Granite 4.2 3B è stato rilasciato: il modello di ragionamento di IBM delle dimensioni di un laptop raggiunge 78.33 su AIME 2025.

Puoi eseguire Granite 4.2 3B su un laptop stasera. Questo è il dato pratico dietro il numero da titolo: IBM ha rilasciato Granite 4.2 3B il 25 agosto 2026 con licenza Apache-2.0, come il più piccolo dei tre modelli reasoning densi della nuova famiglia Granite 4.2 — Granite 4.2 3B, Granite 4.2 8B e Granite 4.2 30B — e la sua scheda tecnica dichiara 78,33 su AIME 2025, un punteggio di reasoning matematico che qualche anno fa apparteneva solo a modelli cento volte più grandi. I pesi ammontano a circa 3 miliardi di parametri: da sei a otto gigabyte in bfloat16, meno di due gigabyte con una quantizzazione pratica. È questo il senso dell'intero rilascio: un modello reasoning che un tempo era un acquisto da data center ora sta in una borsa.

L'inquadramento onesto deve stare accanto a questo. Ogni numero sulla scheda è di IBM, stampato il giorno in cui i pesi sono stati caricati, e nessun laboratorio indipendente ne ha riprodotti. Non esiste ancora un'API hosted — la scheda non elenca alcun provider di inferenza — quindi l'unico modo per provare questo modello oggi è eseguirlo da soli o attendere che appaia un livello hosted. Questo è un resoconto di ciò che sappiamo finora del membro più piccolo della famiglia, il che significa essere precisi su quali affermazioni il repository supporta effettivamente.

Cosa è stato rilasciato, e con quanta discrezione

Granite 4.2 è la generazione di reasoning di IBM — la prima famiglia Granite costruita attorno a una catena di pensiero esplicita, e la prima ad aggiungere training agentico su larga scala sui suoi membri più grandi. Tutte e tre le dimensioni sono Transformer densi, solo decoder, sotto licenza Apache 2.0, pre-addestrati su circa 15 trilioni di token in cinque fasi, e tutti girano con un contesto nativo di 128K con un'estensione per contesti lunghi fino a 512K. L'annuncio non è stato un lancio stampa: la fonte primaria è il blog tecnico di Hugging Face, "Granite 4.2 LLMs: How They're Built," pubblicato insieme alle model card il 25 agosto. La stampa tech cinese ha ripreso la famiglia nel giro di poche ore, e Ollama elenca già una build granite4.2:3b.

Cosa rende il 3B il membro di bordo

Il modello 3B è post-addestrato da Granite-4.1-3B-Base, e ciò che lo distingue dai suoi fratelli è ciò che non ha. I modelli Granite 4.2 8B e Granite 4.2 30B hanno entrambi ricevuto l'apprendimento per rinforzo agentico di IBM — un addestramento che insegna a un modello a operare su un terminale, eseguire codice e cercare sul web in ambienti sandbox, motivo per cui quei due riportano punteggi SWE-Bench e Terminal-Bench. Il modello 3B salta completamente quel blocco; la sua scheda tecnica non riporta risultati SWE-Bench o Terminal-Bench perché l'harness agentic-RL non è mai stato addestrato al suo interno.

Ciò che il 3B mantiene è il {{1}}nucleo di ragionamento{{/1}} e la {{2}}interfaccia{{/2}}:

• Parametri — 3B (circa 4B in totale con gli embedding secondo i metadati safetensors), Transformer denso decoder-only basato su Granite-4.1-3B-Base.

• Architettura — attenzione a query raggruppate (40 teste, 8 teste KV), RoPE a θ=10.000.000, MLP SwiGLU (dimensione nascosta 8.192), RMSNorm, bfloat16.

• Contesto — 131.072 token nativamente; una quinta fase di pre-addestramento estende la finestra a 512K.

• Modalità di ragionamento — pensiero completo per impostazione predefinita (<think>...</think>), assenza di pensiero tramite enable_thinking=False, e una modalità a basso sforzo che impiega un breve budget di ragionamento per le domande facili.

• Chiamata degli strumenti — chiamata di funzione compatibile con OpenAI, lo stesso schema utilizzato dai modelli più grandi, servita tramite un endpoint vLLM; le integrazioni con OpenHands, OpenCode e Pi sono documentate.

• Lingue — 12 testate: inglese, tedesco, spagnolo, francese, giapponese, portoghese, arabo, ceco, italiano, coreano, olandese, cinese.

• Serving — Hugging Face Transformers, vLLM (v0.20+ con un parser di pensiero dedicato), SGLang, build GGUF per llama.cpp, quantizzazioni FP8/NVFP4/MXFP4 e Ollama.

