I modelli Granite 4.2 di IBM imparano a pensare e agire all’interno di ambienti

IBM ha rilasciato Granite 4.2, la sua prima famiglia di modelli linguistici di ragionamento densi, solo decoder, in tre dimensioni: 3B, 8B e 30B parametri. Annunciato il 25 agosto 2026 con i pesi pubblicati sotto licenza Apache 2.0, il rilascio offre a ogni modello Granite una modalità di pensiero commutabile e sottopone le due dimensioni più grandi a reinforcement learning all’interno di ambienti reali di ingegneria del software, terminale e ricerca sul web.

In una panoramica tecnica della costruzione, il Granite Team di IBM descrive una pipeline che inizia con il pre‑addestramento da zero su circa 15 trilioni di token, con un programma in cinque fasi che estende la finestra di contesto a 512K token. Segue un fine‑tuning supervisionato su circa 7,2 milioni di campioni di dati di catena di pensiero, ragionamento e traiettoria agentica. Tuttavia, il fulcro del rilascio è ciò che segue: una pipeline di reinforcement learning a più fasi in cui ogni fase è un’esecuzione di addestramento separata mirata a una capacità, avviata in caldo dal checkpoint della fase precedente.

Tutte e tre le dimensioni eseguono RL di base su ricompense verificabili — problemi matematici con risposte controllabili, codice valutato da test unitari nascosti, compiti di esecuzione di istruzioni con controlli di formato — più brevi fasi “booster” per abilità specifiche. Solo i modelli 8B e 30B proseguono nel blocco agentico: tre fasi in cui il modello agisce all’interno di un ambiente live e viene ricompensato in base al fatto che il compito sia stato effettivamente risolto. Nella fase di ingegneria del software, guidata dal framework OpenHands, il modello modifica repository reali e supera la fase solo se la suite di test nascosta passa. La fase terminale lo inserisce in una shell live con fino a 64 turni ambientali per rollout. La fase di ricerca lo fa rispondere a domande multi‑hop tramite chiamate live di ricerca web, valutate da un giudice LLM.

Ogni modello termina poi con RLHF per preferenze e sicurezza, che applica anche una penalità sulla lunghezza del ragionamento per scoraggiare le catene verbose che le fasi precedenti possono generare.

Come appare il pensiero commutabile nella pratica

Ogni modello Granite 4.2 espone tre modalità operative tramite il suo modello di chat. La modalità pensiero, predefinita, genera una catena completa di pensiero all’interno di tag dedicati prima della risposta finale. La modalità non‑pensiero risponde direttamente. Un’impostazione a basso sforzo si colloca tra le due, dedicando un breve budget di ragionamento a domande semplici. Nelle conversazioni a più turni, il pensiero dei turni precedenti viene rimosso per impostazione predefinita per conservare il contesto.

La chiamata nativa di strumenti è integrata nello stesso modello: il modello ragiona su quale strumento chiamare e perché prima di emettere la chiamata, nel formato di chiamata di funzione OpenAI, così si collega a framework agentici serviti tramite vLLM o SGLang senza adattatori aggiuntivi. Secondo la collezione di modelli Granite 4.2, tutti e tre i pesi sono scaricabili pubblicamente, e la scheda modello 30B conferma che il modello di punta è stato post‑addestrato a partire dalla base Granite 4.1 30B. I modelli sono testati su 12 lingue, tra cui inglese, tedesco, giapponese, arabo, coreano e cinese.

I numeri riportati da IBM

IBM ha valutato la famiglia su coding agentico, uso generale di strumenti, ragionamento, chat e contesto lungo, utilizzando un framework basato sul NeMo Evaluator SDK. I punteggi seguenti sono le cifre riportate dall’azienda.

• SWE-Bench Verificato: 57.00 (30B), 47.67 (8B)
• Terminal-Bench 2.1: 29.24 (30B), 20.56 (8B)
• AIME25 math: 89.17 (30B), 86.67 (8B), 78.33 (3B)
• GPQA science: 66.41 (30B), 64.14 (8B), 54.80 (3B)
• RULER long context at 128K: 81.38 (30B), 71.41 (8B), 55.30 (3B)

Il modello corrisponde al design di addestramento. I punteggi aumentano costantemente con la dimensione su matematica, scienza e ragionamento sul codice, e i benchmark di coding agentico che dipendono dal blocco esclusivo di RL agentico dei modelli 8B e 30B mostrano il divario più ampio tra le dimensioni. Il modello 3B, che non esegue nessuna delle fasi ambientali, non è riportato affatto nelle suite SWE-Bench o Terminal-Bench.

Addestrare agenti senza una rete di valore

Il meccanismo RL merita uno sguardo più attento perché è dove si concentra la maggior parte dell’ingegneria del rilascio. Ogni fase si addestra con GRPO asincrono, un metodo di ottimizzazione della politica relativo al gruppo che valuta ogni risposta rispetto alla ricompensa media delle altre campioni generate per lo stesso prompt, eliminando la rete di valore separata che molte pipeline RL richiedono. Generazione e addestramento funzionano su pool GPU separati che non si bloccano mai tra loro: i worker continuano a campionare traiettorie in un buffer condiviso, e il trainer trasmette i pesi aggiornati a metà rollout. Un guardrail impedisce ai generatori di deviare più di un aggiornamento indietro, e il campionamento di importanza troncato limita l’effetto dei token obsoleti.

Gli ambienti si collegano tramite NeMo-Gym, che presenta verificatori, strumenti e sandbox dietro un’interfaccia uniforme, mentre NeMo-RL gestisce il ciclo di addestramento su Megatron-Core con generazione vLLM. La conseguenza pratica è che un controllore matematico basato su regole e una sandbox di repository completa appaiono identici al ciclo di addestramento, il che rende fattibile l’esecuzione del curriculum a tappe. IBM ha addestrato i modelli su un cluster NVIDIA GB200 NVL72 ospitato da CoreWeave, con un dominio NVLink da 72 GPU e una rete InfiniBand da 400 Gb/s.

IBM ha inoltre fornito varianti quantizzate della famiglia: FP8 senza calibrazione, NVFP4 e MXFP4 calibrati su 2.000 campioni del dataset SFT, e quattordici formati GGUF tramite llama.cpp per distribuzioni a memoria ridotta.

Dove Granite 4.2 si colloca nella linea di IBM

Il rilascio prosegue una divisione deliberata del lavoro nella strategia di modelli aperti di IBM. Le generazioni precedenti di Granite erano posizionate come assistenti forti nell’esecuzione di istruzioni; l’azienda ha presentato Granite Speech 5.0, rilasciato lo stesso giorno, in un annuncio separato incentrato sulla velocità di trascrizione. Granite 4.2 è il turno della linea di modelli linguistici verso il ragionamento esplicito, e arriva con la ricetta completa di addestramento, le proporzioni del mix di dati e gli iperparametri per fase pubblicati insieme ai pesi.

Tutti e tre i modelli, le varianti quantizzate, il repository GitHub e la documentazione sono disponibili sotto licenza Apache 2.0, con il modello di punta 30B dimensionato per un singolo nodo di servizio multi‑GPU e il modello 3B destinato a distribuzioni più leggere dove la commutazione del pensiero è ancora applicabile.