Granite 4.2 3B ya está disponible: el modelo de razonamiento compacto de IBM afirma obtener 78.33 en AIME 2025

Puedes ejecutar Granite 4.2 3B en un portátil esta misma noche. Ese es el hecho práctico que se esconde detrás del titular: IBM publicó Granite 4.2 3B el 25 de agosto de 2026 bajo licencia Apache-2.0, como el más pequeño de los tres modelos densos de razonamiento de la nueva familia Granite 4.2 — Granite 4.2 3B, Granite 4.2 8B y Granite 4.2 30B — y su ficha de modelo afirma una puntuación de 78.33 en AIME 2025, un resultado de razonamiento matemático que hace unos años solo pertenecía a modelos cien veces más grandes. Los pesos alcanzan aproximadamente 3 mil millones de parámetros: de seis a ocho gigabytes en bfloat16, menos de dos gigabytes con una cuantización práctica. Ese es el sentido de este lanzamiento: un modelo de razonamiento que solía ser una compra de centro de datos ahora cabe en una bolsa.

El marco honesto tiene que estar junto a eso. Cada número en la tarjeta es de IBM, impreso el día en que se subieron los pesos, y ningún laboratorio independiente ha reproducido ninguno de ellos. Todavía no hay una API alojada —la tarjeta no lista ningún proveedor de inferencia—, así que la única forma de conocer este modelo hoy es ejecutarlo tú mismo o esperar a que aparezca un nivel alojado. Esta es una lectura de lo que sabemos hasta ahora del miembro más pequeño de la familia, lo que significa ser precisos sobre qué afirmaciones respalda realmente el repositorio.

Qué se envió, y con qué discreción

{{1}}Granite 4.2 es la generación de razonamiento de IBM{{/1}} — la primera familia Granite construida en torno a la cadena de pensamiento explícita, y la primera en añadir entrenamiento agéntico a escala en sus miembros más grandes. Los tres tamaños son Transformers densos de solo decodificador bajo Apache 2.0, preentrenados con aproximadamente 15 billones de tokens en cinco fases, y todos funcionan con un contexto nativo de 128K y una extensión de contexto largo hasta 512K. El anuncio no fue un lanzamiento de prensa: la fuente principal es el blog técnico de Hugging Face, «Granite 4.2 LLMs: cómo se construyen», publicado junto con las fichas de los modelos el 25 de agosto. La prensa tecnológica china se hizo eco de la familia en cuestión de horas, y Ollama ya incluye una compilación granite4.2:3b.

¿Qué hace que el 3B sea el miembro de borde?

El 3B está post-entrenado a partir de Granite-4.1-3B-Base, y lo que lo distingue de sus hermanos es lo que no tiene. El Granite 4.2 8B y el Granite 4.2 30B recibieron ambos el aprendizaje por refuerzo agéntico de IBM — un entrenamiento que enseña a un modelo a operar una terminal, ejecutar código y buscar en la web dentro de entornos sandbox, por lo que esos dos tienen puntuaciones de SWE-Bench y Terminal-Bench. El 3B se salta ese bloque por completo; su ficha no reporta resultados de SWE-Bench ni Terminal-Bench porque el arnés de RL agéntico nunca se entrenó en él.

Lo que el 3B conserva es el núcleo de razonamiento y la interfaz:

• Parámetros — 3B (alrededor de 4B en total con embeddings según los metadatos de safetensors), Transformer denso solo-decodificador construido sobre Granite-4.1-3B-Base.

• Arquitectura — atención de consultas agrupadas (40 cabezas, 8 cabezas KV), RoPE en θ=10,000,000, MLP SwiGLU (tamaño oculto 8,192), RMSNorm, bfloat16.

• Contexto — 131,072 tokens de forma nativa; una quinta fase de pre-entrenamiento amplía la ventana a 512K.

• Modos de razonamiento — pensamiento completo por defecto (<think>...</think>), no pensamiento mediante enable_thinking=False, y un modo de bajo esfuerzo que gasta un breve presupuesto de razonamiento en preguntas fáciles.

• Llamada a herramientas — llamada a funciones compatible con OpenAI, el mismo esquema que usan sus hermanos mayores, servida a través de un endpoint de vLLM; las integraciones con OpenHands, OpenCode y Pi están documentadas.

• Idiomas — 12 probados: inglés, alemán, español, francés, japonés, portugués, árabe, checo, italiano, coreano, neerlandés, chino.

• Servicio — Hugging Face Transformers, vLLM (v0.20+ con un analizador de razonamiento dedicado), SGLang, compilaciones GGUF para llama.cpp, cuantizaciones FP8/NVFP4/MXFP4 y Ollama.

