Granite 4.2 3B foi lançado: o modelo de raciocínio do tamanho de um laptop da IBM afirma alcançar 78.33 no AIME 2025

Você pode executar o Granite 4.2 3B em um laptop hoje à noite. Esse é o fato prático por trás do número das manchetes: a IBM lançou o Granite 4.2 3B em 25 de agosto de 2026 sob a licença Apache-2.0, como o menor dos três modelos densos de raciocínio da nova família Granite 4.2 — Granite 4.2 3B, Granite 4.2 8B e Granite 4.2 30B — e seu model card afirma 78,33 no AIME 2025, uma pontuação de raciocínio matemático que, há poucos anos, pertencia apenas a modelos cem vezes maiores. Os pesos chegam a aproximadamente 3 bilhões de parâmetros: seis a oito gigabytes em bfloat16, menos de dois gigabytes em uma quantização prática. Esse é o ponto central deste lançamento — um modelo de raciocínio que antes era uma compra de datacenter agora cabe em uma mochila.

O enquadramento honesto precisa ficar ao lado disso. Cada número no cartão é da própria IBM, impresso no dia em que os pesos foram disponibilizados, e nenhum laboratório independente reproduziu qualquer um deles. Ainda não há API hospedada — o cartão não lista nenhum provedor de inferência — então a única maneira de conhecer este modelo hoje é executá-lo você mesmo ou esperar que um nível hospedado apareça. Esta é uma leitura do que sabemos até agora sobre o menor membro da família, o que significa ser preciso sobre quais afirmações o repositório realmente sustenta.

O que foi lançado, e quão silenciosamente

Granite 4.2 é a geração de raciocínio da IBM — a primeira família Granite construída em torno de cadeia de pensamento explícita, e a primeira a adicionar treinamento agêntico em escala em seus membros maiores. Os três tamanhos são Transformers densos, somente decodificador, sob Apache 2.0, pré-treinados em aproximadamente 15 trilhões de tokens em cinco fases, e todos rodam com contexto nativo de 128K e extensão de contexto longo para 512K. O anúncio não foi um lançamento para a imprensa: a fonte primária é o blog técnico do Hugging Face, "Granite 4.2 LLMs: How They're Built," publicado junto com os cartões de modelo em 25 de agosto. A imprensa de tecnologia chinesa noticiou a família em poucas horas, e o Ollama já lista uma build granite4.2:3b.

O que torna o 3B o membro de borda?

O 3B é pós-treinado a partir do Granite-4.1-3B-Base, e o que o distingue de seus irmãos é o que ele não tem. O Granite 4.2 8B e o Granite 4.2 30B ambos receberam o aprendizado por reforço agêntico da IBM — treinamento que ensina um modelo a operar um terminal, executar código e pesquisar na web em ambientes isolados, e é por isso que esses dois apresentam pontuações em SWE-Bench e Terminal-Bench. O 3B pula esse bloco completamente; sua ficha técnica não relata resultados de SWE-Bench ou Terminal-Bench porque o mecanismo de RL agêntico nunca foi treinado nele.

O que o 3B mantém é o núcleo de raciocínio e a interface:

• Parâmetros — 3B (cerca de 4B no total com embeddings, de acordo com os metadados do safetensors), Transformer denso somente com decoder, construído sobre Granite-4.1-3B-Base.

• Arquitetura — atenção com consultas agrupadas (40 cabeças, 8 cabeças KV), RoPE com θ=10.000.000, MLP SwiGLU (dimensão oculta 8.192), RMSNorm, bfloat16.

• Contexto — 131.072 tokens nativamente; uma quinta fase de pré-treinamento estende a janela para 512K.

• Modos de raciocínio — pensamento completo por padrão (<think>...</think>), não-pensamento via enable_thinking=False, e um modo de baixo esforço que gasta um pequeno orçamento de raciocínio em perguntas fáceis.

• Chamada de ferramentas — chamada de função compatível com OpenAI, o mesmo esquema usado pelos modelos maiores, fornecida por meio de um endpoint vLLM; as integrações com OpenHands, OpenCode e Pi estão documentadas.

• Idiomas — 12 testados: inglês, alemão, espanhol, francês, japonês, português, árabe, tcheco, italiano, coreano, holandês, chinês.

• Serving — Hugging Face Transformers, vLLM (v0.20+ com um parser de raciocínio dedicado), SGLang, builds GGUF para llama.cpp, quantizações FP8/NVFP4/MXFP4 e Ollama.

