LBS-27B vs. Granite 4.2 30B: Dense by Design gegen eine Spezifikation, die es nicht gibt

IBM traf mit Granite 4.2 30B eine bewusste Entscheidung: Es behielt die dichte Architektur bei. Vierundsechzig Schichten, ein 32.768 breiter Feed-Forward-Block, jeder Parameter für jedes Token gelesen. In einem Jahr, in dem die meisten Labore dieser Größe zu Mixture-of-Experts-Routing griffen, lieferte IBM ein durchgängig dichtes 30B-Modell und bepreiste es entsprechend. Diese Entscheidung ist die richtige Linse für den Vergleich mit LBS-27B, denn das Einzige, was wir über das neue Repository von inclusionAI wissen, sind ein Name und eine Lizenz — und die erste Frage, die dieser Name beantworten muss, ist, ob er ein dichtes oder ein spärliches Modell beschreibt.

Granite 4.2 30B verfügt über eine vollständige öffentliche Dokumentation: Modellgewichte seit August 2026, eine Apache-2.0-Lizenz, eine Modellkarte mit neunzehn Benchmark-Zeilen und einen dokumentierten Tool-Calling-Stack. LBS-27B hat ein am 26. Oktober 2026 erstelltes Repository, das eine .gitattributes-Datei und eine 28-Byte-README enthält, die Apache-2.0 deklariert und sonst nichts aussagt. Dies ist kein Vergleich zweier Modelle. Es ist ein Vergleich eines Modells mit einer Spezifikation, die noch nicht geschrieben wurde, und die nützliche Ausgabe ist eine Liste der konkreten Dinge, die diese Spezifikation enthalten müsste.

Was IBM tatsächlich ausgeliefert hat

Granite 4.2 30B ist ein dichter Decoder mit 30 Milliarden Parametern – Hugging Face führt 29B in BF16 auf – über 64 Schichten, eine versteckte Größe von 4.096, 32 Attention-Heads und 8 Key-Value-Heads unter Grouped-Query-Attention. Das Vokabular umfasst 100.352 Tokens, die native Kontextlänge beträgt 131.072, und IBM dokumentiert eine Long-Context-Erweiterung auf 512K. Es ist reiner Text. Die Modellkarte nennt zwölf getestete Sprachen: Englisch, Deutsch, Spanisch, Französisch, Japanisch, Portugiesisch, Arabisch, Tschechisch, Italienisch, Koreanisch, Niederländisch und Chinesisch.

Es ist ein Reasoning-Modell im üblichen Sinne von 2026. Die Modellkarte beschreibt Full-Thinking-, Non-Thinking- und Low-Effort-Modi, wobei das Reasoning in Think-Tags eingebettet ist. Es wurde auf Basis von Granite 4.1 30B Base feinabgestimmt, das unter Apache-2.0 veröffentlicht wurde, und IBM datiert die Veröffentlichung auf den 25. August 2026.

Dense ist kein technischer Mangel. Es ist ein Tausch. Ein dichtes Modell hat vorhersehbares Rechen- und Speicherverhalten pro Token, keinen Router, der einen Token falsch weiterleiten könnte, kein Expert-Parallel-Sharding, das entworfen werden müsste, und eine Fine-Tuning-Story, die sich so verhält, wie die meisten Teams es erwarten. Im Gegenzug kostet es pro Token mehr für die Bereitstellung als ein spärliches Modell derselben Gesamtgröße. IBM verkauft diesen Tausch an Unternehmen, die lieber eine langweilige Bereitstellung als eine billige wollen.

Ein Benchmark-Profil mit einer Form

Granites Karte ist ungewöhnlich vollständig, wodurch sich erkennen lässt, wo das Modell stark ist und wo nicht. All diese Angaben stammen vom Anbieter und wurden nicht unabhängig reproduziert.

• Mathematik — AIME25 89,17 und HMMT Februar 2025 89,17. Das sind die herausragenden Zahlen auf der Karte, und sie liegen deutlich über dem, was ein 30B-Modell vor einem Jahr leistete.

• Wissen und Wissenschaft — GPQA 66,41, MMLU-Pro 77,60, MMLU-ProX lite 66,64, SciCode 38,76. Kompetent, aber nicht Spitzenklasse. Die Lücke zwischen einem AIME-Wert nahe 90 und einem GPQA-Wert im mittleren 60er-Bereich macht die Gestalt dieses Modells aus: Es ist besser darin, ein strukturiertes Problem durchzuarbeiten, als breites Domänenwissen abzurufen oder darüber zu schlussfolgern.

• Softwareentwicklung — SWE-Bench Verified 57, SWE-Bench Pro 33.29, SWE-Bench Multilingual 41.89, Terminal-Bench 2.1 29.24, LiveCodeBench v6 75.77. Der Abfall von LiveCodeBench zu Terminal-Bench ist groß, und das ist wichtig: Die Fähigkeit zum wettbewerblichen Programmieren ist nicht dasselbe wie das Erledigen einer mehrstufigen Aufgabe in einem echten Terminal.

