O que é Granite 4.2?
Granite 4.2 é a família de modelos abertos da IBM, lançada em 25 de agosto de 2026. Ela vem em três tamanhos densos, 3B, 8B e 30B, todos com entrada e saída de texto. Cada modelo pode raciocinar passo a passo, responder diretamente ou usar um modo de baixo esforço que raciocina brevemente.
Todos os tamanhos foram treinados com aprendizado por reforço em matemática, ciência, programação e chamadas de ferramenta; o 8B e o 30B também receberam treinamento de agente em engenharia de software, trabalho em terminal e busca na web. A IBM acrescentou 1 trilhão de tokens de código sintético. Os modelos lidam nativamente com 128K tokens, e os cards do 8B e do 30B listam uma extensão para 512K. Eles suportam 12 idiomas, incluindo inglês, alemão, espanhol, francês, japonês, árabe, coreano e chinês.
Os pesos estão sob Apache 2.0 no Hugging Face, no Ollama e no LM Studio, e os modelos são hospedados no watsonx, OpenRouter, Replicate, DeepInfra, CoreWeave e outros.
Granite 4.2 vale a pena?
O Granite 4.2 é uma escolha sólida e sem brilho: três modelos densos sob uma licença limpa que raciocinam bem para o seu tamanho e ficam no meio da tabela quando outra pessoa faz a avaliação. A Artificial Analysis dá ao 30B 13 no seu Intelligence Index, 29º de 141 modelos abertos entre 4B e 40B parâmetros, em que a mediana é 8. É um ponto acima do gpt-oss-120b da OpenAI, um modelo quatro vezes maior.
O card da IBM traz o restante, tudo autodeclarado em um harness construído sobre o NeMo Evaluator da NVIDIA, sem modelos rivais na tabela. O 30B chega a 57 no SWE-bench Verified, 29,24 no Terminal-Bench 2.1 e 89,17 no AIME 2025; o 8B marca 47,67 no SWE-bench Verified. Um número enfraquece a história dos agentes: no teste de chamadas de ferramenta BFCL v4, o 8B marca 52,39, empatado com os 52,41 do 3B, apesar do treinamento extra de agente. O contexto longo se sustenta no 30B (81,38 no RULER com 128K) e se perde no 3B (55,30).
Os modelos são fáceis de rodar. As versões de 4 bits do Ollama têm 2,2GB, 5,3GB e 18GB, então o 30B cabe em uma placa de 24GB e o 8B em um notebook. O vLLM precisa da versão 0.20 ou posterior, de um parser de raciocínio próprio do repositório e do parser de ferramentas qwen3_coder. A extensão para 512K é mais difícil de achar na prática: os próprios exemplos de serviço do card param em 131.072 tokens, e todas as tags do Ollama listam 128K.
Hospedado, ele é barato, mas prolixo. A Artificial Analysis acompanha um provedor de API, a IBM, a $0,16 por milhão de tokens de entrada e $0,65 por milhão de saída, a 67 tokens por segundo, abaixo da mediana da sua classe. O 30B usou 100M de tokens de saída para completar o índice, contra uma mediana de 82M, então os modos sem raciocínio e de baixo esforço são os principais controles de custo.
Ele é só texto, o que deixa imagens e áudio para o Gemma 4. Para uma empresa que já compra watsonx, porém, os mesmos pesos chegam dentro de um contrato existente, e esse é um caminho de compra mais curto do que qualquer posição em ranking.
Onde ele se destaca
Uma equipe de plataforma em uma seguradora que roda agentes on-premises
Rodar um assistente de sinistros com chamadas de ferramenta em uma GPU de 48GB
O 30B em 8 bits é uma versão de 31GB, que deixa espaço para contexto em uma placa de 48GB, e marca 61,39 no BFCL v4. A Apache 2.0 elimina a revisão de licença, e o parser de ferramentas do vLLM cuida das chamadas de função.
Um desenvolvedor com um notebook de 16GB
Usar um assistente de programação local offline
O 8B em 4 bits é um download de 5,3GB no Ollama; 47,67 no SWE-bench Verified, pela conta da IBM, é útil para pequenas correções, mas fica bem atrás dos modelos de programação hospedados. O 3B, com 2,2GB, serve para perguntas rápidas.
