IBM משחררת את מודלי Granite 4.2 הפתוחים עם reasoning מובנה ב-Hugging Face

IBM פרסמה את Granite 4.2, הדור האחרון במשפחת ה-LLM הארגונית שלה מבוססת המודלים הפתוחים, ב-Hugging Face — בליווי מסמך מפורט על הארכיטקטורה והאימון של המודלים, מהלך של שקיפות שמנוגד לחברות ה-AI המובילות הסגורות. התוספת הבולטת היא יכולת reasoning מובנית שמכוונת ל-agents ארגוניים, וממצבת את Granite לזרימות העבודה רבות-השלבים ומשתמשות-הכלים ששולטות במפות הדרכים של ה-AI הארגוני ב-2026.

המודלים מופצים ב-Hugging Face, ב-Ollama וב-GitHub, מה שמקל להוריד ולהריץ אותם מקומית או בתשתית פרטית — גמישות ה-deploy שארגונים עם דרישות של data-residency ו-compliance זקוקים לה. הבלוג הנלווה של IBM Research פירט את תהליך הבנייה, וההשקה יצאה לצד מודל פתוח בשם Hypernova-60B, מה שמוסיף למומנטום הבולט של המודלים הפתוחים השבוע.

המנגנון האסטרטגי הוא הבידול של IBM: במקום להתחרות על עליונות benchmark גולמית מול Gemini או Claude, IBM מכוונת לארגונים מפוקחים (בסיס הלקוחות המרכזי שלה) עם מודלים פתוחים, ניתנים לביקורת, ופרוסים on-prem שנושאים שיפוי ומשתלבים עם watsonx. reasoning מובנה ל-agents מרחיב את המסר הזה אל העידן האג'נטי.

התזמון מכוון. Granite 4.2 נחת באותו שבוע שבו Hugging Face — עצם הפלטפורמה שבה IBM השתמשה כדי להפיץ אותו — בוחנת לפי הדיווחים מכירה ב-13 מיליארד דולר, ולצד Muse Glimmer של Meta ברישיון Apache-2.0, מה שמדגיש תמה ברורה: מודלים ארגוניים פתוחים מתרבים בדיוק כשהמודלים הקנייניים המובילים (Model 2 המוסתר של Anthropic, Astra שהושהה של OpenAI) הופכים שמורים יותר. מבחינה תחרותית, Granite ניצב מול זירת המודלים הפתוחים של Qwen, DeepSeek, Llama/Muse ו-Mistral, שבה אמון ארגוני, שיפוי ואיכות reasoning הם שדות הקרב. שווה לעקוב אחרי השוואות benchmark והאם ה-reasoning המובנה תחרותי מול quants חזקים לכתיבת קוד שמפתחים בוחנים השבוע.