تم إطلاق Granite 4.2 3B: نموذج الاستدلال بحجم الكمبيوتر المحمول من IBM يدّعي تحقيق 78.33 في AIME 2025

يمكنك تشغيل Granite 4.2 3B على حاسوب محمول الليلة. هذه هي الحقيقة العملية تحت الرقم الرئيسي: أصدرت IBM نموذج Granite 4.2 3B في 25 أغسطس 2026 بموجب ترخيص Apache-2.0، وهو الأصغر بين ثلاثة نماذج استدلال كثيفة في عائلة Granite 4.2 الجديدة — Granite 4.2 3B وGranite 4.2 8B وGranite 4.2 30B — وتدّعي بطاقة النموذج حصوله على 78.33 في اختبار AIME 2025، وهي نتيجة استدلال رياضي كانت قبل بضع سنوات حكرًا على نماذج أكبر منه بمئة مرة. تبلغ الأوزان حوالي 3 مليارات معامل: ستة إلى ثمانية غيغابايت بصيغة bfloat16، وأقل من غيغابايتين عند التكميم العملي. هذا هو جوهر هذا الإصدار — نموذج استدلال كان في السابق بمثابة شراء لمركز بيانات أصبح الآن يتسع في حقيبة.

التأطير الصادق يجب أن يأتي بجانب ذلك. كل رقم على البطاقة هو رقم IBM الخاص، طُبع في اليوم الذي ارتفعت فيه الأوزان، ولم يكرر أي مختبر مستقل أيًا منها. لا توجد حتى الآن واجهة برمجة تطبيقات مستضافة — البطاقة لا تذكر أي مزود استدلال — لذا فإن الطريقة الوحيدة لمواجهة هذا النموذج اليوم هي تشغيله بنفسك أو الانتظار حتى تظهر طبقة استضافة. هذه قراءة لما نعرفه الآن عن أصغر عضو في العائلة، مما يعني الدقة في تحديد الادعاءات التي يدعمها المستودع فعليًا.

ما الذي صدر، وبأي هدوء

Granite 4.2 هو جيل الاستدلال من IBM — أول عائلة Granite مبنية حول سلسلة تفكير صريحة، والأولى التي تضيف تدريبًا وكيليًا على نطاق واسع لأعضائها الأكبر حجمًا. جميع الأحجام الثلاثة هي محولات كثيفة تعتمد على وحدة فك الترميز فقط، بموجب ترخيص Apache 2.0، ومدرَّبة مسبقًا على نحو 15 تريليون رمز عبر خمس مراحل، وتعمل جميعها بسياق أصلي يبلغ 128 ألف رمز مع امتداد للسياق الطويل حتى 512 ألفًا. لم يكن الإعلان بمثابة إطلاق إعلامي: المصدر الأساسي هو المدونة التقنية لـ Hugging Face، بعنوان «نماذج Granite 4.2 اللغوية: كيف بُنيت»، المنشورة إلى جانب بطاقات النماذج في 25 أغسطس. وتناولت الصحافة التقنية الصينية العائلة خلال ساعات، وأدرجت Ollama بالفعل بناءً باسم granite4.2:3b.

ما الذي يجعل 3B عضو الحافة؟

نموذج 3B مُدرَّب تدريبًا لاحقًا انطلاقًا من Granite-4.1-3B-Base، وما يميّزه عن نماذجه الشقيقة هو ما يفتقر إليه. تلقّى كلٌّ من Granite 4.2 8B وGranite 4.2 30B تدريب IBM على التعلم المعزز الفاعل (agentic reinforcement learning) — وهو تدريب يعلّم النموذج تشغيل الطرفية وتنفيذ الأكواد والبحث في الويب داخل بيئات معزولة — ولهذا يحمل هذان النموذجان درجات SWE-Bench وTerminal-Bench. أما نموذج 3B فيتخطّى تلك الكتلة التدريبية بالكامل؛ إذ لا تُدرج بطاقته أي نتائج لـSWE-Bench أو Terminal-Bench لأن النموذج لم يُدرَّب أبدًا عبر منظومة agentic-RL.

