El 25 de agosto de 2026, IBM lanzó Granite 4.2: tres modelos de razonamiento abiertos de 3B, 8B y 30B parámetros, publicados bajo la licencia Apache 2.0 en Hugging Face, GitHub y Ollama. Cada modelo incluye un interruptor de razonamiento, de modo que un mismo checkpoint puede razonar paso a paso o responder directamente. Manejan de forma nativa 128K tokens de contexto y se probaron en doce idiomas, entre ellos el árabe. Para una empresa, el titular práctico es breve: se trata de un razonamiento y una llamada a herramientas competentes que puede descargar, ejecutar dentro de su propia infraestructura y usar comercialmente sin barreras de licencia y sin factura por token.

Qué ha lanzado IBM realmente

Granite 4.2 es una familia de tres modelos densos de solo decodificador. Los tamaños publicados son 3B, 8B y 30B. Los tres se preentrenaron con aproximadamente 15 billones de tokens, con una fase final de entrenamiento que amplía el contexto utilizable; IBM indica 128K tokens de forma nativa, ampliables hasta 512K para documentos largos. La licencia es Apache 2.0, que permite descargar, ajustar y usar en producción comercial sin un acuerdo aparte.

Lo más interesante es el entrenamiento, no el tamaño. IBM aplicó aprendizaje por refuerzo agéntico a los modelos 8B y 30B dentro de entornos reales aislados, donde el modelo aprende a editar código, manejar una terminal y hacer búsquedas en lugar de limitarse a predecir el siguiente token de un documento. Por eso la familia está orientada al trabajo con agentes: llamadas a herramientas, tareas de varios pasos y flujos de trabajo en los que el modelo tiene que hacer algo de verdad en lugar de escribir sobre ello.

Los benchmarks, leídos con honestidad

IBM informa de 57.00 en SWE-bench Verified para el modelo 30B y de 47.67 para el 8B, con 77.60 y 74.04 respectivamente en MMLU-Pro. En Terminal-Bench 2.1 obtienen 29.24 y 20.56. Son cifras respetables para modelos abiertos de esta escala, pero no son cifras de vanguardia. Los modelos cerrados más grandes siguen en cabeza en las tareas de razonamiento más difíciles.

El dato en el que merece la pena detenerse es el resultado del 8B. Un modelo de esa categoría que puntúa en la parte alta de los cuarenta en un benchmark real de ingeniería de software basta para gestionar automatizaciones internas acotadas, y funciona con una sola GPU moderna. Esa combinación —suficientemente bueno y suficientemente barato como para tenerlo en propiedad— es lo que cambia las cuentas para una empresa mediana, mucho más que una diferencia de dos puntos en lo alto de una clasificación.

Por qué los pesos abiertos importan aquí más que en otros lugares

Las empresas saudíes operan bajo la Ley de Protección de Datos Personales, cuyo cumplimiento supervisa la SDAIA, y que impone obligaciones reales sobre cómo se tratan, transfieren y comunican los datos personales. Cada vez que los datos de los clientes salen de su infraestructura y llegan a la API de un modelo de terceros, esa transferencia se convierte en algo que tiene que justificar, documentar y controlar contractualmente.

Un modelo cuyos pesos tiene usted en su poder cambia ese panorama. La inferencia ocurre en hardware que usted controla, dentro de una red que usted define, con registros que le pertenecen. No elimina sus obligaciones —sigue debiendo a sus clientes un tratamiento correcto, límites de conservación y una base jurídica—, pero elimina de la ecuación toda una categoría de cuestiones sobre transferencias internacionales. Para una clínica, un despacho de abogados, un departamento de recursos humanos o cualquiera que maneje datos salariales y de identidad, esa es la diferencia entre un proyecto que supera la revisión y uno que se queda atascado en ella.

