IBM, 기업 문서 이해 특화 경량 VLM '그래나이트 4.0 3B 비전' 공개

IBM이 기업 환경의 복잡한 문서 처리를 위한 경량 시각-언어 모델(VLM, Vision-Language Model) '그래나이트 4.0 3B 비전(Granite 4.0 3B Vision)'을 공개했다. 허깅페이스(Hugging Face) 블로그를 통해 발표된 이 모델은 테이블 구조 추출, 차트 해석, 의미론적 키-값 쌍(KVP, Key-Value Pair) 추출 등 세 가지 핵심 기능을 중심으로 설계됐으며, 기존 밀집형 언어 모델인 그래나이트 4.0 마이크로(Granite 4.0 Micro) 위에 LoRA 어댑터 형태로 탑재된다.

왜 이 모델이 주목받는가

기업 현장에서 문서 자동화는 오래된 과제다. 청구서, 계약서, 보고서, 금융 양식 등 비정형·반정형 문서에서 정확한 정보를 기계가 추출하는 일은 여전히 난제로 꼽힌다. 기존 광학 문자 인식(OCR, Optical Character Recognition) 솔루션은 레이아웃이 복잡하거나 차트·그래프처럼 시각 정보가 핵심인 경우 한계를 드러냈다.

그래나이트 4.0 3B 비전은 이 공백을 겨냥한다. 모델 크기를 3B(30억) 파라미터 수준으로 억제하면서도 문서 구조 이해에 특화된 성능을 목표로 했다는 점이 핵심이다. 대형 모델 대비 추론 비용과 배포 복잡성을 낮추면서 기업 내부 워크플로에 통합할 수 있도록 설계됐다.

특히 문서 처리 오픈소스 라이브러리인 독링(Docling)과의 연동을 공식 지원한다는 점은 기업 파이프라인 구축 측면에서 실질적인 이점으로 작용할 가능성이 높다. 단독 사용과 파이프라인 통합 사용 모두 지원한다.

이전 버전·경쟁 모델과 무엇이 달라졌나

그래나이트 4.0 3B 비전의 차별화 포인트는 크게 세 가지다.

① 차트넷(ChartNet): 차트 이해를 위한 전용 학습 데이터셋

차트는 VLM에게 특히 까다로운 입력이다. 시각 패턴, 수치 데이터, 자연어를 동시에 추론해야 하는데, 기존 VLM 대부분은 이 조합을 제대로 처리하지 못한다. IBM 연구팀은 이 문제를 해결하기 위해 코드 기반 합성 파이프라인으로 구성된 차트넷 데이터셋을 자체 개발했다.

차트넷은 24종 차트 유형과 6개 플로팅 라이브러리를 아우르는 170만 건의 다양한 차트 샘플로 구성된다. 각 샘플은 플로팅 코드, 렌더링 이미지, 데이터 테이블, 자연어 요약, QA(질문-답변) 쌍 등 5개 정렬된 구성요소를 포함해 모델이 차트의 시각적 외형뿐 아니라 인코딩된 구조적 정보를 학습할 수 있도록 설계됐다. 이 연구는 2026년 CVPR(컴퓨터 비전 및 패턴 인식 학술대회)에서 발표될 예정이다.

② 딥스택(DeepStack) 아키텍처: 계층별 시각 특징 주입

딥스택 인젝션(DeepStack Injection)은 추상적 시각 특징을 앞단 레이어에, 고해상도 공간 특징을 뒷단 레이어에 분리 주입하는 방식이다. 이를 통해 문서 내 '무엇이 있는지'와 '어디에 있는지'를 동시에 파악할 수 있게 된다. 테이블 추출, 차트 해석, KVP 파싱처럼 레이아웃 정보가 내용만큼 중요한 작업에서 이 구조가 실질적 차이를 만든다고 개발팀은 설명한다.

③ 모듈형 설계: LoRA 어댑터 방식의 실용적 배포

그래나이트 4.0 3B 비전은 독립형 모델이 아닌, 그래나이트 4.0 마이크로 위의 LoRA 어댑터로 패키징된다. 같은 배포 환경에서 멀티모달 워크로드와 텍스트 전용 워크로드를 모두 처리할 수 있어, 혼합 파이프라인 운영 시 별도 모델 교체 없이 유연하게 전환 가능하다.

[전문가 분석] 경량 특화 모델의 부상, 기업 AI 전략을 바꾸다

이번 출시는 대형 언어 모델(LLM, Large Language Model)의 '범용화' 경쟁과 별개로, 특정 도메인에 최적화된 경량 특화 모델이 기업 AI 시장에서 독자적 위치를 확보해가는 흐름을 보여준다.

기업 입장에서 GPT-4o나 Gemini 1.5 Pro 같은 초대형 모델은 문서 처리 비용이 높고 보안·컴플라이언스 측면에서 온프레미스(on-premise) 배포가 어렵다. 반면 3B 규모의 특화 모델은 사내 서버 또는 엣지 환경에 배포하면서도 목적에 맞는 성능을 낼 수 있다는 점에서 현실적인 선택지가 될 가능성이 높다.

차트넷 데이터셋이 CVPR 2026에 공개될 예정이라는 점도 주목할 만하다. 학술 데이터셋이 공개되면 이를 활용한 추가 파인튜닝(fine-tuning)이나 경쟁 모델의 성능 향상에도 기여할 수 있어, IBM의 이번 연구가 업계 전체의 차트 이해 능력 향상을 이끄는 촉매 역할을 할 가능성이 있다.

다만, 실제 기업 환경에서의 성능 검증은 향후 과제다. 발표된 역량들이 실제 다양한 기업 문서 포맷에서 일관되게 발휘되는지는 독립적인 벤치마크와 현장 도입 사례를 통해 확인될 필요가 있다. 독링 연동을 통한 파이프라인 통합이 얼마나 매끄럽게 작동하는지도 실무 도입의 핵심 변수가 될 것이다.