• Langer Kontext — RULER 64K 89,96 und RULER 128K 81,38. Das ist das beruhigendste Paar auf dem Datenblatt, weil es den Abruf über das gesamte Fenster hinweg misst, statt anzunehmen, dass ein großer Kontext auch nutzbar ist. Ein Rückgang um sieben Punkte von 64K auf 128K ist ein sanftes Gefälle.

• Instruktionsbefolgung und Chat — IFBench 77,17, Arena-Hard-V2 67,93, tau3 im Durchschnitt bei 62,00, BFCL v4 61,39.

Die ehrliche Einschätzung ist, dass Granite 4.2 30B ein solides, unausgewogenes Modell ist: exzellent bei Wettbewerbsmathematik und Long-Context-Retrieval, durchschnittlich bei breitem Allgemeinwissen und im Mittelfeld bei agentischer Softwarearbeit. Das ist ein spezifisches Produkt, kein generisches.

Tool Calling ist das Argument, das IBM vorbringt.

Der Begriff, den IBM verwendet, lautet „reasoning-augmented tool calling“ – das Modell überlegt, welches Tool es aufrufen soll und warum, bevor es dieses aufruft. Die Implementierungsdetails sind praktisch statt exotisch: Funktionsdefinitionen im OpenAI-Stil, ein vLLM-Tool-Parser namens qwen3_coder, die automatische Auflösung durch SGLang auf denselben Parser und Integrationen mit OpenCode, Pi und OpenHands.

Ob das besser ist als die Alternativen, ist eine empirische Frage, und die Zahlen der Modellkarte selbst sind gemischt. BFCL v4 mit 61,39 und tau3 mit 62,00 sind respektabel, aber nicht dominierend; die Modelle, die diese Bestenlisten anführen, sind im Allgemeinen größer. Was Granite bietet, ist ein dokumentierter, reproduzierbarer Tool-Calling-Pfad mit permissiver Lizenzierung und einem dichten Serving-Profil – was ein Enterprise-Agent-Projekt oft tatsächlich braucht, mehr als eine Spitzenposition in einer Bestenliste.

Dies ist der Bereich, in dem LBS-27B zuerst bewertet wird, wenn es auf denselben Käufer abzielt. Ein Modell, das Tools nicht zuverlässig aufrufen kann, kommt unabhängig von seinem MMLU-Score für agentische Arbeit nicht infrage, und Tool-Calling-Evaluierungen gehören genau zu jenen Dingen, die in einem Repository erst auftauchen, wenn das Modell fertig ist.

Die LBS-27B-Seite der Seite

Es gibt sehr wenig zu sagen, und es ist wichtig, es präzise zu sagen, statt den Raum mit Vermutungen zu füllen.

• Das Repository existiert. Es wurde am 26. Oktober 2026 um 05:36 UTC erstellt und seitdem nicht verändert.

• Es enthält zwei Dateien: eine 1.519 Byte große .gitattributes und eine 28 Byte große README. Die README besteht nur aus Lizenz-Frontmatter: license: apache-2.0.

• Es gibt keine Gewichte, keine Konfiguration, keinen Tokenizer, keine Modellkarte und keine Evaluationsdaten. Downloads werden nicht erfasst und Likes sind null. Wir haben keine Ankündigung, kein Paper und keine öffentliche Diskussion gefunden.

• „27B“ ist Teil des Repository-Namens. Nichts im Repository bestätigt es als Parameteranzahl, und nichts deutet darauf hin, ob das Modell dense oder sparse ist.

Dieser letzte Punkt ist keine geringfügige Lücke. Dichte und sparse 27B-Modelle sind unterschiedliche Produkte mit unterschiedlicher Serving-Ökonomie, unterschiedlichem Fine-Tuning-Verhalten und unterschiedlichen Fehlermodi. Solange keine Konfigurationsdatei existiert, hat der Granite-Vergleich eine vollständig spezifizierte Seite und eine leere.

Der Vergleich, Dimension für Dimension

• Parameter — Granite 4.2 30B ist ein 30B-dense-Modell (29B in BF16 angegeben); LBS-27B ist ein unbestätigtes 27B-Modell, dessen Architektur nicht offengelegt wurde.

• Schichten und Breite — 64 Schichten mit einer verborgenen Größe von 4.096 für Granite; für LBS unbekannt.

• Kontext — 131.072 native und eine dokumentierte 512K-Erweiterung für Granite; für LBS unbekannt.

Modalität — nur Text für Granite; für LBS unbekannt, wobei Nur-Text den sinnvollen Basisfall darstellt.

• Sprachen — zwölf getestete Sprachen für Granite; für LBS unbekannt.

• Reasoning-Modi – vollständig, ohne Denkmodus und mit geringem Aufwand für Granite; unbekannt für LBS.

• Tool-Aufruf — dokumentierter Function-Calling-Pfad mit BFCL v4 61.39 und tau3 62.00 für Granite; für LBS nichts veröffentlicht.

