Im Quellenvergleich
Worin die Quellen übereinstimmen
IBM hat die Granite-4.2-Sprachmodelle in den Größen 3B, 8B und 30B veröffentlicht. Die Modelle wurden von Grund auf mit etwa 15 Billionen Token vortrainiert und unterstützen ein Kontextfenster von bis zu 512.000 Token. Jedes Modell kann zwischen einem Denk- und einem Nicht-Denkmodus umschalten und bietet eine Low-Effort-Option für einfache Fragen. Die 8B- und 30B-Modelle durchlaufen zusätzlich eine agentische Reinforcement-Learning-Phase, in der sie in Sandbox-Umgebungen den Umgang mit Tools lernen. Alle Modelle unterstützen natives Tool-Calling und sind unter der Apache-2.0-Lizenz veröffentlicht. Die Architektur basiert auf einem Decoder-Only-Transformer mit Grouped Query Attention und Rotary Position Embedding. Das Training erfolgt in fünf Phasen, von breiten Webdaten bis zu kuratierten Quellen. Die Supervised Fine-Tuning-Phase nutzt etwa 7,2 Millionen Samples, davon 31,6 Prozent agentische Daten. Nach dem SFT folgt eine mehrstufige RL-Pipeline mit asynchronem GRPO, die mit RLHF endet. Das 3B-Modell durchläuft die agentische Stufe nicht.
Aktualisierungen
26.08.2026
12:06Die Architektur basiert auf einem Decoder-Only-Transformer mit Grouped Query Attention und Rotary Position Embedding.
Das Training erfolgt in fünf Phasen, von breiten Webdaten bis zu kuratierten Quellen.
Die Supervised Fine-Tuning-Phase nutzt etwa 7,2 Millionen Samples, davon 31,6 Prozent agentische Daten.
Nach dem SFT folgt eine mehrstufige RL-Pipeline mit asynchronem GRPO, die mit RLHF endet.
Das 3B-Modell durchläuft die agentische Stufe nicht.
Worin sie sich unterscheidenKontextfenster·Zusätzliche Modellveröffentlichung·Einsatzmöglichkeiten und Plattformen+4 weitere
Kontextfenster- Die Modelle unterstützen ein Kontextfenster von bis zu 512.000 Token.1
- Die Modelle unterstützen ein Kontextfenster von bis zu 512.000 Token.2
- Die Modelle bieten nativ einen Kontext von 128.000 Token.3
Zusätzliche Modellveröffentlichung- IBM veröffentlichte zusätzlich die Granite Speech 5.0 Turbo CTC Sprachmodelle mit 470 Millionen Parametern.2
Einsatzmöglichkeiten und Plattformen- Die Modelle lassen sich über vLLM oder SGLang einsetzen.2
- Die Modelle stehen auf Hugging Face, Ollama, GitHub und weiteren Plattformen bereit.2
- Die Modelle lassen sich herunterladen und selbst betreiben.3
Technische Details der ArchitekturDie Architektur basiert auf einem Decoder-Only-Transformer mit Grouped Query Attention und Rotary Position Embedding.13 Trainingsphasen und Daten- Das Training erfolgt in fünf Phasen, von breiten Webdaten bis zu kuratierten Quellen.1
Reinforcement-Learning-Pipeline- Die RL-Pipeline umfasst verifizierbare Belohnungen für Mathematik und Code, Skill-Booster sowie für die größeren Modelle agentisches Training für Software-Engineering, Terminal-Nutzung und Websuche.1
- Die 8B- und 30B-Varianten durchliefen ein spezielles Training für agentische Fähigkeiten wie die Nutzung des Terminals, Websuche oder externer Werkzeuge.3
Reasoning-Verständnis- Granite 4.2 ist die auf Reasoning ausgerichtete Version der Modellfamilie.3
- Reasoning bedeutet funktionales Denken über Chain-of-Thought-Prozesse, bei denen Zwischenergebnisse über mehrere Schritte weitergetragen werden.3