25 अगस्त 2026 को IBM ने Granite 4.2 जारी किया: 3B, 8B और 30B पैरामीटर वाले तीन ओपन रीज़निंग मॉडल, जो Apache 2.0 लाइसेंस के तहत Hugging Face, GitHub और Ollama पर प्रकाशित किए गए हैं। हर मॉडल में एक थिंकिंग स्विच है, इसलिए एक ही चेकपॉइंट या तो चरण-दर-चरण तर्क कर सकता है या सीधे उत्तर दे सकता है। ये मूल रूप से 128K टोकन का संदर्भ संभालते हैं, और इनका परीक्षण अरबी सहित बारह भाषाओं में किया गया है। किसी व्यवसाय के लिए व्यावहारिक निष्कर्ष छोटा है: यह सक्षम रीज़निंग और टूल-कॉलिंग है जिसे आप डाउनलोड कर सकते हैं, अपने ही इंफ्रास्ट्रक्चर के भीतर चला सकते हैं, और बिना किसी लाइसेंस बाधा और बिना प्रति-टोकन बिल के व्यावसायिक रूप से उपयोग कर सकते हैं।

IBM ने वास्तव में क्या जारी किया

Granite 4.2 तीन सघन, केवल-डिकोडर मॉडलों का एक परिवार है। प्रकाशित आकार 3B, 8B और 30B हैं। तीनों को लगभग 15 ट्रिलियन टोकन पर प्री-ट्रेन किया गया, और एक अंतिम प्रशिक्षण चरण ने उपयोग योग्य संदर्भ को बढ़ाया; IBM मूल रूप से 128K टोकन बताता है, जिसे लंबे दस्तावेज़ों के लिए 512K तक बढ़ाया जा सकता है। लाइसेंस Apache 2.0 है, जो किसी अलग समझौते के बिना डाउनलोड करने, फ़ाइन-ट्यून करने और व्यावसायिक प्रोडक्शन उपयोग की अनुमति देता है।

आकार से ज़्यादा दिलचस्प हिस्सा प्रशिक्षण है। IBM ने 8B और 30B मॉडलों पर वास्तविक सैंडबॉक्स वातावरण के भीतर एजेंटिक रीइन्फ़ोर्समेंट लर्निंग लागू की, जहाँ मॉडल केवल किसी दस्तावेज़ में अगले टोकन का अनुमान लगाने के बजाय कोड संपादित करना, टर्मिनल चलाना और सर्च करना सीखता है। इसी कारण यह परिवार एजेंट वाले काम के लिए बनाया गया है: टूल कॉलिंग, बहु-चरणीय कार्य, और ऐसे वर्कफ़्लो जहाँ मॉडल को किसी चीज़ के बारे में लिखने के बजाय वास्तव में कुछ करना होता है।

बेंचमार्क, ईमानदारी से पढ़े गए

IBM के अनुसार SWE-bench Verified पर 30B मॉडल का स्कोर 57.00 और 8B का 47.67 है, जबकि MMLU-Pro पर क्रमशः 77.60 और 74.04 है। Terminal-Bench 2.1 पर स्कोर 29.24 और 20.56 हैं। इस पैमाने के ओपन मॉडलों के लिए ये सम्मानजनक आँकड़े हैं, लेकिन ये अग्रणी स्तर के आँकड़े नहीं हैं। सबसे कठिन रीज़निंग कार्यों में सबसे बड़े क्लोज़्ड मॉडल अब भी आगे हैं।

जिस आँकड़े पर रुककर ध्यान देना चाहिए, वह 8B का परिणाम है। उस श्रेणी का कोई मॉडल जो वास्तविक सॉफ़्टवेयर इंजीनियरिंग बेंचमार्क पर चालीस के ऊपरी दायरे में स्कोर करता है, सीमित दायरे वाले आंतरिक ऑटोमेशन को संभालने के लिए पर्याप्त है, और वह एक ही आधुनिक GPU पर चलता है। यही संयोजन — पर्याप्त अच्छा, और खुद रखने लायक सस्ता — किसी मध्यम आकार की कंपनी का हिसाब बदलता है, किसी लीडरबोर्ड के शीर्ष पर दो अंकों के अंतर से कहीं ज़्यादा।

