Bisakah saya menjalankan Granite 4.2 30B secara lokal?

Tidak. IBM belum merilis bobot terbuka untuk model ini, jadi hanya tersedia melalui API dan tidak bisa di-host sendiri.

Berapa biayanya dan berapa panjang konteksnya?

Harga $0,16 per juta token input dan $0,65 per juta token output, dengan jendela konteks 131.072 token.

Apa tiga mode berpikir dan kapan saya harus menggunakannya?

Berpikir penuh adalah default dan memberikan penalaran terdalam; tanpa berpikir melewati chain-of-thought untuk respons lebih cepat dan murah; usaha rendah berada di tengah, berguna saat Anda ingin sedikit penalaran tanpa latensi penuh.

Granite 4.2 30b

5367°

#llm #ibm-granite #penalaran #riset #matematika #ekstraksi data

Buka DeepInfra

ibm-granite | konteks 131.072 token | $0.16/M input, $0.65/M output. Granite-4.2-30B adalah model penalaran unggulan dalam keluarga Granite 4.2. Memberikan performa terkuat pada tugas yang intensif penalaran dengan memanfaatkan rantai pemikiran bawaan. Mendukung mode berpikir fleksibel — berpikir penuh (default), tanpa berpikir, dan upaya rendah — memungkinkan pengguna menyeimbangkan kedalaman vs. latensi per kueri.

Panduan untuk model ini

Cara memilih model AI di Oktober 2026: berita sumber tertutup, lalu bobot terbuka yang layak diunduh

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Granite 4.2 30B adalah model penalaran unggulan IBM dalam keluarga Granite 4.2, dibangun dengan pendekatan chain-of-thought dan menawarkan tiga mode berpikir sehingga Anda dapat menukar kedalaman dengan kecepatan berdasarkan setiap kueri. Dengan harga $0,16 per juta token input, model ini jauh lebih murah dibandingkan sebagian besar model penalaran terdepan. Cocok untuk pengembang dan analis yang membutuhkan penalaran serius tanpa tagihan yang serius.

Dikenal untuk

Penalaran chain-of-thought bawaan sebagai fitur utama, bukan trik prompt.
Tiga mode berpikir: penuh, tanpa berpikir, dan usaha rendah untuk kontrol latensi.
Harga kompetitif $0,16/M input dan $0,65/M output.
Jendela konteks 131.072 token untuk dokumen panjang dan tugas multi-langkah.

Waspadai

Bobot model tidak dipublikasikan; Anda terikat pada API IBM tanpa opsi self-host.
IBM belum mempublikasikan angka benchmark, sehingga perbandingan independen sulit dilakukan.
Output dengan harga $0,65/M cukup wajar tapi kueri berat penalaran menghasilkan output panjang dengan cepat.

Terbaik untuk

Prompt untuk dicoba

Teka-teki logika multi-langkah

Lima rekan kerja — Ana, Ben, Cara, Dan, dan Eve — masing-masing bekerja di departemen berbeda: HR, Keuangan, Legal, Teknik, dan Pemasaran. Ana bukan di HR atau Keuangan. Ben di Legal. Cara bukan di Pemasaran. Dan di Teknik. Tentukan departemen masing-masing orang dengan menunjukkan penalaran langkah demi langkah.

Tugas analisis sebab-akibat

Tim perangkat lunak merilis versi baru pada hari Senin. Pada hari Rabu, tingkat kesalahan meningkat dua kali lipat, waktu respons rata-rata naik 40%, dan satu endpoint API tertentu menyumbang 80% kesalahan baru. Jelaskan kemungkinan penyebab berdasarkan urutan probabilitas, bukti yang akan Anda kumpulkan untuk mengonfirmasi masing-masing, dan jalur rollback aman tercepat.

Ekstraksi data terstruktur

Ekstrak semua kewajiban keuangan dari klausul kontrak berikut dan kembalikan sebagai array JSON. Setiap objek harus memiliki: pihak, jenis_kewajiban, jumlah_atau_tarif, tanggal_jatuh_tempo, dan penalti_pelanggaran. Klausul: 'Acme Corp harus membayar Vendor retainer bulanan sebesar $12.000 yang jatuh tempo pada tanggal satu setiap bulan. Pembayaran terlambat dikenakan bunga 1,5% per bulan. Biaya setup satu kali sebesar $5.000 harus dibayar dalam 30 hari setelah penandatanganan kontrak.'

Bandingkan dengan

Qwen3 30B A3B Thinking 2507
Model hanya API
konteks 81,920 token · $0.20/M input, $2.40/M output
Gemini 2.5 Pro Preview 06-05
Model hanya API
konteks 1,048,576 token · $1.25/M input, $10.00/M output
o3 Pro
Model hanya API
konteks 200,000 token · $20.00/M input, $80.00/M output
Ling 3.0 Flash Fin
Model hanya API
konteks 262,144 token · $0.04/M input, $0.12/M output

Model teks lain dari ibm-granite

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Granite 4.2 30B secara lokal?: Tidak. IBM belum merilis bobot terbuka untuk model ini, jadi hanya tersedia melalui API dan tidak bisa di-host sendiri.
Berapa biayanya dan berapa panjang konteksnya?: Harga $0,16 per juta token input dan $0,65 per juta token output, dengan jendela konteks 131.072 token.
Apa tiga mode berpikir dan kapan saya harus menggunakannya?: Berpikir penuh adalah default dan memberikan penalaran terdalam; tanpa berpikir melewati chain-of-thought untuk respons lebih cepat dan murah; usaha rendah berada di tengah, berguna saat Anda ingin sedikit penalaran tanpa latensi penuh.

Putusan Kapten
Model penalaran yang benar-benar terjangkau dengan kontrol latensi berguna — layak dicoba jika Anda tidak keberatan terkunci pada API IBM.

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Cara memasang

Cara Menginstal Ollama dan Menjalankan AI Lokal (Windows, Mac, Linux)

11 Okt 2026

Buka DeepInfra

Model Serupa

Qwen3 Coder 480B A35B Instruct Turbo

Model AI untuk Pembuatan Gambar, Video & Teks

Granite 4.2 30b adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm ibm-granite penalaran riset matematika ekstraksi data

Jelajahi berdasarkan Keluarga Model