ai/granite-4.0-h-tiny
70亿参数长上下文指令模型，采用强化学习对齐，具备指令遵循、工具调用能力，针对企业应用优化。
让 AI 帮你使用轩辕镜像？ · 展开查看说明 · 点击收起说明
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具，协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题，请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可：
请先完整阅读并严格遵守以下文档中的全部规则与要求：
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前，不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式，不推荐豆包 AI；Cursor 等编辑器可在对话 @ 该链接，或加入 User Rules。 若 AI 无法访问外链，可 打开说明文档 复制全文粘贴。文档会随站点更新，复制内容可能过期，建议定期检查。
Granite-4.0-h-Tiny
!https://github.com/docker/model-cards/raw/refs/heads/main/logos/ibm-280x184-overview.svg
镜像概述
Granite-4.0-H-Tiny是一个70亿参数的长上下文指令模型，基于Granite-4.0-H-Tiny-Base微调而成。该模型使用具有宽松许可证的开源指令数据集与内部收集的合成数据集组合进行训练，通过监督微调、强化学习模型对齐和模型合并等多种技术开发，采用结构化聊天格式。Granite 4.0指令模型具有改进的指令遵循（IF）和工具调用能力，在企业应用中更为高效。
核心特性
| 属性 | 详情 |
|---|---|
| 提供者 | Granite团队，IBM |
| 架构 | granitehybrid |
| 数据截止日期 | 未披露 |
| 支持语言 | 英语、德语、西班牙语、法语、日语、葡萄牙语、阿拉伯语、捷克语、意大利语、韩语、荷兰语、中文（可通过微调扩展） |
| 工具调用 | ✅ |
| 输入模态 | 文本 |
| 输出模态 | 文本 |
| 许可证 | Apache 2.0 |
可用模型变体
| 模型变体 | 参数 | 量化方式 | 上下文窗口 | 显存¹ | 大小 |
|---|---|---|---|---|---|
ai/granite-4.0-h-tiny:7Bai/granite-4.0-h-tiny:7B-Q4_K_Mai/granite-4.0-h-tiny:latest | 64x994M | MOSTLY_Q4_K_M | 100万tokens | 4.41 GiB | 3.94 GB |
¹：基于模型特性估算的显存。
latest→7B
使用方法
通过Docker Model Runner运行
bashdocker model run ai/granite-4.0-h-tiny
适用场景与注意事项
适用场景
- 优化用于指令遵循、工具/函数调用和长上下文（最多128K tokens）场景
- 具备强大的通用能力：摘要、分类、提取、问答/RAG、编码、函数调用和多语言对话
多语言能力
- 英语性能最佳；少样本学习或轻量微调可帮助缩小其他语言的性能差距
安全与可靠性
- 尽管经过对齐，模型仍可能产生不准确或有偏见的输出——需应用领域特定评估和防护措施
基础设施说明
- 在CoreWeave的NVIDIA GB200 NVL72上训练；使用加速库（如accelerate）和优化的注意力/KV缓存设置以实现高效推理
基准性能
| 类别 | 指标 | Granite-4.0-h-Tiny |
|---|---|---|
| 通用任务 | ||
| MMLU（5-shot） | 68.65 | |
| MMLU-Pro（5-shot, CoT） | 44.94 | |
| BBH（3-shot, CoT） | 66.34 | |
| AGI EVAL（0-shot, CoT） | 62.15 | |
| GPQA（0-shot, CoT） | 32.59 | |
| 对齐任务 | ||
| AlpacaEval 2.0 | 30.61 | |
| IFEval（指令，严格） | 84.78 | |
| IFEval（提示，严格） | 78.10 | |
| IFEval（平均） | 81.44 | |
| ArenaHard | 35.75 | |
| 数学任务 | ||
| GSM8K（8-shot） | 84.69 | |
| GSM8K Symbolic（8-shot） | 81.10 | |
| Minerva Math（0-shot, CoT） | 69.64 | |
| DeepMind Math（0-shot, CoT） | 49.92 | |
| 代码任务 | ||
| HumanEval（pass@1） | 83.00 | |
| HumanEval+（pass@1） | 76.00 | |
| MBPP（pass@1） | 80.00 | |
| MBPP+（pass@1） | 69.00 | |
| CRUXEval-O（pass@1） | 39.63 | |
| BigCodeBench（pass@1） | 41.06 | |
| 工具调用任务 | ||
| BFCL v3 | 57.65 | |
| 多语言任务 | ||
| MULTIPLE（pass@1） | 55.83 | |
| MMMLU（5-shot） | 61.87 | |
| INCLUDE（5-shot） | 53.12 | |
| MGSM（8-shot） | 45.36 | |
| 安全性 | ||
| SALAD-Bench | 97.77 | |
| AttaQ | 86.61 |
相关链接
- [***]
- [***]
- [***]
镜像拉取方式
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本，请访问 标签列表页面。
轩辕镜像加速拉取命令点我查看更多 granite-4.0-h-tiny 镜像标签
docker model pull docker.xuanyuan.run/ai/granite-4.0-h-tiny:<标签>
DockerHub 原生拉取命令
docker model pull ai/granite-4.0-h-tiny:<标签>
镜像拉取常见问题
功能
错误码
用户好评
来自真实用户的反馈，见证轩辕镜像的优质服务
oldzhang
运维工程师
Linux服务器
5
"Docker访问体验非常流畅，大镜像也能快速完成下载。"