L'annonce Hugging Face[1][6] d'IBM « Granite 4.2 LLM : comment ils sont construits » et la carte modèle ibm-granite/granite-4.2-8b donnent toutes deux la sortie le 25 août 2026 ; OpenRouter[3] répertorie le 8B le 31 août, date à laquelle le routeur l'a ajouté.
- Début
- 25 août 2026CONFIANCE 90 %selon la source
Sortie de Granite 4.2 8B, 3B et 30B
Traduit automatiquement de l’original
Titre original: Granite 4.2 8B, 3B and 30B Released
IBM lance Granite 4.2, trois modèles de raisonnement Apache 2.0 ouverts (3B, 8B et 30B) avec un mode de réflexion commutable ; le 8B obtient un score de 47,67 sur SWE-bench Verified et de 86,67 sur AIME25 dans les propres exécutions d'IBM.
- IBM a publié Granite 4.2 le 25 août 2026 : trois modèles de raisonnement à poids ouvert denses, uniquement par décodeur, de paramètres 3B, 8B et 30B, tous sous la licence Apache 2.0, qu'IBM appelle sa première famille de LLM de raisonnement dense.[1]
- Il s'agit d'une version post-formation plutôt que d'un nouveau pré-entraînement : les modèles partent des modèles de base Granite 4.1 arrivés en avril, puis passent par un réglage fin supervisé, un apprentissage par renforcement GRPO en plusieurs phases sur les mathématiques, le code, la science, le suivi des instructions, l'utilisation des outils, le chat et la sortie structurée, et une phase finale RLHF.[1][4][6]
- Les modèles 8B et 30B bénéficient d'une étape RL agentique supplémentaire dans des environnements sandbox pour l'ingénierie logicielle, le travail sur les terminaux et la recherche sur le Web ; le 3B l'ignore mais continue d'appeler l'outil[1][4]
- Dans les propres exécutions d'IBM, le 8B atteint 47,67 sur SWE-bench Verified, 86,67 sur AIME25, 64,14 sur GPQA et 74,04 sur MMLU-Pro, contre 57,00, 89,17, 66,41 et 77,60 pour le 30B ; ce sont des chiffres rapportés par le fournisseur que personne n'a encore reproduits, et IBM ne publie aucune comparaison avec les modèles concurrents[1][5][6]
- L'accès hébergé est bon marché : OpenRouter répertorie les 8 milliards à 0,06 $ pour 1 million de jetons d'entrée et 0,25 $ pour 1 million de jetons de sortie avec un contexte de 131 072 jetons.[3]
Caractéristiques notables
- Un point de contrôle, trois comportements : penser par défaut, un mode de non-réflexion et un mode de réflexion à faible effort qui consacre un court budget de raisonnement à des questions faciles[6]
- Architecture 8B : 40 couches, taille d'intégration de 4 096, attention aux requêtes groupées avec 32 requêtes et 8 têtes clé-valeur, longueur de séquence de 131 072 jetons (la carte décrit également une extension de contexte long jusqu'à 512 Ko)[6]
- Testé en 12 langues : anglais, allemand, espagnol, français, japonais, portugais, arabe, tchèque, italien, coréen, néerlandais et chinois[6]
- Outil natif appelant au format d'appel de fonction OpenAI, servi via vLLM ou SGLang, avec des notes de configuration pour les harnais d'agents OpenCode, Pi et OpenHands, ainsi que les versions FP8, NVFP4 et MXFP4 et GGUF pour lama.cpp, Ollama et LM Studio.[1][6]
- Formé sur un cluster NVIDIA GB200 NVL72 hébergé sur CoreWeave avec NeMo RL et NeMo Gym ; texte uniquement, et IBM suggère de l'associer à Granite Guardian pour la détection des risques[5][6]
Repères[6]
| Référence | Granit 4.2 3B | Granit 4.2 8B | Granit 4.2 30B |
|---|---|---|---|
| SWE-bench Vérifié (codage agent) | n/a | 47.67 | 57.00 |
| SWE-bench Multilingue (codage agent) | n/a | 30.78 | 41.89 |
| SWE-bench Pro (codage agent) | n/a | 19.11 | 33.29 |
| Terminal-Bench 2.1 (codage agent) | n/a | 20.56 | 29.24 |
| Moyenne du banc τ³ (agentique, général) | 45.78 | 58.06 | 62.00 |
| AIME25 (raisonnement) | 78.33 | 86.67 | 89.17 |
| HMMT 25 février (raisonnement) | 66.67 | 78.33 | 89.17 |
| GPQA (raisonnement) | 54.80 | 64.14 | 66.41 |
| LiveCodeBench v6 (raisonnement) | 69.71 | 73.24 | 75.77 |
| SciCode (raisonnement) | 24.11 | 36.09 | 38.76 |
| MMLU-Pro (chat et instructions suivantes) | 67.84 | 74.04 | 77.60 |
| Arena-Hard-V2 (chat et instructions suivantes) | 34.96 | 65.19 | 67.93 |
| IFBench, invite (chat et instructions suivantes) | 74.33 | 79.33 | 77.17 |
| RÈGLE 64K (contexte long) | 67.52 | 80.99 | 89.96 |
| RÈGLE 128K (contexte long) | 55.30 | 71.41 | 81.38 |