Nanbeige4.3-33B vs. Granite 4.2 30B: Behauptungen gegen Compliance

Die Entscheidung zwischen Nanbeige4.3-33B und Granite 4.2 30B wird in einem Beschaffungsmeeting getroffen, nicht auf einem Leaderboard. Beide sind grob 30 Milliarden Parameter große Dense-Modelle unter Apache 2.0, beide können diese Woche heruntergeladen werden, und beide geben eine Obergrenze von 512K Token an. Aber das eine wird von IBM mit signierten Artefakten und einem Supportvertrag verkauft, und das andere ist ein zwei Tage altes Repository eines chinesischen Labors, das keine Veröffentlichungsankündigung herausgegeben hat. IBMs Granite 4.2 30B erschien am 25. August 2026; Nanbeige4.3-33B tauchte am 24. Oktober 2026 auf Hugging Face auf. Sie sind nicht wirklich Rivalen für denselben Kauf, und genau deshalb lohnt es sich, den Vergleich sorgfältig anzustellen.

Das Folgende ist kein Gewinner. Es ist eine Shortlist-Logik: die vier Fragen, die diese Modelle tatsächlich trennen, samt der Evidenz, auf die sich jede Antwort stützt, und den Stellen, an denen die Evidenz schwächer ist, als sie wirkt.

Zwei Produkte mit derselben Parameteranzahl

Granite 4.2 30B ist das Spitzenmodell der Granite-4.2-Reihe von IBM – 3B, 8B und 30B, alle dense. Es baut auf Granite-4.1-30B-Base auf, wurde mit rund 15 Billionen Tokens vortrainiert, darunter etwa eine Billion synthetische Code-Tokens, und durchläuft anschließend in den Größen 8B und 30B eine agentische Reinforcement-Learning-Phase. Es bietet drei Reasoning-Modi (Thinking, Non-Thinking, Low-Effort), native Tool-Aufrufe im OpenAI-Format sowie FP8- und 4-Bit-Builds. IBM nennt native Unterstützung für vLLM und SGLang, einschließlich eines granite_thinking_parser.

Nanbeige4.3-33B ist ein einzelner dichter Checkpoint aus dem Nanbeige LLM Lab, dem KI-Team von Kanzhun, dem Unternehmen hinter BOSS Zhipin. Die Modellkarte ist ungewöhnlich konkret, was das Deployment betrifft: 33,1 Mrd. Parameter, 524.288 Token Kontext, Englisch und Chinesisch, standardmäßig aktiviertes Denken, ein XML-Tool-Call-Format, das gegenüber JSON empfohlen wird, und ein preserve_thinking-Flag, das auf Multi-Turn-Tool-Nutzung abzielt. Es ist explizit als Lehrermodell für ein kleineres Schwestermodell, Nanbeige4.3-3B, positioniert, das noch nicht veröffentlicht wurde.

Der Unterschied in der Absicht ist entscheidend. Granite ist eine Produktlinie mit einem Enterprise-Support-Pfad. Nanbeige4.3-33B ist ein Forschungsartefakt, das veröffentlicht wurde, um eine Familie zu begründen. Das eine ist dafür gebaut, gekauft zu werden; das andere dafür, als Grundlage für Destillation zu dienen.

Die eine Zeile, die beide Labore tatsächlich ausgeführt haben

Nanbeiges Karte vergleicht sich mit Qwen3.8-27B, Muse-Glimmer-30B und Gemma 4 31B. IBMs Granite-Materialien erwähnen Nanbeige überhaupt nicht. Somit teilen die beiden Karten genau einen Benchmark, bei dem ein direkter Vergleich auch nur nominell möglich ist: Terminal-Bench 2.1.

• Terminal-Bench 2.1 — Nanbeige4.3-33B 80,9 (Nanbeiges Karte) gegenüber Granite 4.2 30B 29,24 (IBMs Karte). Ein Vorsprung von 51,7 Punkten zugunsten von Nanbeige.

