IBM, 25 Ağustos 2026'da Granite 4.2'yi yayımladı: 3B, 8B ve 30B parametreli, Apache 2.0 lisansıyla Hugging Face, GitHub ve Ollama üzerinde yayımlanan üç açık akıl yürütme modeli. Her modelde bir düşünme anahtarı bulunuyor; böylece tek bir checkpoint ya adım adım akıl yürütebiliyor ya da doğrudan yanıt verebiliyor. Modeller yerel olarak 128K token bağlamı işliyor ve Arapça dahil on iki dilde test edildi. Bir işletme için pratik başlık kısa: Bu, indirebileceğiniz, kendi altyapınızda çalıştırabileceğiniz ve lisans engeli ya da token başına fatura olmadan ticari olarak kullanabileceğiniz yetkin bir akıl yürütme ve araç çağırma yeteneği.

IBM gerçekte ne yayımladı

Granite 4.2, yalnızca kod çözücüden oluşan üç yoğun modelden oluşan bir ailedir. Yayımlanan boyutlar 3B, 8B ve 30B'dir. Üçü de yaklaşık 15 trilyon token üzerinde ön eğitimden geçirildi ve kullanılabilir bağlamı genişleten son bir eğitim aşaması uygulandı; IBM yerel olarak 128K token, uzun belgeler için ise 512K'ya kadar genişletme belirtiyor. Lisans Apache 2.0'dır; bu lisans ayrı bir sözleşme olmadan indirmeye, ince ayara ve ticari üretim kullanımına izin verir.

Daha ilginç olan kısım boyuttan çok eğitimdir. IBM, 8B ve 30B modellerine gerçek korumalı (sandbox) ortamlarda ajan tabanlı pekiştirmeli öğrenme uyguladı; bu ortamlarda model, bir belgedeki bir sonraki token'ı tahmin etmekle kalmayıp kod düzenlemeyi, bir terminali kullanmayı ve arama yapmayı öğreniyor. Ailenin ajan işlerine yönelik olmasının nedeni budur: araç çağırma, çok adımlı görevler ve modelin bir şey hakkında yazmak yerine gerçekten bir şey yapması gereken iş akışları.

Kıyaslama sonuçları, dürüstçe okununca

IBM, SWE-bench Verified'da 30B modeli için 57.00, 8B için 47.67 puan bildiriyor; MMLU-Pro'da ise sırasıyla 77.60 ve 74.04. Terminal-Bench 2.1'de sonuçlar 29.24 ve 20.56. Bunlar bu ölçekteki açık modeller için saygın rakamlar, ancak öncü düzeyde rakamlar değil. En büyük kapalı modeller en zor akıl yürütme görevlerinde hâlâ önde.

Üzerinde durmaya değer rakam 8B sonucudur. Bu sınıftaki bir modelin gerçek bir yazılım mühendisliği kıyaslamasında kırkların üst bandında bir puan alması, kapsamı belirli dahili otomasyonları üstlenmeye yeter ve tek bir modern GPU üzerinde çalışır. Bu kombinasyon, yani yeterince iyi ve sahip olunacak kadar ucuz olması, orta ölçekli bir şirket için hesabı, bir sıralamanın zirvesindeki iki puanlık farktan çok daha fazla değiştirir.

Açık ağırlıklar burada neden başka yerlerden daha önemli

Suudi şirketleri, SDAIA tarafından uygulanan ve kişisel verilerin nasıl işlendiği, aktarıldığı ve ifşa edildiği konusunda gerçek yükümlülükler getiren Kişisel Verilerin Korunması Kanunu kapsamında faaliyet gösterir. Müşteri verileri altyapınızdan her çıkıp üçüncü taraf bir model API'sine ulaştığında, bu aktarım gerekçelendirmeniz, belgelemeniz ve sözleşmeyle kontrol etmeniz gereken bir şeye dönüşür.

Ağırlıklarını elinizde tuttuğunuz bir model bu tabloyu değiştirir. Çıkarım, sizin kontrol ettiğiniz donanımda, sizin tanımladığınız bir ağın içinde ve size ait günlüklerle gerçekleşir. Bu, yükümlülüklerinizi ortadan kaldırmaz; müşterilerinize hâlâ doğru işleme, saklama sınırları ve hukuki dayanak borçlusunuz. Ancak cevaptan bütün bir sınır ötesi aktarım soruları kategorisini çıkarır. Bir klinik, bir hukuk bürosu, bir insan kaynakları departmanı ya da maaş ve kimlik verileriyle çalışan herkes için bu, incelemeden geçen bir proje ile incelemede takılıp kalan bir proje arasındaki farktır.

İkinci etki maliyetin yapısıdır. Bir API token başına fatura keser; dolayısıyla başarılı bir ürün tam da büyüdükçe giderek pahalılaşır. Kendi sunucunuzda barındırılan bir model bunu, planlama yapabileceğiniz sabit bir altyapı maliyetine dönüştürür. Belirli bir hacmin altında API neredeyse her zaman kazanır; üstünde ise sahiplik kazanır. Hangi tarafta olduğunuzu bilmenin tek yolu varsayımsal bir iş yükünü değil, gerçek iş yükünüzü ölçmektir.