ما يحتفظ به 3B هو نواة الاستدلال والواجهة:

• المعلمات — 3B (حوالي 4B إجمالاً مع التضمينات وفقًا للبيانات الوصفية لـ safetensors)، محول كثيف للفك فقط مبني على Granite-4.1-3B-Base.

• البنية — انتباه الاستعلام المجمّع (40 رأسًا، 8 رؤوس KV)، RoPE عند θ=10,000,000، SwiGLU MLP (حجم مخفي 8,192)، RMSNorm، bfloat16.

• السياق — 131,072 توكنًا بشكل أصلي؛ ومرحلة خامسة من التدريب المسبق توسّع النافذة إلى 512K.

• أوضاع التفكير — التفكير الكامل افتراضيًا (<think>...</think>)، وعدم التفكير عبر enable_thinking=False، ووضع منخفض الجهد يستهلك ميزانية تفكير قصيرة للأسئلة السهلة.

• استدعاء الأدوات — استدعاء دوال متوافق مع OpenAI، بنفس المخطط الذي تستخدمه النسخ الأكبر، يُقدَّم عبر نقطة نهاية vLLM؛ التكاملات مع OpenHands وOpenCode وPi موثّقة.

• اللغات — 12 تم اختبارها: الإنجليزية، الألمانية، الإسبانية، الفرنسية، اليابانية، البرتغالية، العربية، التشيكية، الإيطالية، الكورية، الهولندية، الصينية.

• التقديم — Hugging Face Transformers، وvLLM (v0.20+ مع محلل تفكير مخصص)، وSGLang، وإصدارات GGUF لـllama.cpp، وتكميم FP8/NVFP4/MXFP4، وOllama.

الأرقام المبلغ عنها من البائع

تسرد البطاقة نتائج قوية في التفكير، وكلها من إنتاج IBM نفسها. في تقييمات الرياضيات والتفكير، يسجّل الإصدار 3B 78.33 في AIME 2025، و66.67 في HMMT فبراير 2025، و54.80 في GPQA، و69.71 في LiveCodeBench v6. في اتباع التعليمات: 67.84 في MMLU-Pro و74.33 في IFBench. في السياق الطويل، تبلغ نتائج RULER 67.52 عند 64K و55.30 عند 128K. في تقييمات الوكلاء العامة التي يحملها الإصدار 3B — استخدام الأدوات الأساسي، دون كتلة التعلم المعزز للوكلاء — يسجّل 52.41 في BFCL v4.

لم يتم إعادة إنتاج أي من هذا بشكل مستقل. تم إطلاق النموذج في 25 أغسطس؛ لا يوجد لدى Artificial Analysis إدخال له بعد، ولم يُنشر أي تقييم من طرف ثالث. رقم AIME البالغ 78.33 هو ما يجب متابعته: بالنسبة لنموذج كثيف من فئة 3B، فإنه يقع فوق النطاق الذي وصلت إليه النماذج المفتوحة الصغيرة تاريخيًا، ورقم على الورق كهذا هو بالضبط ما تؤكده عملية إعادة الإنتاج أو تتراجع عنه بهدوء. تعامل مع كل رقم في هذا القسم باعتباره ادعاءً من IBM.

ما هو المؤكد، وما هو غير المؤكد؟

تم التأكيد من خلال القطع الأثرية: الأوزان قابلة للتنزيل؛ الترخيص هو Apache 2.0؛ البنية، وأطوال السياق، وأوضاع الاستدلال، وواجهة استدعاء الأدوات تطابق البطاقة؛ ووصفة التدريب موثقة بتفاصيل غير معتادة، حتى نسب البيانات ومجموعة NVIDIA GB200 NVL72 (التي تستضيفها CoreWeave) المستخدمة لتدريب العائلة. كما تم التأكيد من خلال أعمال التكامل في يوم الإصدار: Ollama يدرج بالفعل granite4.2:3b، وتوثق البطاقة مسارات التقديم عبر vLLM وSGLang وTransformers وGGUF.