El segundo efecto es la forma del coste. Una API factura por token, así que un producto de éxito se encarece progresivamente justo a medida que crece. Un modelo autoalojado convierte eso en un coste fijo de infraestructura con el que se puede planificar. Por debajo de cierto volumen, la API casi siempre gana; por encima, gana la propiedad. La única forma de saber en qué lado está es medir su carga de trabajo real, no una hipotética.

El interruptor de razonamiento, y por qué es una función de coste

La mayoría de los modelos de razonamiento gastan tokens pensando antes de responder, y esos tokens son la parte cara. Granite 4.2 ofrece un interruptor entre modo con razonamiento y sin razonamiento, además de un modo de bajo esfuerzo que asigna un razonamiento mínimo a las preguntas sencillas.

En la práctica, esto encaja perfectamente con la forma en que una empresa usa realmente la IA. Clasificar un ticket entrante, extraer un campo de una factura o responder una pregunta rutinaria sobre una política no requiere deliberación; conciliar una discrepancia con un proveedor o planificar una corrección de datos en varios pasos sí. Poder tomar esa decisión en cada solicitud, sobre el mismo modelo desplegado, significa dejar de pagar el coste del razonamiento en el ochenta por ciento del tráfico que nunca lo necesitó.

Dónde encaja de verdad

Los usos realistas de un 8B autoalojado en una operación saudí incluyen un asistente interno sobre sus propias políticas, contratos y procedimientos, donde los documentos nunca salen del edificio; clasificar y enrutar las consultas entrantes por WhatsApp o correo electrónico antes de que las vea una persona; extraer campos estructurados de facturas, albaranes y órdenes de compra hacia su ERP; y redactar respuestas bilingües que un empleado revisa antes de enviarlas. Que el árabe esté entre los doce idiomas probados importa directamente para los dos últimos.

Lo que no sustituye es un modelo de vanguardia en trabajos realmente difíciles: razonamiento jurídico complejo, estrategia sutil o programación de largo recorrido en un código base desconocido. La arquitectura madura no es un único modelo, sino un enrutador —un modelo local pequeño para el volumen y un modelo grande alojado para la minoría difícil— detrás de una única interfaz interna, de modo que el reparto pueda reajustarse a medida que mejoran los modelos.

Una forma de evaluarlo en una semana

Elija una tarea concreta y repetitiva que su equipo ya hace a mano y reúna cincuenta ejemplos reales con las respuestas que consideraría correctas. Ejecute primero el 3B con Ollama en un portátil solo para comprobar la forma de la salida; después ejecute el 8B en una sola GPU y puntúelo frente a sus cincuenta ejemplos. Mida tres cosas: la precisión con sus datos, la latencia con la concurrencia que espera y el coste mensual del hardware frente al mismo volumen a través de una API. Luego decida con números en lugar de impresiones.

Enrute las llamadas a través de una única interfaz interna en su código desde el primer día. Si la evaluación dice que hoy gana la API alojada, esa interfaz es lo que le permite revisar la decisión dentro de seis meses como un cambio de configuración y no como una reescritura.

La conclusión

Granite 4.2 no encabezará ninguna clasificación, y no es eso lo que importa. Lo que importa es que un proveedor empresarial serio ha publicado modelos de razonamiento capaces, con soporte para árabe y llamada a herramientas, bajo Apache 2.0, lo bastante pequeños para funcionar en el hardware que ya tiene. La pregunta para su empresa ha pasado discretamente de si puede acceder a una buena IA a dónde quiere que se ejecute, y esa es una pregunta sobre sus datos, su postura de cumplimiento normativo y su curva de costes, no sobre benchmarks.

Fuentes: el lanzamiento de Granite 4.2 por IBM del 25 de agosto de 2026 en el blog de IBM Granite en Hugging Face, la ficha del modelo Granite 4.2 8B para la licencia, el contexto y el soporte de idiomas, la colección Granite 4.2 y la cobertura de MarkTechPost. Obligaciones saudíes sobre datos según la Autoridad Saudí de Datos e Inteligencia Artificial (SDAIA).