Il 25 agosto 2026 IBM ha rilasciato Granite 4.2: tre modelli di ragionamento aperti da 3B, 8B e 30B parametri, pubblicati con licenza Apache 2.0 su Hugging Face, GitHub e Ollama. Ogni modello ha un interruttore di ragionamento, quindi uno stesso checkpoint può ragionare passo dopo passo oppure rispondere direttamente. Gestiscono nativamente 128K token di contesto e sono stati testati in dodici lingue, tra cui l'arabo. Per un'azienda il titolo pratico è breve: si tratta di capacità di ragionamento e di chiamata di strumenti solide che potete scaricare, eseguire all'interno della vostra infrastruttura e usare commercialmente senza vincoli di licenza e senza una bolletta per token.

Che cosa ha rilasciato davvero IBM

Granite 4.2 è una famiglia di tre modelli densi di tipo solo decoder. Le dimensioni pubblicate sono 3B, 8B e 30B. Tutti e tre sono stati pre-addestrati su circa 15 trilioni di token, con una fase finale di addestramento che estende il contesto utilizzabile; IBM indica 128K token in modo nativo, con estensione fino a 512K per i documenti lunghi. La licenza è Apache 2.0, che consente download, fine-tuning e uso commerciale in produzione senza un accordo separato.

La parte più interessante è l'addestramento, più che la dimensione. IBM ha applicato l'apprendimento per rinforzo agentico ai modelli 8B e 30B all'interno di veri ambienti sandbox, dove il modello impara a modificare codice, usare un terminale ed eseguire ricerche invece di limitarsi a prevedere il token successivo in un documento. Per questo la famiglia è pensata per il lavoro degli agenti: chiamata di strumenti, attività in più passaggi e flussi di lavoro in cui il modello deve fare davvero qualcosa invece di scriverne.

I benchmark, letti con onestà

IBM riporta 57.00 su SWE-bench Verified per il modello 30B e 47.67 per l'8B, con rispettivamente 77.60 e 74.04 su MMLU-Pro. Su Terminal-Bench 2.1 i risultati sono 29.24 e 20.56. Sono numeri rispettabili per modelli aperti di questa scala, ma non sono numeri di frontiera. I modelli chiusi più grandi restano in testa nei compiti di ragionamento più difficili.

Il dato su cui vale la pena soffermarsi è il risultato dell'8B. Un modello di questa classe che ottiene un punteggio nella parte alta dei quaranta su un vero benchmark di ingegneria del software è sufficiente per gestire automazioni interne ben delimitate, e funziona su una singola GPU moderna. Questa combinazione, abbastanza buono e abbastanza economico da possederlo, è ciò che cambia i conti per un'azienda di medie dimensioni, molto più di una differenza di due punti in cima a una classifica.

Perché i pesi aperti contano qui più che altrove

Le aziende saudite operano nel quadro della Legge sulla protezione dei dati personali, applicata dalla SDAIA, che impone obblighi concreti su come i dati personali vengono trattati, trasferiti e comunicati. Ogni volta che i dati dei clienti escono dalla vostra infrastruttura e raggiungono l'API di un modello di terze parti, quel trasferimento diventa qualcosa che dovete giustificare, documentare e controllare per contratto.

Un modello di cui possedete i pesi cambia questo quadro. L'inferenza avviene su hardware che controllate, all'interno di una rete che definite voi, con log che vi appartengono. Non elimina i vostri obblighi, perché dovete comunque ai clienti un trattamento corretto, limiti di conservazione e una base giuridica, ma toglie dalla risposta un'intera categoria di questioni sul trasferimento transfrontaliero. Per una clinica, uno studio legale, un ufficio risorse umane o chiunque gestisca dati retributivi e di identità, è la differenza tra un progetto che supera la revisione e uno che vi resta bloccato.

Il secondo effetto è la struttura dei costi. Un'API fattura per token, quindi un prodotto di successo diventa progressivamente più costoso proprio mentre cresce. Un modello self-hosted trasforma tutto questo in un costo fisso di infrastruttura su cui potete pianificare. Sotto un certo volume vince quasi sempre l'API; sopra, vince la proprietà. L'unico modo per sapere da che parte vi trovate è misurare il vostro carico di lavoro reale, non uno ipotetico.

