Hugging Face が Granite 4.2 LLMs: How They’re Built を公開 ── 512KコンテキストとアジェンティックRLの実装

IBM Graniteチームが公開した4.2世代は、単なるチャットボットではなく「実際に動くエージェント」への進化を明確に打ち出している。15兆トークンでの事前学習に加え、サンドボックス環境でのツール操作を強化学習させる設計思想が興味深い。

▸何が変わったのか

Granite 4.2は、3B、8B、30Bの3サイズで構成される高密度デコーダーオンリーLLMファミリーだ。約15兆トークンを用いた5フェーズの事前学習戦略により、コンテキストウィンドウを512Kトークンまで拡張している。SFT段階ではChain-of-Thoughtやエージェント軌跡データで微調整し、多段階RLパイプラインで後処理している。特に8Bと30BモデルはアジェンティックRLブロックを経て、ツール呼び出し、コード実行、ターミナル操作、Web検索といった現実環境でのアクションを習得した。全てのモデルに「thinking / non-thinking」スイッチと、簡単な質問向けに短い推論予算を割り当てる「low-effort」モード、そしてネイティブなツールコール機能が標準搭載されている。

◈前モデル / 競合との比較

以前のGraniteリリースが強い指示追従（Instruction-following）アシスタントだったのに対し、Granite 4.2は明示的な推論（Reasoning）を追加した点が最大の違い。8B/30BモデルはアジェンティックRLによる実環境での動作能力を獲得しており、単なる対話モデルではなく実行可能なエージェントとして機能する。Apache 2.0ライセンスでの公開により、商用利用やカスタマイズの自由度が高い。

◈技術背景と意義

従来のLLMは「答えを出す」ことに特化していたが、Granite 4.2は「考えるプロセス」と「行動する能力」を分離して強化している。GQA（Grouped Query Attention）やRoPEなどの標準的なアーキテクチャ要素を、512Kという超长コンテキスト処理に耐えるよう設計している。RL（強化学習）の段階で、モデルが実際にサンドボックス内でツールを使いこなす報酬設計を行うことで、単なる文脈予測を超えた実用的なエージェント性能を叩き出している。

▸こんな人・用途に

・長いドキュメントやコードベースを横断的に分析・要約する必要がある開発チーム ・ツール呼び出しやコード実行を必要とする自律型エージェント（Agentic AI）の構築 ・推論コストを最適化したい場合、簡単な質問には「low-effort」モード、複雑な問題には「thinking」モードを切り替えて利用したいユーザー

▸Hacker Newsの反応

e-ink開発ボードへの関心が高く、既存の似た製品との比較やコストの高さへの共感が見られるなど、実用的な視点での議論が中心。

◆入手方法・リンク

Hugging Faceコレクション、GitHubリポジトリ、およびGraniteドキュメントが公開されている。vLLMやSGLangを通じてOpenAI互換エンドポイントとして提供可能で、既存のアジェンティックハーネスにそのまま組み込める。

SOURCE: Hugging Face (2026-08-25)

← LLM Watch トップへ