Granite 4.2 3B est sorti : le modèle de raisonnement compact d'IBM revendique 78,33 sur AIME 2025

Vous pouvez exécuter Granite 4.2 3B sur un ordinateur portable dès ce soir. C'est le fait concret qui se cache derrière le chiffre mis en avant : IBM a publié Granite 4.2 3B le 25 août 2026 sous licence Apache-2.0, le plus petit des trois modèles de raisonnement denses de la nouvelle famille Granite 4.2 — Granite 4.2 3B, Granite 4.2 8B et Granite 4.2 30B — et sa fiche modèle revendique un score de 78,33 sur AIME 2025, un score de raisonnement mathématique qui, il y a quelques années, n'était l'apanage que de modèles cent fois plus gros. Les poids représentent environ 3 milliards de paramètres : six à huit gigaoctets en bfloat16, moins de deux gigaoctets à une quantification pratique. C'est tout l'intérêt de cette publication — un modèle de raisonnement qui, autrefois, ne s'achetait qu'avec un datacenter tient désormais dans un sac.

Le cadrage honnête doit se situer à côté de cela. Chaque chiffre sur la fiche est propre à IBM, imprimé le jour où les poids ont été mis en ligne, et aucun laboratoire indépendant n'en a reproduit un seul. Il n'y a pas encore d'API hébergée — la fiche ne liste aucun fournisseur d'inférence — donc la seule façon d'utiliser ce modèle aujourd'hui est de le faire tourner soi-même ou d'attendre qu'une offre hébergée apparaisse. C'est un état des lieux de nos connaissances actuelles sur le plus petit membre de la famille, ce qui signifie être précis sur les affirmations que le dépôt étaye réellement.

Ce qui fut lancé, et dans quel silence

{{1}}Granite 4.2{{/1}} est la génération de raisonnement d'{{2}}IBM{{/2}} — la première famille {{3}}Granite{{/3}} {{4}}construite autour d'une chaîne de pensée explicite{{/4}}, et la première à ajouter un {{5}}entraînement agentique{{/5}} à grande échelle sur ses plus grands membres. Les trois tailles sont des {{6}}Transformers{{/6}} denses à décodeur seul, sous licence {{7}}Apache 2.0{{/7}}, pré-entraînés sur environ {{8}}15 billions{{/8}} de jetons en cinq phases, et tous offrent un contexte natif de {{9}}128K{{/9}} avec une extension de long contexte jusqu'à {{10}}512K{{/10}}. L'annonce n'était pas un communiqué de presse : la source principale est le blog technique de {{11}}Hugging Face{{/11}}, « {{12}}Granite 4.2 LLMs : comment ils sont construits{{/12}} », publié aux côtés des fiches modèles le {{13}}25 août{{/13}}. La presse technologique chinoise a relayé la nouvelle en quelques heures, et {{14}}Ollama{{/14}} répertorie déjà une build {{15}}granite4.2:3b{{/15}}.

Qu'est-ce qui fait du 3B l'élément de bord

Le modèle 3B est entraîné à partir de Granite-4.1-3B-Base, et ce qui le distingue de ses homologues, c'est ce qu'il ne possède pas. Les Granite 4.2 8B et Granite 4.2 30B ont tous deux bénéficié de l'apprentissage par renforcement agentique d'IBM — un entraînement qui apprend à un modèle à utiliser un terminal, exécuter du code et rechercher sur le web dans des environnements sandbox, c'est pourquoi ces deux modèles affichent des scores SWE-Bench et Terminal-Bench. Le modèle 3B omet complètement cette partie ; sa fiche technique ne rapporte aucun résultat SWE-Bench ou Terminal-Bench, car le système d'apprentissage par renforcement agentique n'y a jamais été intégré.

Ce que le 3B conserve, c'est le cœur de raisonnement et l'interface :

• Paramètres — 3B (environ 4B au total avec les embeddings selon les métadonnées safetensors), Transformer dense à décodeur seul construit sur Granite-4.1-3B-Base.

• Architecture — attention à requêtes groupées (40 têtes, 8 têtes KV), RoPE à θ=10,000,000, MLP SwiGLU (taille cachée 8,192), RMSNorm, bfloat16.

Contexte — 131 072 jetons nativement ; une cinquième phase de pré-entraînement étend la fenêtre à 512K.

• Modes de raisonnement — pensée complète par défaut (<think>...</think>), non-pensée via enable_thinking=False, et un mode à faible effort qui consacre un court budget de raisonnement aux questions faciles.

• Appel d'outils — Appel de fonctions compatible OpenAI, le même schéma qu'utilisent les modèles plus grands, servi via un endpoint vLLM ; les intégrations OpenHands, OpenCode et Pi sont documentées.

• Langues — 12 testées : anglais, allemand, espagnol, français, japonais, portugais, arabe, tchèque, italien, coréen, néerlandais, chinois.

• Inférence — Hugging Face Transformers, vLLM (v0.20+ avec un analyseur de pensée dédié), SGLang, compilations GGUF pour llama.cpp, quantifications FP8/NVFP4/MXFP4, et Ollama.