ओपन वेट्स यहाँ दूसरी जगहों से ज़्यादा क्यों मायने रखते हैं

सऊदी कंपनियाँ व्यक्तिगत डेटा संरक्षण कानून के तहत काम करती हैं, जिसे SDAIA लागू करता है और जो व्यक्तिगत डेटा के प्रोसेस, ट्रांसफ़र और प्रकट किए जाने के तरीके पर वास्तविक दायित्व डालता है। हर बार जब ग्राहक डेटा आपके इंफ्रास्ट्रक्चर से निकलकर किसी तीसरे पक्ष के मॉडल API तक पहुँचता है, तो वह ट्रांसफ़र ऐसी चीज़ बन जाता है जिसे आपको उचित ठहराना, दस्तावेज़ित करना और अनुबंध के ज़रिए नियंत्रित करना होता है।

ऐसा मॉडल जिसके वेट्स आपके पास हों, यह तस्वीर बदल देता है। इन्फ़रेंस आपके नियंत्रण वाले हार्डवेयर पर, आपके द्वारा परिभाषित नेटवर्क के भीतर, आपके अपने लॉग के साथ होता है। इससे आपके दायित्व खत्म नहीं होते — आपको अब भी अपने ग्राहकों के डेटा का सही प्रबंधन, संरक्षण की सीमाएँ और वैध आधार सुनिश्चित करना है — लेकिन यह सीमा-पार ट्रांसफ़र से जुड़े सवालों की एक पूरी श्रेणी को उत्तर से हटा देता है। किसी क्लिनिक, लॉ फ़र्म, HR विभाग या वेतन और पहचान डेटा संभालने वाले किसी भी व्यक्ति के लिए, यही समीक्षा पार करने वाली परियोजना और उसमें अटक जाने वाली परियोजना के बीच का अंतर है।

दूसरा प्रभाव लागत की संरचना पर है। API प्रति टोकन बिल करता है, इसलिए कोई सफल उत्पाद ठीक उसी अनुपात में लगातार महँगा होता जाता है जिसमें वह बढ़ता है। सेल्फ़-होस्टेड मॉडल इसे एक निश्चित इंफ्रास्ट्रक्चर लागत में बदल देता है जिसके आधार पर आप योजना बना सकते हैं। एक निश्चित मात्रा से नीचे API लगभग हमेशा बेहतर रहता है; उससे ऊपर, स्वामित्व बेहतर रहता है। आप किस तरफ़ हैं, यह जानने का एकमात्र तरीका किसी काल्पनिक वर्कलोड के बजाय अपने वास्तविक वर्कलोड को मापना है।

थिंकिंग स्विच, और यह लागत से जुड़ी सुविधा क्यों है

अधिकांश रीज़निंग मॉडल उत्तर देने से पहले सोचने में टोकन खर्च करते हैं, और वही टोकन महँगा हिस्सा होते हैं। Granite 4.2 थिंकिंग और नॉन-थिंकिंग स्विच देता है, साथ ही एक लो-एफ़र्ट मोड भी, जो सीधे-सादे सवालों के लिए न्यूनतम रीज़निंग का बजट रखता है।

व्यवहार में यह ठीक उसी तरीके से मेल खाता है जिससे कोई व्यवसाय वास्तव में AI का उपयोग करता है। आने वाले टिकट को वर्गीकृत करना, किसी इनवॉइस से कोई फ़ील्ड निकालना, या किसी नीति के बारे में नियमित सवाल का जवाब देना गहन विचार की माँग नहीं करता; किसी सप्लायर की विसंगति का मिलान करना या बहु-चरणीय डेटा सुधार की योजना बनाना करता है। एक ही तैनात मॉडल पर हर अनुरोध के लिए यह निर्णय ले पाने का मतलब है कि आप उस अस्सी प्रतिशत ट्रैफ़िक पर रीज़निंग की लागत चुकाना बंद कर देते हैं जिसे इसकी कभी ज़रूरत ही नहीं थी।

