el número de versión: un parche que toca dos componentes y deja en paz los pesos de los que todo el mundo depende.
La afirmación sin cifra
IBM dice que el adaptador de decisión actualizado ha “mejorado el rendimiento general en el conjunto de pruebas Jev Decision Index”. La publicación no da ninguna cifra: ni un antes, ni un después, ni una diferencia. Para un lanzamiento cuyo argumento entero es que las actualizaciones de modelos deberían comportarse como las del software, esa es la omisión equivocada. Una subida de dependencia que dice ser mejor sin decir cuánto es justo lo que los equipos cuidadosos se niegan a aplicar.
El modelo de voz recibe el mismo trato. La publicación dice que admite 10 idiomas con puntuación y mayúsculas nativas, y no informa de ninguna tasa de error de palabra ni de comparación con el modelo al que sustituye.
Diez idiomas, o siete
La publicación del blog y la ficha de modelo no coinciden. La publicación dice 10 idiomas de voz. La tabla de revisiones de la ficha de granite-switch-4.1-30b, donde 4.1.1 figura como la última versión en main, pone la columna de voz en “7 languages”. Esa misma tabla pone la columna de voz de 4.1 en “English”, así que el salto es real en cualquier caso, pero su tamaño depende de qué página de IBM se lea. Ambas estaban vigentes el mismo día.
La ficha de modelo indica además una licencia, Apache 2.0, que la publicación del blog no menciona en absoluto.
Por qué la idea de versionado merece atención igualmente
La propuesta de fondo es sensata y poco habitual. Los lanzamientos de modelos llegan normalmente como artefactos completamente nuevos, con nombres nuevos, comportamiento nuevo y ninguna promesa de compatibilidad, lo que obliga a cada equipo aguas abajo a reevaluarlo todo. Un versionado semántico con una base estable y adaptadores intercambiables permitiría a un equipo adoptar una mejora de voz sin volver a probar todo lo que toca el modelo de lenguaje.
IBM dice que está trabajando en tutoriales y en un SDK de adaptadores para que desarrolladores y proveedores externos puedan versionar y distribuir sus propios adaptadores, sin más fecha que un “pronto”. Esa es la pieza que convertiría la idea en algo más que una convención de nombres.
Qué vigilar
Tres cosas resolverían si esto es versionado o marca. Cifras publicadas para la afirmación sobre el adaptador de decisión. Una única declaración autorizada de cuántos idiomas maneja el modelo de voz. Y el SDK de adaptadores, que es la única parte del anuncio que permitiría a alguien fuera de IBM comprobar si un modelo se puede parchear de verdad como una dependencia.
