Granite 4.2、エージェント環境での強化学習により8B／30Bモデルを訓練、FP4・FP8・GGUF版も公開

IBMは、Granite 4.2の3B、8B、30B Dense decoder-onlyモデルを公開した。いずれもApache 2.0ライセンスで提供される。3モデルすべてが、完全なthinking、non-thinking、low-effort thinkingモードに対応し、OpenAI function-calling形式での出力も可能だ。8Bと30Bにはさらにエージェント型強化学習が導入されており、実環境のサンドボックス内でコードの編集と実行、ターミナル操作、Web検索を行える。

[技術解説](https://huggingface.co/blog/ibm-granite/granite-4-2)によると、アーキテクチャにはGQA、RoPE、SwiGLU、RMSNormが採用され、ネイティブのシーケンス長は131,072 token。SFTデータは約720万件、100B tokenで構成され、そのうち31.6%がエージェントデータに当たる。さらにエージェントデータの69%はソフトウェアエンジニアリングに重点を置く。IBMはGPT-OSS-120BとGemma 4をデータ判定モデルとして使用し、ハルシネーション、無効なツール操作、存在しない関数の呼び出しを除外した。

強化学習パイプラインでは、訓練にNeMo-RL、環境とVerifierにNeMo-Gymを使用し、生成処理とポリシー更新を別々のGPUプールで非同期に実行する。IBMの公式報告によれば、30BはSWE-bench Verified、SWE-bench Pro、Terminal-Bench 2.1でそれぞれ57.00%、33.29%、29.24%を記録し、RULER 128Kでは81.38を達成した。ただし、いずれもIBMによる独自測定であり、独立したランキング結果ではない。デプロイ向けにはBF16の重みに加え、動的FP8、2,000件のSFTサンプルでキャリブレーションしたNVFP4／MXFP4、複数のGGUF量子化版を提供する。vLLMまたはSGLangを通じて、OpenAI互換エンドポイントとして利用できる。

精査すべき点は、情報源間の整合性だ。技術記事ではモデルを約15T tokenで「ゼロから事前学習」したとしている一方、[公式GitHub](https://github.com/ibm-granite/granite-4.2-language-models)では、Granite 4.2はGranite 4.1 baseを基にpost-trainingしたものと説明している。モデルの系譜に関する両者の記述については、IBMによる説明が必要だ。エンジニアリングチームは、low-effortモードによるtoken削減量、量子化後のツール呼び出しの信頼性、中国語能力、未学習のエージェントフレームワークでも公式サンドボックスと同等の性能を維持できるかについても、実環境で検証すべきだ。