IBM 的新开源模型不是靠读教程学会用终端的，而是靠真的去用
IBM 于 8 月 25 日发布 Granite 4.2：30 亿、80 亿和 300 亿参数的三款稠密推理模型，权重以 Apache 2.0 许可发布——下载、微调、投入生产，都不需要另谈授权。每款都带可开可关的思考模式，同一个模型既能秒答查询，也能一步步推演。IBM 押注的重点在训练。除常规强化学习外，8B 与 30B 版本还经过它所称的「智能体强化学习」：不是从别人写好的工具使用记录中学习，而是被放进真实沙箱——真实的软件工程任务、真实的终端、真实的搜索驱动流程——并按任务是否真的完成来给予奖励。编码能力则由 IBM 自研 CodeAlchemy 流水线生成的一万亿 token 合成代码推动。模型接受 OpenAI 格式的工具调用，可在常见推理框架上运行；权重发布在 Hugging Face、Ollama 和 GitHub，托管版本见于 watsonx、OpenRouter、Replicate 等。
为什么重要?这里值得注意的不是某个跑分，而是一种方法。多数模型学用工具，像照着手册学开车：读别人写下的工具调用记录。而在真实终端里训练、以命令是否真的奏效作为奖励，是另一回事，也更昂贵——但整个领域正朝这个方向漂移，因为智能体能力被证明更多取决于后训练，而非参数规模。对正在权衡本地部署的人来说，实际要点是尺寸：一个经过真实工程任务打磨、采用 Apache 2.0 的 300 亿参数模型，能装进一家普通公司已有的硬件，而且不附带任何关于「你可以拿它做什么」的条款。至于 IBM 自家的跑分图表，在 IBM 之外有人复现之前，先当作待验证的假设。
在App中阅读——免费，9种语言
相关新闻
Odyssey开放了能在浏览器里操控的世界模型。2026-10-11Claude现在能把一项任务分给最多1000个智能体。
2026-10-11重写老游戏的AI智能体想改掉检查自己的脚本。
2026-10-11OpenAI的评分模型为了换新环境，把自己的环境毁了。
2026-10-11谷歌新图像模型把每张图片的价格砍掉一半
2026-10-10