IBMがGranite 4.2を公開。AIを鍛える工程をHugging Faceで示した

完成品ではなく、厨房まで見せた

IBMはHugging Faceで、Granite 4.2 LLMsの作り方を公開しました。推論に重点を置くLLM（大規模言語モデル）の新しいファミリーです。

料理にたとえるなら、完成皿だけでなく厨房まで見せた発表です。Granite 4.2の価値は、何を出したかだけでなく、どう鍛えたかにあります。

モデルは3B、8B、30Bの3サイズです。構造はdense（すべての計算部を使う密な構造）のdecoder-only transformerです。

decoder-only transformerとは、文脈から次の言葉を予測して文章を作る型です。対話型AIの基礎としてよく使われます。

大量の材料で土台を作る

Granite 4.2は、約15兆トークンで一から事前学習されています。トークンとは、AIが文章を扱う時の単位です。

この段階は、料理でいう材料の仕込みに近いです。AIはここで、言葉の並び方や広い知識の土台を身につけます。

発表では、事前学習が5段階で進められたと説明されています。前半は基礎づくりです。後半では、より質の高いデータへ寄せていきます。

最後には、コンテキスト窓を512Kトークンへ広げています。長い資料や長い会話を扱う力を伸ばすための工程です。

レシピを覚えるのがSFTです

事前学習だけでは、AIは人が望む返事を安定して出せません。そこでSFT（教師あり微調整）が入ります。

SFTは、料理人が店のレシピを覚える段階に似ています。言葉を知っているだけでなく、頼まれた形に仕上げる練習です。

発表では、SFTデータの合計が約720万サンプルとされています。トークン数は約100Bで、そのうち約65Bが訓練対象です。

エージェント的とは、AIが道具を使いながら作業する訓練を含むという意味です。ここに、今回の性格が強く出ています。

8Bと30Bだけが実環境で練習する

Granite 4.2は、SFTの後に複数段階のRL（強化学習）へ進みます。RLは、報酬を使って望ましいふるまいへ近づける方法です。

ここは、練習試合で採点を受ける段階に近いです。答えだけでなく、答えへ向かう動き方を磨きます。

発表では、8Bと30BがエージェントRLを通ると説明されています。3Bは基礎的なRLと安全性の調整にとどまります。

実環境での訓練には、コード編集、コマンド操作、Web検索が含まれます。AIを実際の作業環境に近づける訓練です。

質問箱から、作業を進めるAIへ

Granite 4.2には、thinkingとnon-thinkingの切り替えがあります。難しい問いでは考える過程を使い、簡単な問いでは短く返せます。

さらに、low-effort thinkingも用意されています。短い推論予算で答える中間のモードです。

この設計は、AIを毎回同じ強さで使わない発想です。買い物メモと事業計画では、必要な考え方が違います。

Granite 4.2は、ネイティブなツール呼び出しも持ちます。ツール呼び出しとは、AIが外部の機能を選んで使う仕組みです。

非エンジニアにとっても、これは遠い話ではありません。検索、表計算、文書作成の間をAIがつなぐほど、仕事の感覚が変わります。

工程が見えるAIは、比べ方が変わる

今回の発表は、性能の数字だけを競う話ではありません。どんな材料で、どんな順番で、どんな練習をしたかが見えます。

AIを選ぶ時、返事の自然さだけでは差がつきにくくなっています。これからは、訓練工程を読む力が使い勝手を左右します。

Granite 4.2はApache 2.0ライセンスで公開されています。一方で、料金や地域ごとの対象条件は発表に書かれていないです。

完成皿がおいしいかだけでなく、厨房がどう動いているかを見る。Hugging Faceで公開された今回の情報は、AIを見る目をそこまで広げます。