IBM abre el código de Granite 4.2, sus modelos de lenguaje entrenados para empresa
La compañía explica cómo construyó desde cero una familia de modelos de distintos tamaños, pensados para tareas profesionales y optimizados para funcionar en servidores propios sin depender de la nube.
IBM publicó Granite 4.2, cinco modelos de lenguaje (programas de IA que entienden y generan texto) de distintos tamaños, entrenados desde cero con 12 billones de fragmentos de texto. Están diseñados para tareas empresariales como resumir documentos o generar código, y pueden ejecutarse en servidores propios sin depender de servicios en la nube.
IBM acaba de publicar Granite 4.2, una nueva generación de modelos de lenguaje (programas de inteligencia artificial que entienden y generan texto) de pesos abiertos (es decir, cualquiera puede descargarlos, estudiar su funcionamiento interno y modificarlos sin pagar licencias). Según detalla la compañía en el blog de Hugging Face (una plataforma donde desarrolladores comparten y descargan modelos de IA ya entrenados), se trata de cinco modelos de distintos tamaños —desde 1.000 millones hasta 27.000 millones de parámetros (valores internos que determinan cómo funciona el modelo)— diseñados específicamente para usarse en entornos profesionales.
Lo más destacable no es solo que IBM ofrezca estos modelos sin restricciones, sino cómo los ha construido. La empresa explica que Granite 4.2 no parte de ningún modelo anterior de otra compañía: se entrenó desde cero con 12 billones de tokens (fragmentos de texto que el modelo lee durante su aprendizaje), combinando textos en 12 idiomas y código de programación en 116 lenguajes. IBM aplicó además un filtrado exhaustivo para eliminar contenido tóxico, datos personales y material protegido por derechos de autor, algo que otras empresas han descuidado y que les ha traído problemas legales.
El enfoque de IBM apunta a un uso distinto al de modelos como GPT-4 o Claude: en lugar de buscar conversaciones brillantes o creatividad desbordante, Granite 4.2 está optimizado para tareas concretas del mundo empresarial. Eso incluye resumir documentos técnicos, extraer información de contratos, generar código siguiendo estándares corporativos o responder preguntas sobre manuales internos. Los cinco modelos permiten a las empresas elegir el tamaño que mejor se ajuste a sus recursos: los más pequeños funcionan en servidores modestos o incluso en portátiles potentes, mientras que los grandes ofrecen mayor precisión a cambio de más potencia de cálculo.
La compañía también detalla el proceso de afinado (fine-tuning, el entrenamiento adicional que se hace después del entrenamiento inicial para especializar el modelo en tareas concretas). Granite 4.2 pasó por varias fases de ajuste usando tanto supervisión humana como técnicas de aprendizaje por refuerzo (un método en el que el modelo aprende probando respuestas y recibiendo feedback sobre cuáles funcionan mejor). IBM insiste en que todo el proceso se hizo con datos propios o con licencias claras, algo que posiciona a Granite como una alternativa más segura desde el punto de vista legal para empresas que temen demandas por infracción de derechos de autor.
Los modelos ya están disponibles en Hugging Face y también en watsonx (la plataforma de IA de IBM), y la empresa ha publicado además las herramientas y recetas técnicas que usó para entrenarlos. Granite 4.2 compite directamente con otros modelos abiertos como Llama de Meta o Mistral, pero IBM apuesta por un mensaje distinto: no busca ganar benchmarks (pruebas estandarizadas que miden el rendimiento de los modelos en distintas tareas) de propósito general, sino ofrecer fiabilidad, trazabilidad del origen de los datos y la posibilidad de ejecutar todo en infraestructura propia, sin enviar información sensible a servidores externos.