Um gerente de produto que calcula o preço de um recurso de triagem com IA no watsonx
Classificar e resumir 1M de solicitações de suporte por mês
Com 1.500 tokens de entrada e 800 de saída por solicitação, as tarifas de $0,16/$0,65 da IBM dão cerca de $760 por mês. Desligar o raciocínio para tickets de rotina reduz a parcela de saída, que é a maior parte da conta.
Antes de decidir
- Configuração
- ollama run granite4.2 baixa o 8B; o vLLM 0.20+ precisa do arquivo granite_thinking_parser do repositório e de --tool-call-parser qwen3_coder; o SGLang 0.5.18+ também funciona.
- Integrações
- Hugging Face, Ollama, LM Studio, watsonx, OpenRouter, Replicate, DeepInfra e CoreWeave; os modos de raciocínio são definidos por chat_template_kwargs.
- Dados e privacidade
- Apache 2.0, aberto para uso comercial e de pesquisa, sem limites de área de uso; prompts auto-hospedados ficam no seu hardware.
- Custo em escala
- A API da IBM cobra $0,16 por milhão de tokens de entrada e $0,65 por milhão de saída, com 75% de desconto em acertos de cache. Auto-hospedado, o 30B precisa de cerca de 18GB em 4 bits ou 31GB em 8 bits.
- Limites
- Contexto de 128K na prática; a extensão para 512K não está na configuração de serviço de referência. Só texto. 67 tokens por segundo na API da IBM, e prolixo quando raciocina.
O que é bom
- Apache 2.0 sem condições
- Densos de 3B, 8B e 30B; o 30B cabe em uma GPU de 24GB em 4 bits
- Modos com raciocínio, sem raciocínio e de baixo esforço em um só modelo
- O 30B marca 13 na Artificial Analysis, acima do gpt-oss-120b
O que não é
- Só texto
- Os benchmarks do card são da própria IBM, sem comparações com rivais
- O 8B não é melhor que o 3B em chamadas de ferramenta no BFCL
- Prolixo no modo com raciocínio, o que aumenta a conta de saída
Ideal para
Empresas e desenvolvedores que querem modelos de raciocínio pequenos e com licença permissiva para agentes locais ou on-premises.
Alternativas ao Granite 4.2
Granite 4.2: perguntas frequentes
- Granite 4.2 vale a pena?
- O Granite 4.2 é a família aberta que um comitê de risco aprova mais rápido, com raciocínio bom para o seu tamanho e longe da fronteira. Damos nota 4.0 de 5.
- Quanto custa Granite 4.2?
- Pesos gratuitos sob Apache 2.0; hospedagem no watsonx e em terceiros cobrada à parte.
- Quais são as desvantagens de Granite 4.2?
- Só texto; os benchmarks do card são da própria IBM, sem comparações com rivais; o 8B não é melhor que o 3B em chamadas de ferramenta no BFCL; prolixo no modo com raciocínio, o que aumenta a conta de saída.
- Para quem Granite 4.2 é indicado?
- Empresas e desenvolvedores que querem modelos de raciocínio pequenos e com licença permissiva para agentes locais ou on-premises.
- Quanto custa Granite 4.2 para uma equipe ou em produção?
- A API da IBM cobra $0,16 por milhão de tokens de entrada e $0,65 por milhão de saída, com 75% de desconto em acertos de cache. Auto-hospedado, o 30B precisa de cerca de 18GB em 4 bits ou 31GB em 8 bits.
- Granite 4.2 é seguro para dados da empresa?
- Apache 2.0, aberto para uso comercial e de pesquisa, sem limites de área de uso; prompts auto-hospedados ficam no seu hardware.
- Quais são as melhores alternativas ao Granite 4.2?
- As alternativas mais próximas que analisamos são Gemma 4, gpt-oss-20b, Devstral Small 2 e Falcon-H1R-7B.
Respostas verificadas em 22 de out. de 2026.