IBM veröffentlicht Granite Switch 4.1.1 mit aktualisierten Sprach- und Entscheidungsadaptern

Der 29. Oktober ist das Datum des IBM-Beitrags; die Modellkarte datiert die Revision 4.1.1 gesondert auf den 27. Oktober. IBM bezeichnet den Patch als rückwärtskompatibel zu 4.1 und sagt, die unveränderte Basis sei nicht neu berechnet worden. IBMs Beitrag vom 29. Oktober nennt für das Granite-Speech-Update zehn Sprachen mit eigener Zeichensetzung und Großschreibung sowie eine verbesserte Gesamtleistung des Decision-Adapters im Jev Decision Index. Die Modellkarte des Checkpoints Granite Switch 4.1.1-30b führt für die Sprachkaskade von 4.1.1 dagegen nur Englisch, Französisch, Deutsch, Spanisch, Portugiesisch, Italienisch und Japanisch auf. Die beiden offiziellen Angaben sind nicht abgeglichen; zehn Sprachen für diesen Checkpoint sind damit nicht belegt. Für die Decision-Verbesserung nennt der Beitrag weder Punktzahl noch unabhängige Messung. Diese Ausgabe erscheint am 2. November.

Die Switch-Architektur trennt ein Basismodell von spezialisierten Adaptern, die hinter einem Endpunkt kombiniert werden können. IBM erklärt, dass es die unveränderte Basis für dieses Update nicht neu berechnet, sondern nur das neue Sprachmodell und den Decision-Adapter trainiert habe. Rückwärtskompatibilität ist zunächst die Aussage des Anbieters über die Versionsbeziehung. Eine Anwendung muss weiterhin Schnittstellen, Modellreferenzen, Ausgabeformate und eigene Leistungsvorgaben prüfen. Eine Patch-Nummer bedeutet kein Nullrisiko: Neue Satzzeichen oder Großschreibung im Transkript können die nachfolgende Erkennung von Namen verändern, während ein anderer Decision-Adapter Ergebnisse nahe einer Schwelle verschieben kann. Austauschbare Komponenten verlangen genaue Aufzeichnungen darüber, welche Version jede Antwort erzeugt hat.

Bei der Sprachauswahl sind die zehn Sprachen im Beitrag und die sieben für den Checkpoint 4.1.1-30b aufgeführten Sprachen getrennt zu prüfen. Keines der Dokumente klärt allein dessen gesamten getesteten Umfang; konkrete Revisionen und Sprachen brauchen Herstellerklärung und eigene Audiotests. Daraus folgt keine identische Genauigkeit für jede aufgeführte Sprache, jeden Akzent, jedes Störgeräusch oder Fachvokabular; der Beitrag gibt keine Fehlerrate pro Sprache an. Ein Evaluationsteam sollte eigene Audiodaten verwenden und Fehler bei Zahlen, Eigennamen, Satzgrenzen und Großschreibung für relevante Situationen auswerten. Verwendet eine Zusammenfassungs- oder Entscheidungskomponente das Transkript, müssen auch deren Ergebnisse geprüft werden. Ein bisheriges Modul zur Ergänzung der Interpunktion könnte überflüssig werden, sollte aber nicht ohne Regressionstests entfernt werden. Sprache und Transkripte können vertrauliche Informationen enthalten und brauchen Zugriffs- und Speicherregeln.

Der Befund zum Decision-Adapter erfordert eine noch engere Formulierung. IBM berichtet eine verbesserte Gesamtleistung im Jev Decision Index, veröffentlicht in dieser kurzen Nachricht aber weder Ausgangswert, Gewichtung, Stichprobenumfang noch Fehlerarten. Wer von größerer Genauigkeit spricht, muss die Aussage IBM und diesem Test zuordnen, statt sie auf alle Entscheidungen zu übertragen. Anwender können alte und neue Kombinationen mit identischen Eingaben, Schwellen und Bewertungsverfahren nebeneinander laufen lassen und neben einem Gesamtwert auch falsche positive und negative Ergebnisse untersuchen. Wenn Entscheidungen finanzielle, medizinische oder Sicherheitsmaßnahmen auslösen, bleiben menschliche Prüfung und Nachvollziehbarkeit erforderlich; ein Patch rechtfertigt keine erweiterten autonomen Rechte.

Das Update zeigt zudem eine Betriebsweise für modulare Modelle. Eine unveränderte Basis zu belassen und nur einen Aufgabenadapter zu ersetzen, kann wiederholte Rechenarbeit für eine bestimmte Änderung verringern. Dass IBM seine Basis dieses Mal nicht neu berechnet hat, ist keine Zusage kostenloser Migration für alle Kunden. Betreiber sollten die genauen Versionen von Basis, Sprachmodell, Decision-Adapter und Bibliotheken festhalten, Kompatibilität und Leistung in einer Vorstufe prüfen und Verkehr schrittweise umstellen. Ein vorbereiteter Rückweg muss die frühere Gesamtkombination wiederherstellen, wenn Ausgabe, Verzögerung, Speicher oder Fehlerrate festgelegte Grenzen überschreiten. Bei gemeinsam genutzten Endpunkten und Caches ist zu verhindern, dass derselbe Adaptername auf verschiedenen Instanzen unterschiedliche Inhalte meint.

IBM arbeitet laut Beitrag an Anleitungen und einem Adapter SDK, mit dem Entwickler und Dritte künftig eigene Adapter erstellen könnten. Das ist ein Vorhaben und keine Meldung über ein bereits allgemein verfügbares SDK; eine dazu erfundene Installationsanleitung wäre irreführend. Aktuell lassen sich die veröffentlichten Modelle und die Vorführung Speech-to-Decisions erproben, doch eine Demonstration ist keine produktionsreife Plattform für fremde Adapter. Falls ein SDK später erscheint, müssen Lizenz, Kompatibilität, Herkunft, Tests und Verteilung der Komponenten gesondert geprüft werden.

Der Beitrag nennt zehn Sprachen, die Karte für 4.1.1-30b sieben; die Angaben sind nicht abgeglichen und belegen keine zehn Sprachen für diesen Checkpoint. Auch Rückwärtskompatibilität belegt keine Eignung für Fachwörter, Abtastraten, Regionen oder Lizenzen. Die genaue Revision testen und IBM um Klärung bitten.

Die eigentliche Patch-Nachricht besteht aus zwei benannten Komponentenänderungen und einem Veröffentlichungsmuster ohne erneute Berechnung der unveränderten Basis. Teams sollten mit festgehaltenen Versionen, gleichartigen Tests und umkehrbarer Einführung beurteilen, ob ihre eigenen Aufgaben profitieren; nicht veröffentlichte Zahlen dürfen nicht ergänzt werden.