01功能特性
优点
- Apache 2.0，100% 开源
- 工具调用和指令遵循能力增强
- 12 种原生语言，包含法语
- 131k 上下文
- 出色的性能/规模比
需了解的局限性
- —发布时没有官方 Ollama 标签
- —英语在推理任务上仍优于法语
- —本版本不包含 MoE 变体
架构
稠密 Transformer · 40 层 · GQA 32Q/8KV · 嵌入维度 4096 · MLP 隐藏层维度 12 800 · RoPE
训练
改进的后训练：SFT + RL 对齐。12 种语言：EN、DE、ES、FR、JA、PT、AR、CS、IT、KO、NL、ZH。NVIDIA GB200 NVL72 集群（CoreWeave）。
最适合的场景
企业级工具调用多语言 RAG代码助手 8B
05安装
安装 Ollama 适用于您的操作系统。下载前请检查模型及其量化方式。从 4096 tokens 的上下文开始，然后使用 ollama ps 检查模型的加载位置。下方列出的命令并不能证明已在您的机器上执行过测试。
$# HuggingFace : ibm-granite/granite-4.1-8b
LM Studio
图形界面，无需命令行操作
→ 查看指南
llama.cpp
原始性能，从源码构建
→ 查看指南
vLLM
兼容 OpenAI 的生产级服务器
→ 查看指南
Jan / GPT4All
一体化桌面应用
→ 查看指南
⚠
首次下载：根据所选量化方式，大小在 2 到 40 GB 之间。请预留磁盘空间，建议使用稳定的网络连接。后续启动将即时完成。
02所需内存
运行此模型所需的大致 GPU 显存容量，已包含 4k tokens 的上下文开销。如需更长的上下文，每增加 8k tokens，请额外预留约 1 GB。
Q4_K_M
最轻量，损失约 5%
5 GB
Q5_K_M
质量/体积的良好平衡
6 GB
Q8_0
几乎无法与 FP16 区分
9 GB
FP16
全精度 — 服务器用途
16 GB
CPU 回退 · 如果您没有 GPU，请预留 10 GB 内存 以较低速度运行此模型的最低要求。
运行Granite 4.1 8B Instruct需要什么硬件？
在本地以Q4量化运行Granite 4.1 8B Instruct，大约需要5 GB 显存。可供比较的硬件选项：RTX 5060 Ti 16 GB — 请为系统和上下文保留余量，并确认推理引擎与GPU兼容。
当前在售产品： RTX 5060 Ti 16 GB
Amazon查看价格 →Materiel.net查看价格 →Darty查看价格 →联盟链接——可能产生佣金，但您无需额外付费，推荐独立。作为亚马逊合作伙伴，QuelLLM 将从符合条件的购买中获利。
移动场景： Granite 4.1 8B Instruct 也可在以下设备上运行 RTX 笔记本电脑 (16 GB 显存）→
03预期速度
Q4_K_M 量化下每秒生成的 tokens 数，上下文为 4k。超过 20 t/s，阅读体验舒适。低于 10 t/s，仅用于测试。
04公开基准测试
分数引自模型卡片或 MMLU-Pro / 社区数据。单位：正确回答百分比。
MMLU
73.84
GSM8K
92.49
HumanEval
85.37
ArenaHard
68.98
AlpacaEval
50.08