Introducción
Desde hace dos años, los equipos de TI que despliegan agentes de inteligencia artificial enfrentan el mismo dilema: los modelos más capaces exigen una conexión permanente a APIs externas, mientras que los modelos alojables en infraestructura propia no siempre están a la altura cuando las tareas se complican. Granite 4.2, publicado por IBM Research el 25 de agosto de 2026, ofrece una respuesta directa a esta tensión — no simplemente aumentando el tamaño de los modelos, sino repensando por completo su metodología de entrenamiento.
Aprender a actuar, no solo a responder
La diferencia clave de Granite 4.2 está en su proceso de aprendizaje. Las variantes de 8B y 30B parámetros pasaron por una fase de aprendizaje por refuerzo agéntico, ejecutada en entornos sandbox reales: terminal de comandos, motor de búsqueda web, editor de código. Estos modelos no aprendieron a describir cómo resolver un problema — aprendieron a resolverlo, enfrentando las consecuencias de sus propias acciones y ajustando su comportamiento a partir de ellas.
La distinción es concreta y relevante para producción. La mayoría de los LLMs agénticos actuales se apoyan en trazas sintéticas de uso de herramientas, construidas a partir de datos generados en lugar de experiencias reales. El entrenamiento en entornos reales produce comportamientos más robustos ante errores inesperados — una ventaja medible en pipelines de producción donde el modelo debe encadenar varias acciones sin supervisión humana.
Cada modelo de la familia incorpora además razonamiento nativo: una cadena de pensamiento precede cada respuesta, con la posibilidad de activar o desactivar este modo y ajustar el presupuesto de razonamiento según la complejidad de la tarea, incluyendo un modo económico para consultas simples.
Tres tamaños, una licencia sin restricciones
La familia se presenta en tres variantes — 3B, 8B y 30B parámetros — con una ventana de contexto de hasta 512 000 tokens en el modelo más grande. El 3B está orientado a entornos con recursos limitados, incluyendo despliegues en el edge. El 8B se ejecuta en una sola GPU moderna, lo que lo hace accesible para equipos de desarrollo que quieran correr un agente de forma local. El 30B apunta a cadenas de ejecución agéntica largas y de múltiples pasos.
Todo se publica bajo licencia Apache 2.0, sin restricciones sobre la descarga, el fine-tuning ni el despliegue en producción. Para las organizaciones sujetas a requisitos regulatorios — como los marcos de protección de datos vigentes en México, España, Colombia o Argentina — o que simplemente quieran mantener el control sobre su información, esto representa una entrada significativa: el modelo puede alojarse íntegramente on-premises, sin llamadas salientes a infraestructura de terceros y sin depender de un contrato de servicio externo.
Casos de uso reales, no demos genéricas
IBM acompaña este lanzamiento con modelos de transcripción de voz — la familia Granite Speech 5.0 Turbo CTC — capaces de procesar grandes volúmenes de audio en tiempo casi real sobre GPU. Una pieza relevante para los centros de atención al cliente que graban y analizan sistemáticamente sus conversaciones, sin querer externalizar ese procesamiento.
En el ámbito del desarrollo de software, las variantes 8B y 30B fueron evaluadas en benchmarks orientados a ingeniería — SWE-Bench Pro y Terminal-Bench, entre otros — donde el 30B muestra resultados competitivos dentro de su categoría de tamaño. Los modelos están disponibles en las principales plataformas de distribución: Hugging Face, Ollama, GitHub, y a través de watsonx para clientes IBM.
Qué cambia en su arquitectura de IA
El mensaje práctico para los equipos de TI es claro: ya es posible construir agentes autónomos capaces de interactuar con sistemas reales — escribir y ejecutar código, consultar APIs, recorrer bases documentales — sin depender de una API cerrada sobre la que no se controlan ni las condiciones tarifarias ni la disponibilidad futura.
Granite 4.2 no es el único modelo open-weight de 2026 que reivindica capacidades agénticas. Pero la combinación de una licencia permisiva, un entrenamiento en entornos reales y una gama que cubre desde el edge hasta el servidor lo convierte en un candidato serio para los CIOs que hoy están construyendo sus pipelines de automatización con modelos alojados internamente — sin querer depender de un único proveedor para hacerlo.