Düşünme anahtarı ve neden bir maliyet özelliği olduğu

Çoğu akıl yürütme modeli yanıt vermeden önce düşünmek için token harcar ve bu token'lar işin pahalı kısmıdır. Granite 4.2, düşünme ve düşünmeme arasında bir anahtarın yanı sıra basit sorular için asgari akıl yürütme ayıran düşük efor modu sunuyor.

Pratikte bu, bir işletmenin yapay zekâyı gerçekte nasıl kullandığıyla tam olarak örtüşür. Gelen bir destek talebini sınıflandırmak, bir faturadan bir alanı çıkarmak ya da rutin bir politika sorusunu yanıtlamak derin düşünme gerektirmez; bir tedarikçi uyuşmazlığını mutabakata bağlamak ya da çok adımlı bir veri düzeltmesini planlamak ise gerektirir. Bu kararı aynı kurulu model üzerinde her istek için verebilmek, hiç ihtiyaç duymayan trafiğin yüzde sekseni için akıl yürütme maliyeti ödemeyi bırakmanız demektir.

Gerçekten nereye uyuyor

Bir Suudi operasyonunda kendi sunucunuzda barındırılan bir 8B için gerçekçi kullanımlar şunlardır: belgelerin binadan hiç çıkmadığı, kendi politikalarınız, sözleşmeleriniz ve prosedürleriniz üzerinde çalışan dahili bir asistan; WhatsApp veya e-posta ile gelen talepleri bir insan görmeden önce sınıflandırmak ve yönlendirmek; faturalardan, irsaliyelerden ve satın alma siparişlerinden yapılandırılmış alanları ERP'nize aktarmak; ve bir çalışanın göndermeden önce gözden geçirdiği iki dilli yanıtlar taslağı hazırlamak. Arapçanın test edilen on iki dil arasında olması son ikisi için doğrudan önem taşır.

Yerini tutamadığı şey, gerçekten zor işlerdeki öncü bir modeldir: karmaşık hukuki akıl yürütme, incelikli strateji ya da tanıdık olmayan bir kod tabanında uzun soluklu kodlama. Olgun mimari tek bir model değil, bir yönlendiricidir: hacim için küçük yerel model, zor azınlık için büyük barındırılan model; hepsi tek bir dahili arayüzün arkasında, böylece modeller geliştikçe dağılım yeniden ayarlanabilir.

Bir haftada değerlendirmenin yolu

Ekibinizin zaten elle yaptığı dar ve tekrarlayan bir görev seçin ve doğru kabul edeceğiniz yanıtlarla birlikte elli gerçek örnek toplayın. Önce 3B'yi bir dizüstü bilgisayarda Ollama ile, yalnızca çıktının biçimini kontrol etmek için çalıştırın; ardından 8B'yi tek bir GPU'da çalıştırın ve elli örneğinize göre puanlayın. Üç şeyi ölçün: kendi verilerinizdeki doğruluk, beklediğiniz eşzamanlılıktaki gecikme ve donanımın aylık maliyetinin aynı hacmin bir API üzerinden maliyetiyle karşılaştırması. Sonra izlenimlerle değil, rakamlarla karar verin.

Çağrıları ilk günden itibaren kodunuzdaki tek bir dahili arayüz üzerinden yönlendirin. Değerlendirme bugün barındırılan API'nin kazandığını söylerse, altı ay sonra kararı yeniden yazım yerine bir yapılandırma değişikliği olarak gözden geçirmenizi sağlayan şey bu arayüzdür.

Özetle

Granite 4.2 hiçbir sıralamanın zirvesine çıkmayacak ve mesele de bu değil. Mesele, ciddi bir kurumsal sağlayıcının yetenekli, Arapçayı destekleyen, araç çağırabilen akıl yürütme modellerini Apache 2.0 lisansıyla, zaten sahip olduğunuz donanımda çalışacak kadar küçük biçimde yayımlamış olmasıdır. İşletmeniz için soru sessizce, iyi bir yapay zekâya erişip erişemeyeceğinizden onun nerede çalışmasını istediğinize kaydı ve bu, kıyaslamalarla değil; verilerinizle, uyum duruşunuzla ve maliyet eğrinizle ilgili bir sorudur.

Kaynaklar: IBM'in 25 Ağustos 2026 tarihli Granite 4.2 duyurusu, Hugging Face IBM Granite blogu; lisans, bağlam ve dil desteği için Granite 4.2 8B model kartı; Granite 4.2 koleksiyonu ve MarkTechPost'un haberi. Suudi veri yükümlülükleri Suudi Veri ve Yapay Zekâ Otoritesi'ne (SDAIA) göredir.