I numeri riportati dal fornitore

La scheda riporta punteggi elevati di ragionamento, e tutti sono di IBM. Nelle valutazioni di matematica e ragionamento, il modello 3B registra 78,33 su AIME 2025, 66,67 su HMMT February 2025, 54,80 su GPQA e 69,71 su LiveCodeBench v6. Per quanto riguarda il seguire le istruzioni: 67,84 su MMLU-Pro e 74,33 su IFBench. Sul contesto lungo, i punteggi RULER sono 67,52 a 64K e 55,30 a 128K. Nelle valutazioni agentiche generali, il 3B riesce — uso base di strumenti, senza il blocco agentico-RL — e registra 52,41 su BFCL v4.

Nessuno di questi risultati è stato riprodotto in modo indipendente. Il modello è stato rilasciato il 25 agosto; Artificial Analysis non ha ancora una scheda per esso, e nessuna valutazione di terze parti è stata pubblicata. Il punteggio AIME di 78.33 è quello da osservare: per un modello denso di classe 3B, si colloca molto al di sopra dell'intervallo che i piccoli modelli open source hanno storicamente raggiunto, e un numero sulla carta come quello è esattamente ciò che un tentativo di riproduzione o conferma o ritratta in silenzio. Tratta ogni cifra in questa sezione come un'affermazione di IBM.

Cosa è confermato, e cosa no.

Confermato dagli artefatti: i pesi sono scaricabili; la licenza è Apache 2.0; l'architettura, le lunghezze di contesto, le modalità di ragionamento e l'interfaccia di chiamata degli strumenti corrispondono alla scheda; e la ricetta di addestramento è documentata con un dettaglio insolito, fino alle proporzioni dei dati e al cluster NVIDIA GB200 NVL72 (ospitato da CoreWeave) utilizzato per addestrare la famiglia. Confermato dal lavoro di integrazione al rilascio: Ollama elenca già granite4.2:3b, e la scheda documenta i percorsi di servizio vLLM, SGLang, Transformers e GGUF.

Non ancora confermato: risultati di benchmark indipendenti; se un'API ospitata — il watsonx di IBM o qualsiasi terza parte — apparirà e a quale prezzo; come si comporta l'estensione 512K su carichi di lavoro reali con documenti lunghi piuttosto che nei test RULER needle; e come la chiamata di strumenti di base del 3B regge nei loop di agenti di produzione dove non ha un addestramento agentic-RL su cui fare affidamento.

Dove compete la 3B, e come testarla

La scommessa della 3B è che piccolo e locale sia una caratteristica, non un compromesso. Sotto di essa la famiglia si ferma — la 3B è il livello minimo della linea Granite 4.2 — e attorno ad essa il campo del ragionamento economico è affollato sul lato hosted, con DeepSeek V4 Flash e Gemini 3.5 Flash-Lite ad ancorare i livelli di ragionamento hosted economici e piccoli modelli di ragionamento open-weight in arrivo per tutto l'anno. La 3B è diversa da tutti loro in un modo specifico: è densa, Apache-2.0, e abbastanza piccola che il costo marginale di una richiesta è l'elettricità di una sola GPU modesta — ed è anche nuova, non comprovata, e senza una sola valutazione di terze parti.

Quella combinazione è esattamente dove un livello di routing dimostra il suo valore. OrcaRouter non instrada Granite 4.2 3B — la linea di disponibilità onesta è il self-hosting tramite vLLM, SGLang o Ollama, o i canali stessi di IBM man mano che compaiono — ma i modelli hosted con cui compete sono su OrcaRouter al prezzo di listino del fornitore, trasferiti con margine 0%, dietro una sola chiave API. Se stai costruendo l'harness di confronto che decide se il ragionamento locale del 3B batte l'affitto di un modello budget hosted, una chiave punta al campo hosted, lo metti a confronto A/B con un Granite self-hosted attraverso un singolo endpoint, e il failover automatico assorbe le ore in cui il tuo pool di GPU è saturo. Un taglio di prezzo su quelle alternative hosted si riflette nel prezzo trasferito lo stesso giorno in cui avviene.

Cosa guardare

Tre cose decideranno come verrà ricordato questo rilascio. In primo luogo, una riproduzione indipendente dei numeri di AIME e GPQA — il divario tra 78.33 su una scheda e 78.33 su un'esecuzione di terze parti è dove le affermazioni sui piccoli modelli vivono o muoiono. In secondo luogo, se watsonx o un altro host adotterà il modello 3B e a quale prezzo per token; un modello di ragionamento quantizzato sotto i 2 gigabyte potrebbe creare un livello hosted sorprendentemente economico. In terzo luogo, se la modalità di ragionamento a basso sforzo mantenga la qualità sulle domande facili, perché è quella modalità a rendere un modello di ragionamento delle dimensioni di un laptop utilizzabile nel traffico reale dei prodotti. Granite 4.2 3B è un modello di ragionamento genuinamente aperto e ben documentato che è stato rilasciato in sordina e può essere in esecuzione sul tuo hardware già da domani; tutte le questioni aperte avranno risposte entro poche settimane.