Les chiffres déclarés par le fournisseur

La carte liste des scores de raisonnement élevés, et chacun d'eux est propre à IBM. Sur les évaluations de mathématiques et de raisonnement, la 3B affiche 78.33 sur AIME 2025, 66.67 sur HMMT février 2025, 54.80 sur GPQA et 69.71 sur LiveCodeBench v6. Sur le suivi d'instructions : 67.84 sur MMLU-Pro et 74.33 sur IFBench. Sur le contexte long, les scores RULER sont de 67.52 à 64K et 55.30 à 128K. Sur les évaluations agentiques générales que la 3B supporte — utilisation d'outils de base, sans le bloc agentic-RL — elle liste 52.41 sur BFCL v4.

Aucune de ces performances n’a été reproduite de manière indépendante. Le modèle a été livré le 25 août ; Artificial Analysis n’a encore aucune entrée pour lui, et aucune évaluation tierce n’a été publiée. Le chiffre de 78,33 sur l’AIME est celui à surveiller : pour un modèle dense de classe 3B, il se situe bien au-dessus de la plage que les petits modèles ouverts ont historiquement atteinte, et un chiffre sur le papier comme celui-ci est exactement ce qu’un essai de reproduction confirme ou retire discrètement. Considérez chaque donnée de cette section comme une affirmation d’IBM.

Ce qui est confirmé, et ce qui ne l'est pas

Confirmé par les artefacts : les poids sont téléchargeables ; la licence est Apache 2.0 ; l'architecture, les longueurs de contexte, les modes de raisonnement et l'interface d'appel d'outils correspondent à la fiche ; et la recette d'entraînement est documentée avec un niveau de détail inhabituel, jusqu'aux proportions des données et au cluster NVIDIA GB200 NVL72 (hébergé par CoreWeave) utilisé pour entraîner la famille. Confirmé par le travail d'intégration réalisé le jour de la sortie : Ollama répertorie déjà granite4.2:3b, et la fiche documente les chemins de déploiement vLLM, SGLang, Transformers et GGUF.

Pas encore confirmé : les résultats de benchmarks indépendants ; l'arrivée éventuelle d'une API hébergée — le propre watsonx d'IBM ou tout tiers — et à quel prix ; le comportement de l'extension 512K sur de vraies charges de travail de documents longs plutôt que sur des tests d'aiguille RULER ; et la solidité de l'appel d'outils de base du 3B dans les boucles d'agents en production, où il ne dispose d'aucun entraînement RL agentique sur lequel s'appuyer.

Où le 3B est compétitif, et comment le tester

Le pari du 3B est que la petite taille et le local sont un atout, pas un compromis. En dessous, la famille s'arrête — le 3B est le socle de la gamme Granite 4.2 — et autour de lui, le champ du raisonnement économique est dense côté hébergement, avec DeepSeek V4 Flash et Gemini 3.5 Flash-Lite qui ancrent les paliers de raisonnement hébergés bon marché, tandis que de petits modèles de raisonnement à poids ouverts arrivent tout au long de l'année. Le 3B se distingue de tous d'une manière précise : il est dense, sous licence Apache-2.0, et assez petit pour que le coût marginal d'une requête corresponde à l'électricité d'un seul GPU modeste — et il est aussi nouveau, non éprouvé, et sans la moindre évaluation tierce.

Cette combinaison est précisément là où une couche de routage justifie sa place. OrcaRouter ne route pas Granite 4.2 3B — pour être honnête, la disponibilité passe par l'auto-hébergement via vLLM, SGLang ou Ollama, ou par les canaux d'IBM à mesure qu'ils apparaissent — mais les modèles hébergés avec lesquels OrcaRouter est en concurrence sont sur OrcaRouter au prix catalogue du fournisseur, transmis avec 0 % de marge, derrière une seule clé API. Si vous construisez le harnais de comparaison qui détermine si le raisonnement local du 3B bat la location d'un modèle hébergé à bas prix, une clé pointe vers le champ hébergé, vous l'évaluez en A/B contre un Granite auto-hébergé via un seul endpoint, et le basculement automatique absorbe les heures où votre propre pool de GPU est saturé. Une baisse de prix sur ces alternatives hébergées se reflète dans le prix transmis le jour même où elle survient.

Que regarder

Trois choses décideront de la façon dont cette version restera dans les mémoires. Premièrement, une reproduction indépendante des chiffres AIME et GPQA — l'écart entre 78,33 sur une carte et 78,33 lors d'une exécution tierce est là où les affirmations sur les petits modèles vivent ou meurent. Deuxièmement, de savoir si watsonx ou un autre hébergeur adoptera le 3B et à quel prix par jeton ; un modèle de raisonnement quantifié de moins de deux gigaoctets pourrait constituer une offre hébergée remarquablement bon marché. Troisièmement, de savoir si le mode de raisonnement à faible effort maintient la qualité sur les questions faciles, car c'est ce mode qui rend un modèle de raisonnement de la taille d'un ordinateur portable utilisable dans le trafic réel des produits. Granite 4.2 3B est un modèle de raisonnement véritablement ouvert et bien documenté, qui est sorti discrètement et qui peut tourner sur votre matériel dès demain ; toutes les questions ouvertes ont des réponses qui arriveront dans les semaines à venir.