IBM представила Granite 4.2 для локального запуска LLM
Новая линейка открытых моделей IBM рассчитана на самостоятельное размещение и делает акцент на рассуждениях, агентных возможностях и предсказуемом внедрении в компаниях
Один основной источник · Как мы проверяем новости
Что произошло
IBM представила Granite 4.2 — новые открытые большие языковые модели, предназначенные для загрузки и самостоятельного размещения.
Линейка вышла в трех вариантах: 3B, 8B и 30B параметров. Как и в предыдущих версиях, IBM использует архитектуру только с декодером.
Детали
Granite 4.2 нативно поддерживает контекстное окно на 128 000 токенов.
Модели 8B и 30B прошли блок агентного обучения с подкреплением. Их обучали для расширенных возможностей, включая использование терминала, веб-поиск и работу с внешними инструментами. Версия 3B тоже поддерживает инструменты, но без такого же уровня специализированного обучения.
IBM описывает Granite 4.2 как выпуск семейства Granite, ориентированный на рассуждения. В контексте LLM речь идет не о сознательном понимании задачи, а о функциональном рассуждении, включая цепочку рассуждений и перенос промежуточных результатов через несколько шагов.
Почему это важно
Для пользователей акцент на рассуждениях может означать более строгие и точные ответы в отдельных случаях, но также более медленную генерацию и более высокие вычислительные требования.
Семейство Granite обычно не позиционируется как самое быстрое или наиболее агрессивно инновационное. На фоне конкурентов в сегменте локальных корпоративных моделей, включая Nvidia Nemotron, ставка IBM выглядит направленной на предсказуемое внедрение.
Контекст
Интерес к локальным моделям растет на фоне обсуждений стоимости и вычислительных ограничений передовых облачных моделей от компаний вроде Anthropic и OpenAI.
Индивидуальные разработчики и корпоративные организации рассматривают локальные модели как более дешевые альтернативы. Это также усилило интерес к маршрутизаторам моделей — AI-инструментам, которые направляют запросы и задачи к подходящим моделям, балансируя производительность, скорость и стоимость.
Такие модели также востребованы у энтузиастов, AI-исследователей и независимых разработчиков, поскольку их можно настраивать на локальном оборудовании без платы за API по токенам.
Источники
Один основной источник. Как мы проверяем новости