Os números relatados pelo fornecedor

O cartão traz pontuações altas de raciocínio, e todas são da própria IBM. Nas avaliações de matemática e raciocínio, o 3B lista 78,33 no AIME 2025, 66,67 no HMMT de fevereiro de 2025, 54,80 no GPQA e 69,71 no LiveCodeBench v6. Em seguimento de instruções: 67,84 no MMLU-Pro e 74,33 no IFBench. Em contexto longo, as pontuações RULER são 67,52 em 64K e 55,30 em 128K. Nas avaliações agênticas gerais que o 3B inclui — uso básico de ferramentas, sem o bloco de RL agêntico — ele lista 52,41 no BFCL v4.

Nada disso foi reproduzido de forma independente. O modelo foi lançado em 25 de agosto; a Artificial Analysis ainda não tem uma entrada para ele, e nenhuma avaliação de terceiros foi publicada. O número 78.33 do AIME é o que se deve observar: para um modelo denso de classe 3B, ele fica muito acima do intervalo que pequenos modelos abertos alcançaram historicamente, e um número tão bom no papel é exatamente o que uma execução de reprodução confirma ou discretamente recua. Trate todos os números nesta seção como afirmação da IBM.

O que está confirmado e o que não está

Confirmado pelos artefatos: os pesos estão disponíveis para download; a licença é Apache 2.0; a arquitetura, os comprimentos de contexto, os modos de raciocínio e a interface de chamada de ferramentas correspondem ao card; e a receita de treinamento está documentada com detalhes incomuns, até as proporções dos dados e o cluster NVIDIA GB200 NVL72 (hospedado pela CoreWeave) usado para treinar a família. Confirmado pelo trabalho de integração no dia do lançamento: o Ollama já lista granite4.2:3b, e o card documenta os caminhos de serving com vLLM, SGLang, Transformers e GGUF.

Ainda não confirmado: resultados de benchmarks independentes; se uma API hospedada — o próprio watsonx da IBM ou qualquer terceiro — aparecerá e a que preço; como a extensão de 512K se comporta em cargas de trabalho reais de documentos longos, em vez de testes de agulha RULER; e como a chamada básica de ferramentas do 3B se sustenta em loops de agentes de produção, onde não há treinamento agentic-RL em que se apoiar.

Onde o 3B compete, e como testá-lo

A aposta da 3B é que ser pequeno e local é uma característica, não um compromisso. Abaixo dela, a família termina — a 3B é o piso da linha Granite 4.2 — e ao seu redor, o campo de raciocínio econômico é denso no lado hospedado, com DeepSeek V4 Flash e Gemini 3.5 Flash-Lite ancorando os níveis baratos de raciocínio hospedado e pequenos modelos de raciocínio de pesos abertos chegando o ano todo. A 3B é diferente de todos eles em um aspecto específico: é densa, Apache-2.0 e pequena o suficiente para que o custo marginal de uma solicitação seja a eletricidade de uma GPU modesta — e também é nova, não comprovada e sem uma única avaliação de terceiros.

Essa combinação é exatamente onde uma camada de roteamento mostra seu valor. O OrcaRouter não roteia o Granite 4.2 3B — a linha de disponibilidade honesta é self-hosting via vLLM, SGLang ou Ollama, ou pelos canais da própria IBM, à medida que surgem — mas os modelos hospedados com os quais ele compete estão no OrcaRouter pelo preço de tabela do provedor, repassados com margem de 0%, atrás de uma única chave de API. Se você está construindo a estrutura de comparação que decide se o raciocínio local do 3B supera o aluguel de um modelo hospedado econômico, uma chave aponta para o campo hospedado, você o testa A/B contra um Granite auto-hospedado por meio de um único endpoint, e o failover automático absorve as horas em que seu próprio pool de GPUs está saturado. Uma redução de preço nessas alternativas hospedadas aparece no preço repassado no mesmo dia em que ocorre.

O que assistir

Três coisas decidirão como esta versão será lembrada. Primeiro, uma reprodução independente dos números de AIME e GPQA — a diferença entre 78,33 no cartão do modelo e 78,33 em uma execução de terceiros é onde as alegações sobre modelos pequenos vivem ou morrem. Segundo, se a watsonx ou outro provedor adotar o 3B e a que preço por token; um modelo de raciocínio quantizado com menos de 2 gigabytes poderia criar uma camada hospedada surpreendentemente barata. Terceiro, se o modo de raciocínio de baixo esforço mantém a qualidade em perguntas fáceis, porque esse modo é o que torna um modelo de raciocínio do tamanho de um laptop utilizável no tráfego real de produtos. O Granite 4.2 3B é um modelo de raciocínio genuinamente aberto e bem documentado que foi lançado discretamente e pode estar rodando no seu hardware até amanhã; todas as questões em aberto têm respostas chegando nas próximas semanas.