Em 25 de agosto de 2026, a IBM lançou o Granite 4.2: três modelos de raciocínio abertos com 3B, 8B e 30B parâmetros, publicados sob a licença Apache 2.0 no Hugging Face, no GitHub e no Ollama. Cada modelo tem uma chave de raciocínio, de modo que um mesmo checkpoint pode raciocinar passo a passo ou responder diretamente. Eles lidam nativamente com 128K tokens de contexto e foram testados em doze idiomas, incluindo o árabe. Para uma empresa, a manchete prática é curta: trata-se de raciocínio e chamada de ferramentas competentes que você pode baixar, rodar dentro da sua própria infraestrutura e usar comercialmente, sem barreira de licença e sem conta por token.

O que a IBM realmente lançou

O Granite 4.2 é uma família de três modelos densos, apenas decodificadores. Os tamanhos publicados são 3B, 8B e 30B. Os três foram pré-treinados com cerca de 15 trilhões de tokens, com uma fase final de treinamento que amplia o contexto utilizável; a IBM informa 128K tokens nativamente, com extensão até 512K para documentos longos. A licença é Apache 2.0, que permite baixar, fazer fine-tuning e usar em produção comercial sem um contrato separado.

A parte mais interessante é o treinamento, não o tamanho. A IBM aplicou aprendizado por reforço agêntico aos modelos 8B e 30B dentro de ambientes reais isolados (sandbox), onde o modelo aprende a editar código, operar um terminal e fazer buscas, em vez de apenas prever o próximo token de um documento. É por isso que a família é voltada para trabalho com agentes: chamada de ferramentas, tarefas em várias etapas e fluxos de trabalho em que o modelo precisa realmente fazer algo, e não escrever sobre isso.

Os benchmarks, lidos com honestidade

A IBM relata 57.00 no SWE-bench Verified para o modelo 30B e 47.67 para o 8B, com 77.60 e 74.04, respectivamente, no MMLU-Pro. No Terminal-Bench 2.1, os resultados são 29.24 e 20.56. São números respeitáveis para modelos abertos nessa escala, mas não são números de fronteira. Os maiores modelos fechados ainda lideram nas tarefas de raciocínio mais difíceis.

O número que merece atenção é o resultado do 8B. Um modelo dessa categoria pontuando na casa dos quarenta e tantos em um benchmark real de engenharia de software é suficiente para lidar com automação interna de escopo definido, e ele roda em uma única GPU moderna. Essa combinação — bom o bastante e barato o bastante para ser seu — é o que muda a conta para uma empresa de médio porte, muito mais do que uma diferença de dois pontos no topo de um ranking.

Por que pesos abertos importam mais aqui do que em outros lugares

As empresas sauditas operam sob a Lei de Proteção de Dados Pessoais, fiscalizada pela SDAIA, que impõe obrigações reais sobre como os dados pessoais são tratados, transferidos e divulgados. Toda vez que dados de clientes saem da sua infraestrutura e chegam à API de um modelo de terceiros, essa transferência passa a ser algo que você precisa justificar, documentar e controlar contratualmente.

Um modelo cujos pesos estão em suas mãos muda esse quadro. A inferência acontece em hardware que você controla, dentro de uma rede que você define, com logs que pertencem a você. Isso não elimina suas obrigações — você continua devendo aos seus clientes tratamento correto, limites de retenção e base legal —, mas elimina da resposta toda uma categoria de questões sobre transferência internacional. Para uma clínica, um escritório de advocacia, um departamento de RH ou qualquer um que lide com dados salariais e de identidade, essa é a diferença entre um projeto que passa pela revisão e um que fica travado nela.

O segundo efeito é o formato do custo. Uma API cobra por token, então um produto de sucesso fica progressivamente mais caro justamente à medida que cresce. Um modelo auto-hospedado converte isso em um custo fixo de infraestrutura com o qual você pode planejar. Abaixo de certo volume, a API quase sempre vence; acima dele, vence a posse. A única forma de saber em que lado você está é medir sua carga de trabalho real, e não uma hipotética.

A chave de raciocínio, e por que ela é um recurso de custo

A maioria dos modelos de raciocínio gasta tokens pensando antes de responder, e esses tokens são a parte cara. O Granite 4.2 oferece uma chave entre modo com e sem raciocínio, além de um modo de baixo esforço que reserva um raciocínio mínimo para perguntas simples.

Na prática, isso se encaixa perfeitamente na forma como uma empresa realmente usa IA. Classificar um chamado recebido, extrair um campo de uma nota fiscal ou responder a uma pergunta rotineira sobre uma política não exige deliberação; conciliar uma divergência com um fornecedor ou planejar uma correção de dados em várias etapas, sim. Poder fazer essa escolha a cada requisição, no mesmo modelo implantado, significa deixar de pagar o custo de raciocínio nos oitenta por cento do tráfego que nunca precisaram dele.

Onde ele realmente se encaixa

Usos realistas para um 8B auto-hospedado em uma operação saudita incluem um assistente interno sobre suas próprias políticas, contratos e procedimentos, em que os documentos nunca saem do prédio; classificar e encaminhar consultas recebidas por WhatsApp ou e-mail antes que uma pessoa as veja; extrair campos estruturados de notas fiscais, comprovantes de entrega e pedidos de compra para o seu ERP; e redigir respostas bilíngues que um funcionário revisa antes de enviar. O fato de o árabe estar entre os doze idiomas testados importa diretamente para os dois últimos.

O que ele não substitui é um modelo de fronteira em trabalhos realmente difíceis: raciocínio jurídico complexo, estratégia sutil ou programação de longo horizonte em uma base de código desconhecida. A arquitetura madura não é um único modelo, mas um roteador — modelo local pequeno para o volume, modelo grande hospedado para a minoria difícil — atrás de uma única interface interna, para que a divisão possa ser reajustada à medida que os modelos melhoram.

Uma forma de avaliá-lo em uma semana

Escolha uma tarefa específica e repetitiva que sua equipe já faz manualmente e reúna cinquenta exemplos reais com as respostas que você consideraria corretas. Rode primeiro o 3B pelo Ollama em um notebook, apenas para verificar o formato da saída; depois rode o 8B em uma única GPU e avalie-o com base nos seus cinquenta exemplos. Meça três coisas: precisão nos seus dados, latência na concorrência que você espera e custo mensal do hardware em comparação com o mesmo volume via API. Depois decida com números, e não com impressões.

Direcione as chamadas por uma única interface interna no seu código desde o primeiro dia. Se a avaliação disser que a API hospedada vence hoje, é essa interface que permite revisitar a decisão daqui a seis meses como uma mudança de configuração, e não como uma reescrita.

A conclusão

O Granite 4.2 não vai liderar nenhum ranking, e esse não é o ponto. O ponto é que um fornecedor corporativo sério publicou modelos de raciocínio capazes, com suporte a árabe e chamada de ferramentas, sob Apache 2.0, pequenos o bastante para rodar no hardware que você já tem. A pergunta para a sua empresa mudou discretamente de se você consegue acessar uma boa IA para onde você quer que ela rode — e essa é uma pergunta sobre seus dados, sua postura de conformidade e sua curva de custos, não sobre benchmarks.

Fontes: o lançamento do Granite 4.2 pela IBM em 25 de agosto de 2026 no blog do IBM Granite no Hugging Face, o model card do Granite 4.2 8B para licença, contexto e suporte a idiomas, a coleção Granite 4.2 e a cobertura do MarkTechPost. Obrigações sauditas sobre dados conforme a Autoridade Saudita de Dados e Inteligência Artificial (SDAIA).