IBM
Granite 4.2 3B InstructAberto
IBM Granite 4.2 3B compact SLM optimized for on-device and low-latency inference.
Inteligência
42.0 #435
AAQI 36.0
Velocidade de saída
148 t/s
TTFT 160 ms · ITL 6.8 ms/tok
Preço combinado (3:1)
$0.11 /1M
Entrada $0.08/M · Saída $0.2/M
Contexto
128K
≈ 320 páginas A4 · saída máx. 8,192
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
Granite 4.2 3B Instruct
Claude Mythos Preview (#1)
Average (68)
Os eixos do radar são aproximados a partir dos scores de categoria quando faltam medições diretas — veja Metodologia.
Pontos fortes e trade-offs
Onde vence
- Open weights — self-host, fine-tune and audit with no vendor lock-in
- 148 tok/s output — fast enough for real-time agents
- Sub-200ms time-to-first-token
- Very low blended price — $0.11/1M mixed tokens
Casos de uso matadores
Real-time agents
Low-latency loops for voice, gaming and interactive copilots.
High-volume batch jobs
Classification, extraction and summarization at minimal cost per call.
On-prem deployment
Air-gapped and regulated-environment serving on your own hardware.
Quickstart do desenvolvedor e API
Defina primeiro
HF_TOKEN — obter uma chave de APIcurl https://router.huggingface.co/v1/chat/completions \
-H "Authorization: Bearer $HF_TOKEN" \
-H "content-type: application/json" \
-d '{
"model": "granite-4-2-3b",
"messages": [{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}]
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://router.huggingface.co/v1",
api_key=os.environ["HF_TOKEN"],
)
resp = client.chat.completions.create(
model="granite-4-2-3b",
messages=[{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}],
)
print(resp.choices[0].message.content)const res = await fetch("https://router.huggingface.co/v1/chat/completions", {
method: "POST",
headers: {
Authorization: `Bearer ${process.env.HF_TOKEN}`,
"content-type": "application/json",
},
body: JSON.stringify({
model: "granite-4-2-3b",
messages: [{ role: "user", content: "Refactor this function for O(n) time and explain the change." }],
}),
});
console.log((await res.json()).choices[0].message.content);Recursos e links oficiais
Implantação de API
Comparar hosts e latência
Throughput, TTFT e preços de cache na Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock e Azure.
GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Pontuações por fonte
Pontuações por categoria
Resultados de benchmarks
Especificações ao vivo e arquitetura
Por baixo do capô
Dense · 3 billion
- Prompt caching supported — cached input reads at $0.01/1M tokens.
Data de lançamento
20 de jul. de 2026
Arquitetura
Dense · 3 billion
Parâmetros
3 billion
Licença
Open Weights
Janela de contexto
128,000 tokens
Saída máx.
8,192 tokens
Modalidades
text
Preços de cache
leitura $0.01 · escrita $0.1 /1M
Raciocínio
—
Preço de entrada
$0.08/M
Preço de saída
$0.2/M
Velocidade de saída
148 t/s
Tempo até o primeiro token
160 ms
Dados atualizados
28 de ago. de 2026
Fatura mensal estimada
Gasto mensal estimado
$0.00
Calculando economia vs GPT-4o…
Citar e incorporar
Badge de Markdown do GitHub
Loading badge markdown...BibTeX
@misc{llmpodium2026granite423b,
title = {Benchmark Analysis and Intelligence Evaluation of Granite 4.2 3B Instruct},
author = {LLMPodium Research},
year = {2026},
url = {https://llmpodium.com/models/granite-4-2-3b}
}Incorporar selo de pontuação
Adicione um selo de Podium Score ao seu README no GitHub ou Hugging Face — ele aponta para o ranking ao vivo.
Pré-visualização
Markdown
Loading badge snippet...HTML
Loading badge snippet...Mais de IBM
Modelos alternativos
Principais alternativas para Granite 4.2 3B Instruct com base em recursos, preço e benchmarks.