Kan jag köra Granite 4.0 Micro lokalt?

Ja — vikterna är öppna under Apache 2.0 och finns på Hugging Face under ibm-granite/granite-4.0-h-micro, så du kan ladda den med Transformers eller någon GGUF-kompatibel körmiljö på din egen hårdvara.

Vad kostar det och hur lång är kontexten?

Via API kostar det $0,02 per miljon inmatningstoken och $0,11 per miljon utmatningstoken, med ett kontextfönster på 131 000 token.

Hur står sig Micro jämfört med resten av Granite 4.0-familjen?

Micro är den minsta modellen i Granite 4.0-serien med 3 miljarder parametrar — kompromissen för dess hastighet och låga kostnad är att tyngre resonemangsuppgifter hanteras bättre av större syskon i samma familj.

Granite 4.0 Micro

1777°

#llm #ibm-granite #agenter #lokal #budget #snabb

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

IBM | 131,000 token context | $0.02/M input, $0.11/M output. Granite-4.0-H-Micro är en 3 miljarder parameter från Granite 4-familjen av modeller. Dessa modeller är de senaste i en serie modeller som släppts av IBM. De är finjusterade för lång kontext och verktygsanrop.

Guider för denna modell

Ollama vs LM Studio (2026): vilken lokal AI-app du ska använda och vilka toppmodeller varje kör

Bästa lokala LLM efter användningsområde (oktober 2026): rätt öppna modell för varje jobb

Hur mycket VRAM behöver jag egentligen för lokal AI?

Vad är en GGUF-fil? Förklaringar av kvantiserade modeller (Q4, Q8, fp8, NF4)

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Granite 4.0 Micro är IBMs 3 miljarder parametrar stora instruktionsmodell byggd för lång kontext, funktionsanrop och företagsuppgifter. Apache 2.0-vikterna innebär att du kan köra den lokalt eller finjustera utan begränsningar. Med denna storlek och pris riktar den sig till utvecklare som behöver pålitliga funktionsanrop och RAG i en modell som passar på modest hårdvara.

Känd för

Starka verktygs- och funktionsanrop, särskilt anpassade för agentpipelines.
131 000 tokens kontextfönster, ovanligt stort för en 3B-modell.
Apache 2.0-licens: kommersiell användning, finjustering och distribution tillåtet.
Tolv stödda språk inklusive arabiska, japanska, koreanska och kinesiska.
Tränad med RLHF och modellfusion för tajtare instruktionföljning.

Se upp för

Med 3 miljarder parametrar når komplexa flerstegsresonemang en gräns som större modeller klarar lättare.
Utdata kostar ($0,11/M) fem gånger mer än indata; tunga genereringsjobb blir kostsamma.
IBM har lagt till en standard system-prompt via chattmallen — bra att veta om du vill ha en ren start.

Bäst för

Agenter och verktygsanvändning

Promptar att prova

Verktygsanrop från grunden

Du har tillgång till en funktion som heter get_weather(city: str) -> dict som returnerar aktuell temperatur och väderförhållanden. En användare frågar: 'Är det tillräckligt varmt för att cykla i Lyon idag?' Skriv det verktygsanrop du skulle göra och visa sedan hur du använder den returnerade datan för att svara användaren i en mening.

RAG-svar med källa

Här är ett utdrag ur en produktmanual: 'Model X-pumpen får inte överskrida 4 bar driftstryck. Filterpatroner bör bytas var 500:e timme eller när flödet sjunker under 2 L/min.' En tekniker frågar: när ska filtret bytas? Svara endast utifrån texten ovan och citera relevant siffra.

Flerspråkig extraktion

Extrahera företagsnamn, fakturanummer och totalbelopp från denna text och returnera som JSON: 'Factura número 2024-0891 emitida por Distribuciones Martínez S.L. Importe total: 1.340,00 EUR. Fecha de vencimiento: 15 de marzo de 2025.'

Jämför med

Granite 4.2 8B
Öppen vikt-modell
131,072 tokens kontext · $0.06/M indata, $0.25/M utdata
GPT-5.6 Luna
Endast API-modell
1,050,000 tokens kontext · $0.20/M indata, $1.20/M utdata
Claude Haiku 5.5
Endast API-modell
1,000,000 tokens kontext · $0.10/M indata, $0.50/M utdata
Gemini 2.5 Flash Lite
Endast API-modell
1,048,576 tokens kontext · $0.10/M indata, $0.40/M utdata

Fler textmodeller från ibm-granite

Vanliga frågor

Kan jag köra Granite 4.0 Micro lokalt?: Ja — vikterna är öppna under Apache 2.0 och finns på Hugging Face under ibm-granite/granite-4.0-h-micro, så du kan ladda den med Transformers eller någon GGUF-kompatibel körmiljö på din egen hårdvara.
Vad kostar det och hur lång är kontexten?: Via API kostar det $0,02 per miljon inmatningstoken och $0,11 per miljon utmatningstoken, med ett kontextfönster på 131 000 token.
Hur står sig Micro jämfört med resten av Granite 4.0-familjen?: Micro är den minsta modellen i Granite 4.0-serien med 3 miljarder parametrar — kompromissen för dess hastighet och låga kostnad är att tyngre resonemangsuppgifter hanteras bättre av större syskon i samma familj.

Kaptens omdöme
En verkligt användbar liten modell om din arbetsbelastning är funktionsanrop, RAG eller flerspråkig extraktion och du vill ha öppna vikter till låg kostnad.

Model card på Hugging Face

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Liknande modeller

AI-modeller för bild-, video- och textgenerering

Granite 4.0 Micro är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm ibm-granite agenter lokal budget snabb fler språk

Bläddra efter modellfamilj