यह वास्तव में कहाँ फ़िट बैठता है

किसी सऊदी संचालन में सेल्फ़-होस्टेड 8B के यथार्थवादी उपयोगों में शामिल हैं: आपकी अपनी नीतियों, अनुबंधों और प्रक्रियाओं पर आधारित एक आंतरिक सहायक, जहाँ दस्तावेज़ कभी इमारत से बाहर नहीं जाते; WhatsApp या ईमेल से आने वाली पूछताछ को किसी इंसान के देखने से पहले वर्गीकृत और रूट करना; इनवॉइस, डिलीवरी नोट और परचेज़ ऑर्डर से संरचित फ़ील्ड निकालकर आपके ERP में डालना; और द्विभाषी उत्तरों का मसौदा तैयार करना जिन्हें कोई कर्मचारी भेजने से पहले जाँचता है। अरबी का बारह परीक्षित भाषाओं में होना अंतिम दो के लिए सीधे मायने रखता है।

यह जिस चीज़ की जगह नहीं ले सकता, वह वास्तव में कठिन काम पर एक अग्रणी मॉडल है: जटिल कानूनी तर्क, सूक्ष्म रणनीति, या किसी अपरिचित कोडबेस में लंबी अवधि की कोडिंग। परिपक्व आर्किटेक्चर एक अकेला मॉडल नहीं, बल्कि एक राउटर है — बड़ी मात्रा के काम के लिए छोटा लोकल मॉडल, कठिन अल्पसंख्यक कामों के लिए बड़ा होस्टेड मॉडल — जो एक ही आंतरिक इंटरफ़ेस के पीछे हो, ताकि मॉडलों के बेहतर होने के साथ बँटवारे को फिर से समायोजित किया जा सके।

एक सप्ताह में इसका मूल्यांकन करने का तरीका

कोई एक सीमित, दोहराव वाला काम चुनें जो आपकी टीम पहले से हाथ से करती है, और उन उत्तरों के साथ पचास वास्तविक उदाहरण इकट्ठा करें जिन्हें आप सही मानेंगे। पहले केवल आउटपुट का स्वरूप जाँचने के लिए 3B को लैपटॉप पर Ollama के ज़रिए चलाएँ, फिर 8B को एक GPU पर चलाएँ और अपने पचास उदाहरणों पर उसका स्कोर निकालें। तीन चीज़ें मापें: आपके डेटा पर सटीकता, अपेक्षित समवर्तीता पर लेटेंसी, और हार्डवेयर की मासिक लागत बनाम उसी मात्रा को API से चलाने की लागत। फिर धारणाओं के बजाय आँकड़ों के आधार पर निर्णय लें।

पहले दिन से ही अपने कोड में सभी कॉल को एक ही आंतरिक इंटरफ़ेस से रूट करें। अगर मूल्यांकन बताता है कि आज होस्टेड API बेहतर है, तो यही इंटरफ़ेस आपको छह महीने बाद इस निर्णय पर दोबारा विचार करने देता है, वह भी दोबारा लिखने के बजाय केवल कॉन्फ़िगरेशन बदलकर।

मुख्य बात

Granite 4.2 किसी लीडरबोर्ड में शीर्ष पर नहीं होगा, और मुद्दा यह है भी नहीं। मुद्दा यह है कि एक गंभीर एंटरप्राइज़ विक्रेता ने सक्षम, अरबी-समर्थक, टूल-कॉलिंग वाले रीज़निंग मॉडल Apache 2.0 के तहत प्रकाशित किए हैं, जो इतने छोटे हैं कि आपके पास पहले से मौजूद हार्डवेयर पर चल सकें। आपके व्यवसाय के लिए सवाल चुपचाप इस बात से हट गया है कि क्या आप अच्छे AI तक पहुँच सकते हैं, और इस बात पर आ गया है कि आप उसे कहाँ चलाना चाहते हैं — और यह सवाल बेंचमार्क का नहीं, बल्कि आपके डेटा, आपकी अनुपालन स्थिति और आपकी लागत वक्र का है।

स्रोत: Hugging Face IBM Granite ब्लॉग पर IBM की 25 अगस्त 2026 की Granite 4.2 रिलीज़, लाइसेंस, संदर्भ और भाषा समर्थन के लिए Granite 4.2 8B मॉडल कार्ड, Granite 4.2 संग्रह, और MarkTechPost की रिपोर्ट। सऊदी डेटा दायित्व सऊदी डेटा और कृत्रिम बुद्धिमत्ता प्राधिकरण (SDAIA) के अनुसार।