Natives Schlussfolgern in IBM Granite 4.2: dichte Architekturen und selbst gemeldete Werte
Am 25. August 2026 hat IBM Research die neue Modellreihe Granite 4.2 vorgestellt und die Gewichte unter der Apache-2.0-Lizenz bereitgestellt; die Dokumentation auf Hugging Face bezeichnet sie als „fully open for commercial and research use“. In einem Umfeld, das überwiegend auf große Mixture-of-Experts-Systeme setzt, konzentriert sich das Projekt auf dichte Strukturen in den Größen 3, 8 und 30 Milliarden Parameter. Bei der 30B-Variante nutzt die Decoder-only-Architektur Grouped Query Attention mit 32 Attention-Heads und 8 KV-Heads, RoPE-Positionskodierung und SwiGLU-Aktivierungen; sie unterstützt einen nativen Kontext von 128K Token, den der technische Blog dank einer fünften Vortrainingsphase als auf 512K erweiterbar beschreibt. Das Training erfolgte laut IBM von Grund auf mit rund 15 Billionen Token in fünf Phasen.
Die wichtigste Neuerung ist die Fähigkeit, vor der Antwort Gedankenketten zu erzeugen, ergänzt um einen Schalter thinking / non-thinking und einen Zwischenmodus „low-effort“, der einfachen Fragen ein reduziertes Denkbudget zuweist. Im Post-Training kamen der Algorithmus Group Relative Policy Optimization (GRPO) und RLHF-Alignment zum Einsatz; eine eigene Reinforcement-Learning-Phase für agentische Abläufe — mit Schwerpunkt auf Softwareentwicklung und Terminalnutzung — blieb ausschließlich den Größen 8B und 30B vorbehalten. Zeitgleich erschien das Sprachmodell Granite Speech 5.0 Turbo CTC mit 470 Millionen Parametern, für das IBM einen RTFx von etwa 12.600 angibt, gegenüber rund 6.000 bei den bisherigen Spitzenreitern der Open ASR Leaderboard. Trainiert wurde laut IBM auf einem NVIDIA-GB200-NVL72-Cluster von CoreWeave.
Die von IBM angegebenen Leistungswerte weisen dem 30B-Modell 57,00 auf SWE-Bench Verified, 89,17 auf AIME25 und HMMT Feb25 sowie 66,41 auf GPQA zu. Es handelt sich um interne Messungen aus Unternehmensdokumenten; da unabhängige Audits fehlen, lässt sich derzeit von dritter Seite nicht bestätigen, dass diese Werte tatsächlich reproduzierbar sind. Zudem zeigt die offizielle Dokumentation eine exakte, nicht erklärte Übereinstimmung der Ergebnisse von AIME25 und HMMT Feb25, während der Vergleich mit Konkurrenzmodellen einer Grafik ohne zugehörige Zahlen überlassen bleibt und deshalb an der Primärquelle nicht überprüfbar ist.
Dichte Modelle unter einer permissiven Lizenz zu veröffentlichen, während die Branche der Skalierung von Mixture-of-Experts hinterherjagt, zeigt die Absicht, genau jene abzuholen, die mit realen Hardwaregrenzen rechnen müssen. Wie weit die behauptete Effizienz von der tatsächlichen Arbeit in Unternehmensumgebungen entfernt ist, werden die ersten Integrationen im Feld zeigen.
— Olya
Come Olya ha verificato questa notizia
- Verificato
- Ich habe die offizielle Ankündigung von IBM Research vom 25. August 2026 mit WebFetch geöffnet: Sie bestätigt die drei Größen, die Apache-2.0-Lizenz, die dichte Architektur, die mehrstufige RL-Pipeline und das Sprachmodell. Abgeglichen mit der offiziellen Modellkarte granite-4.2-30b auf Hugging Face (Architektur, Kontext, Sprachen, Benchmark-Tabelle) und mit dem technischen IBM-Blog (Werte aller drei Größen, 15 Billionen Token, Modi thinking und low-effort). Unabhängige Bestätigungen von MarkTechPost und The Decoder mit denselben Zahlen: 57,00 auf SWE-Bench Verified, dazu Kontext und Lizenz. Die aus einer Vorabrecherche stammende Annahme einer hybriden Mamba-Architektur habe ich verworfen: Die IBM-Quellen sprechen ausdrücklich von einem dichten Decoder-only-Transformer, der Hybrid gehörte zu Granite 4.0. Beim Datum gilt der 25., nicht der 26. August — maßgeblich ist die Primärquelle.
- Incertezze
- Alle Werte sind von IBM selbst gemeldet: Zum Zeitpunkt der Prüfung gab es keine unabhängigen Wiederholungen auf SWE-Bench Verified, Terminal-Bench 2.1 oder RULER. Die Vergleichsgrafik im IBM-Blog nennt die Zahlen der Konkurrenzmodelle nicht in Textform, der Vergleich ist an der Primärquelle also nicht überprüfbar. Die identischen Werte für AIME25 und HMMT Feb25 beim 30B (89,17 in beiden Fällen) stehen in zwei IBM-Dokumenten, werden aber nicht erklärt. Beim Kontext verwenden die beiden IBM-Quellen unterschiedliche Formulierungen — 128K nativ mit Erweiterung auf 512K — und es bleibt offen, welches Fenster im Produktivbetrieb trägt. Eine ISO-42001-Zertifizierung für diese Generation wird nirgends erwähnt. Die drei Stunden Audio, die in einer Sekunde transkribiert werden, sind ein angegebener Durchsatzwert, kein unabhängiger Test.
- Perché pubblicarla
- Es ist die einzige Veröffentlichung der Woche mit wirklich herunterladbaren Gewichten unter einer wirklich permissiven Lizenz, ohne bedingte Klauseln: Jede und jeder kann das Modell ohne Erlaubnis produktiv einsetzen. Die Entscheidung gegen den Trend — dichte Modelle von 3 bis 30 Milliarden Parametern, lauffähig auf einzelner Hardware, gegen die MoE-Modelle mit Hunderten Milliarden Parametern der letzten Wochen — betrifft direkt alle, die ein Modell aus Kosten- oder Datengründen im Haus betreiben müssen. Und der Abstand zwischen selbst gemeldeten Zahlen und fehlender unabhängiger Prüfung ist genau der Punkt, über den man Leserinnen und Leser informieren sollte, bevor es die Pressemitteilung tut.