• Lizenz — Apache-2.0 für Granite; Apache-2.0 für LBS deklariert, änderbar, bevor die Gewichte ausgeliefert werden.

• Verfügbarkeit — Granite-Gewichte sind heute herunterladbar und selbst hostbar; LBS hat nichts zum Herunterladen.

Die Kontextlänge ist der Punkt, an dem die beiden am stärksten auseinandergehen könnten.

Granites natives 128K-Fenster mit einer 512K-Erweiterung ist ein bewusstes Enterprise-Feature, und die RULER-Werte legen nahe, dass es nicht nur Marketing ist: 81,38 bei 128K ist ein brauchbares Ergebnis. Für Vertragsprüfung, Log-Analyse, Codebase-Retrieval und lange Audit-Trails ist diese Kombination – ein dokumentierter Erweiterungspfad plus Retrieval-Nachweise nahe dem oberen Ende des Fensters – wertvoller als eine größere Zahl, hinter der keine Belege stehen.

Wenn LBS-27B mit einem 256K- oder 512K-Fenster ausgeliefert wird, wird die interessante Frage nicht die Zahl sein. Sondern ob inclusionAI Retrieval-Evaluierungen am äußersten Ende davon veröffentlicht. Ein Fenster ist eine Kapazitätsbehauptung; RULER-artige Ergebnisse sind eine Fähigkeitsbehauptung, und beide weichen in der Praxis stark voneinander ab.

Bereitstellung, Lizenzierung und wo ein Router ins Spiel kommt

Beide Modelle deklarieren Apache-2.0, was das freizügigste Ergebnis für die kommerzielle Nutzung ist und der Grund dafür, dass Granite bei Teams beliebt ist, die keine benutzerdefinierte Lizenz akzeptieren können. Granite 4.2 30B ist nicht auf OrcaRouter verfügbar, und LBS-27B ebenfalls nicht; wenn Sie Granite möchten, laden Sie es herunter und stellen es selbst bereit oder nutzen eine Hosting-Plattform.

Genau bei einer solchen selbst gehosteten Bereitstellung ergibt eine hybride Architektur Sinn. Betreiben Sie Granite für das Routinevolumen auf Ihrer eigenen Hardware – den Klassifizierungs-, Extraktions- und Tool-Calling-Traffic, für den ein dichtes 30B-Modell mehr als ausreicht – und leiten Sie die wirklich schwierigen Fälle an ein gehostetes Frontier-Modell weiter. OrcaRouter ist für die zweite Hälfte nützlich: ein API-Schlüssel für über 200 Modelle, automatisches Failover, wenn ein Anbieter schlechter wird, und eine Routing-DSL, mit der Sie die Aufteilung als Policy ausdrücken können statt als Code in drei Services. Wir geben die Listenpreise der Anbieter mit 0 % Aufschlag weiter, sodass auf der gehosteten Seite der Rechnung die Zahl des Anbieters steht und nicht unsere mit einem Aufschlag obendrauf.

Was wir nicht behaupten werden, ist, dass eines der beiden Modelle in diesem Vergleich über uns verfügbar ist. Das ist nicht der Fall, und eine Vergleichsseite, die etwas anderes impliziert, ist schlimmer als nutzlos.

Was würde diesen Vergleich entscheiden?

Drei Artefakte würden diese Seite von einer Spezifikationsübung zu einem echten Duell machen.

Das erste ist eine config.json mit Expertenfeldern, das die Frage dense versus sparse entscheidet und die Anzahl der aktiven Parameter angibt. Wenn LBS-27B sparse mit einer geringen Anzahl aktiver Parameter ist, wird es Granite bei den Serving-Kosten unterbieten, und der Vergleich wird zu einer Abwägung zwischen Preis und Qualität. Wenn es dense ist, handelt es sich um eine Frage der direkten Substitution, und die Tooling-Reife von IBM wird zum Zünglein an der Waage.

Das zweite ist eine Tool-Calling-Evaluierung auf einer benannten Harness-Version. Granites BFCL-v4- und tau3-Zahlen sind nicht spektakulär, was bedeutet, dass ein neues Modell nicht spektakulär sein muss, um sie zu schlagen – es muss auf demselben Harness gemessen werden.

Der dritte Punkt ist der Nachweis für Long-Context-Retrieval bei 128K oder mehr. Granites RULER-Werte sind sein stärkstes Argument für Unternehmensrelevanz, und sie sind die Zahl, an der sich ein Herausforderer messen lassen sollte.

Für einen Enterprise-Käufer, der heute entscheidet, ist Granite 4.2 30B eine bekannte Größe mit einer permissiven Lizenz, einem dokumentierten Tool-Stack und einem dichten Serving-Profil, das viele Infrastrukturteams bevorzugen. LBS-27B ist ein Name mit einer Lizenzzeile. Die Lücke zwischen ihnen ist kein Urteil über die Ingenieursleistung von inclusionAI. Sie ist einfach der Unterschied zwischen einem Modell, das veröffentlicht wurde, und einem, das zurückgehalten wurde.