IBM、推論特化のGranite 4.2を公開 — 3B/8B/30Bの3サイズ、Agentic RLと512KコンテキストでApache 2.0提供

IBM Graniteチームは2026年8月25日、推論特化の言語モデルファミリー Granite 4.2 を公開した。サイズは 3B / 8B / 30B の3種類で、いずれも dense な decoder-only アーキテクチャを採用し、ゼロからの事前学習、思考過程（chain-of-thought）を含む教師ありファインチューニング（SFT）、多段階の強化学習（RL）という共通パイプラインで構築されている。Hugging Faceの公式ブログ「Granite 4.2 LLMs: How They’re Built」でビルド手法の詳細が解説され、モデルとコレクションはApache 2.0ライセンスで公開された。

推論特化の設計：思考モードと512Kコンテキスト

Granite 4.2は従来の指示追従型Graniteから推論能力を前面に押し出したリリースと位置づけられる。

• 思考/非思考の切替：全サイズが推論前に思考過程を生成する thinkingモード と、思考をスキップする non-thinkingモード を備える。タスクの難易度に応じて使い分けられる。
• 低労力（low-effort）思考：中間的なモードとして、容易な質問には短い推論バジェットで回答する省力モードを用意。
• 512Kコンテキスト：約15Tトークンで5段階の事前学習を実施し、段階的にコンテキスト長を拡張して最大512Kトークンに対応。
• ネイティブなツール呼び出し：OpenAI互換エンドポイント（vLLM等）経由でfunction-calling形式のツール呼び出しをそのまま出力。SGLangのクックブックでも提供される。
• 12言語対応：英語、ドイツ語、スペイン語、フランス語、日本語、ポルトガル語、アラビア語、チェコ語、イタリア語、韓国語、オランダ語、中国語をサポート。

すべてのモデルが同一アーキテクチャと学習パイプラインを共有しつつ、サイズごとに能力差が設計されている。特にポストトレーニングの差分が明確だ。

多段階RLとAgentic RL：8B/30Bが実環境で「行動」を学習

ポストトレーニングは Foundational RL → Agentic RL → Alignment（RLHF） の多段階で構成される。

• Foundational RL：数学・科学・コーディングなどの推論スキルを構築する基盤段階。段階的なカリキュラムと報酬設計で能力を積み上げる。
• Agentic RL（8B/30Bのみ）：ツール呼び出し、コード編集・実行、ターミナル操作、Web検索を、シミュレーションではなく 実環境のサンドボックス で学習する。報酬はタスクが実際に解決したかという疎な outcome 報酬で、手法はGRPO。コーディング強化チェックポイントからウォームスタートし、SWE → Terminal → Search の順で実行される。3Bモデルはこのブロックをスキップする。
• 非同期学習ループ：生成とポリシー更新を別GPUプールで分離し、高コストな生成フェーズ（Agentic環境を含む）がオプティマイザー待ちでアイドルにならない設計。

出典: Granite 4.2 LLMs: How They’re Built — Figure 2. 3BはAgentic RLなし、8B/30Bのみが実施

量子化についても当初から考慮され、FP8 / FP4 / GGUF 形式が提供される。推論インフラはハードウェア・ソフトウェアスタックの詳細とともに同ブログで解説されている。

評価：推論、Agenticコーディング、ツール利用でサイズに応じた向上

Granite 4.2は agentic coding、汎用agentic・ツール利用、推論、対話・指示追従、長文コンテキストの各軸で評価された。公開されたベンチマーク表とチャートでは、サイズ拡大に伴う一貫した向上が示されている。

出典: Granite 4.2 LLMs: How They’re Built — Figure 4. Reasoning (pass@1)

出典: Granite 4.2 LLMs: How They’re Built — Figure 5. Agentic coding resolve rates

出典: Granite 4.2 LLMs: How They’re Built — Figure 6. General agentic and tool-use benchmarks

• 推論：AIME25・HMMT（数学）、GPQA（科学）、LiveCodeBench・SciCode（コード推論）で、3B→8B→30Bと一貫してスコアが上昇。
• Agenticコーディング：SWE-Bench派生やTerminal-Benchで30Bが最高の解決率。Agentic RLを経た8B/30Bの優位が明確。
• 汎用agentic・ツール利用：全サイズで評価され、こちらもサイズに応じた改善が報告される。

いずれもベンダーによる自己評価であり、独立した再現評価や他モデルとの公平な比較（同一プロンプト・同一ツール環境・同一デコード条件）は今後の検証が必要になる。ブログ本文には全ベンチマークを網羅した詳細な表も掲載されている。

入手方法とライセンス

• HF Collection: ibm-granite/granite-4.2 Language Models
• GitHub: ibm-granite/granite-4.2-language-models
• Docs: Granite Docs
• ライセンス: Apache 2.0
• 推論: Transformersでの基本推論（thinking / non-thinking / low-effort）、ツール呼び出し、複数ターン会話、OpenCode / Pi / OpenHands などの agentic coding ハーネスとの連携がドキュメント化されている。

IBMは本ファミリーを「最初の推論特化 dense モデル」として、研究用途からエージェント開発まで幅広い利用を想定している。コード・重み・学習手法の透明性が高く、オンプレミスやVPCでの運用を重視する企業にとって、Apache 2.0のオープンウェイトは選択肢になり得る。

出典

• Granite 4.2 LLMs: How They’re Built
• Granite 4.2 HF Collection
• GitHub: ibm-granite/granite-4.2-language-models
• Granite Docs