L'interruttore di ragionamento e perché è una funzione di costo

La maggior parte dei modelli di ragionamento spende token per pensare prima di rispondere, e quei token sono la parte costosa. Granite 4.2 offre un interruttore tra modalità con e senza ragionamento, più una modalità a basso sforzo che riserva un ragionamento minimo alle domande semplici.

In pratica, questo si adatta perfettamente al modo in cui un'azienda usa davvero l'IA. Classificare un ticket in arrivo, estrarre un campo da una fattura o rispondere a una domanda di routine su una policy non richiede riflessione; riconciliare una discrepanza con un fornitore o pianificare una correzione dei dati in più passaggi sì. Poter fare questa scelta per ogni richiesta, sullo stesso modello distribuito, significa smettere di pagare il costo del ragionamento sull'ottanta per cento del traffico che non ne ha mai avuto bisogno.

Dove si inserisce davvero

Gli usi realistici di un 8B self-hosted in un'attività saudita includono un assistente interno sulle vostre policy, contratti e procedure, in cui i documenti non escono mai dall'edificio; la classificazione e l'instradamento delle richieste in arrivo via WhatsApp o email prima che le veda una persona; l'estrazione di campi strutturati da fatture, bolle di consegna e ordini di acquisto verso il vostro ERP; e la stesura di risposte bilingui che un dipendente rivede prima dell'invio. Il fatto che l'arabo sia tra le dodici lingue testate conta direttamente per gli ultimi due.

Ciò che non sostituisce è un modello di frontiera per il lavoro davvero difficile: ragionamento giuridico complesso, strategia sottile o programmazione di lungo respiro su una base di codice sconosciuta. L'architettura matura non è un singolo modello ma un router, con un piccolo modello locale per i volumi e un grande modello ospitato per la minoranza difficile, dietro un'unica interfaccia interna, così che la ripartizione possa essere ricalibrata man mano che i modelli migliorano.

Un modo per valutarlo in una settimana

Scegliete un'attività circoscritta e ripetitiva che il vostro team svolge già a mano e raccogliete cinquanta esempi reali con le risposte che considerereste corrette. Eseguite prima il 3B tramite Ollama su un portatile solo per verificare la forma dell'output, poi eseguite l'8B su una singola GPU e valutatelo sui vostri cinquanta esempi. Misurate tre cose: accuratezza sui vostri dati, latenza alla concorrenza prevista e costo mensile dell'hardware rispetto allo stesso volume tramite un'API. Poi decidete con i numeri anziché con le impressioni.

Instradate le chiamate attraverso un'unica interfaccia interna nel vostro codice fin dal primo giorno. Se la valutazione dice che oggi vince l'API ospitata, è quell'interfaccia che vi permette di rivedere la decisione fra sei mesi come una modifica di configurazione anziché una riscrittura.

In sintesi

Granite 4.2 non sarà in cima a nessuna classifica, e non è questo il punto. Il punto è che un fornitore enterprise serio ha pubblicato modelli di ragionamento capaci, con supporto per l'arabo e chiamata di strumenti, sotto Apache 2.0, abbastanza piccoli da girare sull'hardware che avete già. La domanda per la vostra azienda si è spostata in silenzio dal poter accedere a una buona IA al dove volete che venga eseguita: ed è una domanda sui vostri dati, sulla vostra postura di conformità e sulla vostra curva dei costi, non sui benchmark.

Fonti: il rilascio di Granite 4.2 da parte di IBM del 25 agosto 2026 sul blog IBM Granite su Hugging Face, la scheda del modello Granite 4.2 8B per licenza, contesto e supporto linguistico, la raccolta Granite 4.2 e la copertura di MarkTechPost. Obblighi sauditi in materia di dati secondo l'Autorità saudita per i dati e l'intelligenza artificiale (SDAIA).