IBM ha publicado sus modelos de lenguaje Granite 4.2 en tamaños de 3, 8 y 30 mil millones de parámetros. Se entrenaron desde cero con unos 15 billones de tokens y, según la compañía, admiten ventanas de contexto de hasta 512.000 tokens.
Lo que destaca
- Cómputo controlable: los modelos alternan entre modos de "razonamiento" y "sin razonamiento", lo que permite ajustar el cómputo por tarea. Hay además un modo de "bajo esfuerzo" que ahorra recursos en consultas sencillas.
- Entrenamiento de agentes: las variantes de 8B y 30B pasan por lo que IBM llama "aprendizaje por refuerzo agéntico", donde aprenden a usar herramientas, escribir y ejecutar código y buscar en la web en entornos reales de pruebas.
- Compatibilidad: todos admiten llamada a herramientas en formato OpenAI y funcionan en servidores de inferencia habituales.
El mismo anuncio renovó los modelos de reconocimiento de voz. Los nuevos Granite Speech 5.0 Turbo tienen solo 470 millones de parámetros y son, según IBM, el doble de rápidos que los anteriores líderes de la clasificación abierta. Con su medida, transcriben tres horas de audio en un segundo.
La elección de tamaño también dice algo. Ninguno de los tres aspira a competir con los gigantescos modelos de frontera; 30 mil millones de parámetros se considera hoy gama media. IBM apunta a otro sitio: modelos que puedan ejecutarse en hardware propio, auditarse y venir con una licencia clara.
La licencia es lo verdaderamente relevante
Todos los modelos se distribuyen bajo Apache 2.0 y están disponibles en las plataformas habituales.
Ese detalle pesa más que las especificaciones. La mayoría de los lanzamientos de pesos abiertos llegan con licencias propias que restringen el uso comercial o exigen permiso. Apache 2.0 es permisiva: se puede tomar el modelo, modificarlo, integrarlo en un producto y venderlo sin obligación de abrir el código propio.
Para un comprador corporativo ahí está la diferencia. La ambigüedad de licencia es el motivo real por el que muchos proyectos de inteligencia artificial nunca pasan del departamento jurídico.
Un detalle más: una licencia permisiva también despeja el camino para ajustar el modelo y redistribuirlo. Eso importa en lenguas con volúmenes de datos relativamente pequeños: un equipo reducido puede tomar el modelo, adaptarlo con sus propios datos y compartir el resultado.
Por qué importa
Granite 4.2 llega sobre un interés creciente por los modelos que funcionan en local. Los tamaños pequeños son aquí una decisión deliberada: los modelos de 3 y 8 mil millones de parámetros pueden ejecutarse en un portátil corriente o en un servidor modesto.
Eso no significa solo que desaparezca la factura por tokens. Los datos no salen, el proveedor no puede cambiar el precio y el modelo no se retira un buen día. En sectores regulados esas tres cosas suelen pesar más que una puntuación comparativa.
Incorporar el entrenamiento de agentes al propio modelo también es notable. Hasta ahora, lograr que un modelo usara herramientas era tarea del arnés escrito a su alrededor. Un modelo que aprendió a usarlas en entornos reales durante el entrenamiento puede volver innecesaria parte de ese arnés, lo que para equipos pequeños es un ahorro directo en costes de puesta en marcha.