Los números reportados por el proveedor

La ficha técnica muestra puntuaciones sólidas de razonamiento, y todas ellas son propias de IBM. En las evaluaciones de matemáticas y razonamiento, el 3B registra 78.33 en AIME 2025, 66.67 en HMMT de febrero de 2025, 54.80 en GPQA y 69.71 en LiveCodeBench v6. En seguimiento de instrucciones: 67.84 en MMLU-Pro y 74.33 en IFBench. En contexto largo, las puntuaciones RULER son 67.52 a 64K y 55.30 a 128K. En las evaluaciones agénticas generales que el 3B sí incluye — uso básico de herramientas, sin el bloque de RL agéntico — registra 52.41 en BFCL v4.

Nada de esto ha sido reproducido de forma independiente. El modelo se lanzó el 25 de agosto; Artificial Analysis aún no tiene una entrada para él, y ninguna evaluación de terceros ha sido publicada. La cifra de 78.33 en AIME es la que hay que vigilar: para un modelo denso de la clase de 3B, se sitúa muy por encima del rango que los modelos abiertos pequeños han alcanzado históricamente, y un número sobre el papel como ese es exactamente lo que una ejecución de reproducción confirma o, en silencio, matiza. Trata cada cifra de esta sección como una afirmación de IBM.

Qué está confirmado, y qué no

Confirmado por los artefactos: los pesos se pueden descargar; la licencia es Apache 2.0; la arquitectura, las longitudes de contexto, los modos de razonamiento y la interfaz de llamada a herramientas coinciden con la tarjeta; y la receta de entrenamiento está documentada con un detalle inusual, hasta las proporciones de datos y el clúster NVIDIA GB200 NVL72 (alojado por CoreWeave) utilizado para entrenar a la familia. Confirmado por el trabajo de integración del día del lanzamiento: Ollama ya incluye granite4.2:3b, y la tarjeta documenta las rutas para servir con vLLM, SGLang, Transformers y GGUF.

Aún no confirmado: resultados de benchmarks independientes; si aparecerá una API alojada — ya sea el propio watsonx de IBM o la de cualquier tercero — y a qué precio; cómo se comporta la extensión de 512K en cargas de trabajo reales de documentos largos en lugar de en las pruebas de aguja RULER; y cómo funciona la llamada de herramientas básica del 3B en bucles de agentes de producción, donde no tiene entrenamiento de RL agéntico en el que apoyarse.

Dónde compite la 3B y cómo probarla

La apuesta del 3B es que {{1}}lo pequeño y local es una característica, no una concesión{{/1}}. Por debajo de él, la familia termina — {{2}}el 3B es la base de la línea Granite 4.2{{/2}} — y a su alrededor, el campo del razonamiento económico está muy poblado en el lado alojado, {{3}}con DeepSeek V4 Flash y Gemini 3.5 Flash-Lite anclando los niveles económicos de razonamiento alojado{{/3}} y {{4}}modelos pequeños de razonamiento de peso abierto que llegan durante todo el año{{/4}}. El 3B es diferente de todos ellos en un aspecto específico: {{5}}es denso, Apache-2.0 y lo suficientemente pequeño como para que el costo marginal de una petición sea la electricidad de una GPU modesta{{/5}} — y también es {{6}}nuevo, sin probar y sin una sola evaluación de terceros{{/6}}.

Esa combinación es exactamente donde una capa de enrutamiento justifica su existencia. OrcaRouter no enruta Granite 4.2 3B — la línea de disponibilidad honesta es el autoalojamiento mediante vLLM, SGLang u Ollama, o los propios canales de IBM según vayan apareciendo — pero los modelos alojados con los que compite están en OrcaRouter al precio de lista del proveedor, trasladados con un margen del 0%, tras una única clave API. Si estás construyendo el banco de pruebas comparativo que decide si el razonamiento local del 3B supera al alquiler de un modelo alojado económico, una clave apunta al campo alojado, lo comparas mediante prueba A/B contra un Granite autoalojado a través de un único endpoint, y la conmutación por error automática absorbe las horas en las que tu propio grupo de GPUs está saturado. Una bajada de precio en esas alternativas alojadas se refleja en el precio trasladado el mismo día en que ocurre.

Qué ver

Tres cosas decidirán cómo se recordará este lanzamiento. Primero, una reproducción independiente de las cifras de AIME y GPQA: la brecha entre 78.33 en una tarjeta y 78.33 en una ejecución de terceros es donde las afirmaciones sobre los modelos pequeños viven o mueren. Segundo, si watsonx u otro proveedor adopta el 3B y a qué precio por token; un modelo de razonamiento cuantizado de menos de 2 gigabytes podría permitir un nivel de servicio alojado sorprendentemente económico. Tercero, si el modo de razonamiento de bajo esfuerzo mantiene la calidad en preguntas fáciles, porque ese modo es lo que hace que un modelo de razonamiento del tamaño de una laptop sea utilizable en tráfico real de producto. Granite 4.2 3B es un modelo de razonamiento genuinamente abierto y bien documentado que se lanzó en silencio y puede estar funcionando en tu hardware para mañana; las preguntas abiertas tienen respuestas que llegarán en cuestión de semanas.