لم يُؤكَّد بعد: نتائج الاختبارات المعيارية المستقلة؛ ما إذا كانت ستظهر واجهة برمجة تطبيقات مستضافة — watsonx الخاصة بشركة IBM أو أي طرف ثالث — وبأي سعر؛ وكيف يتصرف امتداد 512K مع أعباء العمل الحقيقية على المستندات الطويلة بدلاً من اختبارات إبرة RULER؛ وكيف يصمد استدعاء الأدوات الأساسي لنموذج 3B في حلقات الوكلاء الإنتاجية حيث لا يتوفر له تدريب RL وكيلّي يعتمد عليه.

أين تنافس 3B، وكيفية اختبارها

رهان 3B هو أن الصغر والتشغيل المحلي ميزة وليس حلًّا وسطًا. وتحت هذا المستوى تتوقف العائلة — فطراز 3B هو الحد الأدنى لخط Granite 4.2 — وحوله، يكون مجال الاستدلال منخفض التكلفة مزدحمًا في الجانب المستضاف، حيث يُرسي DeepSeek V4 Flash وGemini 3.5 Flash-Lite المستويات الاستدلالية المستضافة الرخيصة، وتصل نماذج استدلال صغيرة مفتوحة الأوزان على مدار العام. ويختلف 3B عن جميع هذه النماذج في جانب محدد: فهو كثيف، ومرخّص بموجب Apache-2.0، وصغير بما يكفي ليكون التكلفة الحدية لأي طلب هي كهرباء وحدة معالجة رسومية واحدة متواضعة — كما أنه جديد، وغير مُثبَت، وليس له أي تقييم من طرف ثالث.

هذا المزيج هو بالضبط الموضع الذي تبرر فيه طبقة التوجيه وجودها. لا يقوم OrcaRouter بتوجيه Granite 4.2 3B — فخط التوفر الصادق هو الاستضافة الذاتية عبر vLLM أو SGLang أو Ollama، أو قنوات IBM الخاصة كما تظهر — لكن النماذج المستضافة التي ينافسها موجودة على OrcaRouter بسعر القائمة لدى المزود، وتُمرَّر بهامش ربح 0%، خلف مفتاح API واحد. إذا كنت تبني منصة المقارنة التي تحسم ما إذا كان الاستدلال المحلي لنموذج 3B يتفوق على استئجار نموذج اقتصادي مستضاف، فإن مفتاحًا واحدًا يشير إلى الجانب المستضاف، وتجري مقارنة A/B بينه وبين Granite مستضاف ذاتيًا عبر نقطة نهاية واحدة، ويمتص تجاوز الفشل التلقائي الساعات التي يكون فيها تجمع وحدات معالجة الرسومات لديك مشبعًا. أي تخفيض في أسعار تلك البدائل المستضافة يظهر في السعر المُمرَّر في نفس اليوم الذي يحدث فيه.

ماذا تشاهد

ثلاثة أمور ستحدد كيف سيُذكر هذا الإصدار. أولاً، إعادة إنتاج مستقلة لأرقام AIME وGPQA — الفجوة بين 78.33 على بطاقة و78.33 في تشغيل طرف ثالث هي حيث تنجح ادعاءات النماذج الصغيرة أو تموت. ثانيًا، ما إذا كانت watsonx أو مضيف آخر سيتولى تشغيل 3B وبأي سعر لكل توكين؛ نموذج استدلال مُكمّم بحجم أقل من 2 غيغابايت قد ينشئ طبقة استضافة رخيصة بشكل مذهل. ثالثًا، ما إذا كان وضع الاستدلال منخفض الجهد يحافظ على الجودة في الأسئلة السهلة، لأن هذا الوضع هو ما يجعل نموذج استدلال بحجم حاسوب محمول قابلًا للاستخدام في حركة مرور المنتج الحقيقية. Granite 4.2 3B هو نموذج استدلال مفتوح حقًا وموثّق جيدًا، صدر بهدوء ويمكن تشغيله على أجهزتك بحلول الغد؛ المسائل المعلقة جميعها ستُحسم خلال أسابيع.