Das ist der größte behauptete Unterschied zwischen zwei Anbietertabellen in diesem gesamten Vergleich, und er braucht drei Vorbehalte, bevor er überhaupt etwas aussagt. Erstens stammen beide Zahlen von den Anbietern. Zweitens gibt das Datenblatt von Nanbeige an, dass sein Terminal-Bench-2.1-Lauf Terminus 2 verwendete; das IBM-Datenblatt nennt sein Scaffold nicht. Drittens misst ein Terminal-Benchmark ein Modell plus eine Agentenschleife, und eine Lücke von 51 Punkten kann ebenso gut von der Schleife wie von den Gewichten kommen. Ein Modell mit einem gut abgestimmten Harness und ein Modell mit einem Standard-Harness werden bei demselben nominalen Benchmark um Dutzende Punkte voneinander abweichen.

Die danach nächstliegende gemeinsame Zeile ist GPQA Diamond: Nanbeige meldet 89,5, IBM meldet 66,41. Das ist eine echte Lücke bei einem Wissens-Benchmark, und sie ist groß genug, um Harness-Unterschiede zu überstehen, aber sie misst auch etwas anderes als agentisches Coding – wissenschaftliche Fragen auf Graduierten-Niveau, nicht langhorizontige Tool-Nutzung. Das besagt, dass Nanbeige nach dieser Evidenz der stärkere Reasoner der beiden ist. Es besagt nicht, dass es der stärkere Agent ist.

Alles andere ist nicht vergleichbar. Nanbeige meldet SWE-Bench Pro mit 60,3; IBM meldet SWE-Bench Verified mit 57,00 – unterschiedliche Varianten, unterschiedliche Schwierigkeit. Nanbeige meldet AIME 2026 mit 95,2; IBM meldet AIME25 mit 89,17 – unterschiedliche Jahre. Nanbeige meldet JobBench und DeepPlanning; IBM meldet τ³-bench 62,00, BFCL v4 61,39, MMLU-Pro 77,60, LiveCodeBench v6 75,77 und RULER 128K 81,38. Für keines davon gibt es ein Nanbeige-Gegenstück.

Zwei 512K-Ansprüche, die nicht derselbe Anspruch sind

Beide Modelle werben mit einer Obergrenze von 512K. Sie erreichen sie auf unterschiedliche Weise, und der Unterschied zeigt sich darin, was jeder Anbieter bereit war zu veröffentlichen.

• Natives Kontextfenster — Nanbeige4.3-33B: 524.288 Token, nativ. Granite 4.2 30B: 131.072 Token, nativ.

• Erweiterte Obergrenze — Granite 4.2 30B bietet eine Langkontext-Erweiterung bis 512K. Nanbeige benötigt keine; 512K ist das trainierte Fenster.

• Belege für langen Kontext — IBM veröffentlicht RULER mit 128K: 81.38. Nanbeige veröffentlicht AA-LCR mit 84.0, einen Benchmark für Langkontext-Reasoning, aber keinen Recall-Benchmark bei einer angegebenen Tiefe.

• Ausgabe — Die Modellkarte von Nanbeige empfiehlt bis zu 262.144 neue Token für Reasoning und Chat, 65.536 für agentische und Tool-Use-Arbeiten. IBMs empfohlener max_new_tokens-Wert ist 8.192 im Denkmodus und 2.048 im Nicht-Denkmodus.

Die letzte Zeile ist die praktische. Ein 512K-Eingabefenster in Kombination mit einer 8K-Ausgabeempfehlung ist ein Modell, das dafür gebaut ist, viel zu lesen und kurz zu antworten. Ein 512K-Fenster in Kombination mit einem Generierungsbudget von 262K ist ein Modell, das für die Erzeugung langer Artefakte gebaut ist. Wenn Ihre Arbeit darin besteht, „das Repository aufzunehmen und die Migration zu schreiben“, sind sie selbst bei gleicher nominaler Kontextlänge keine gleichwertigen Produkte.

Tool-Aufrufe, Denkmodi und die Integrationssteuer

Granites Tool-Calling folgt dem OpenAI-Format und ist nativ, mit BFCL v4 bei 61,39 in IBMs eigener Evaluierung. Das bedeutet, dass es sich ohne benutzerdefinierten Parser direkt in einen standardmäßigen Function-Calling-Client einsetzen lässt. IBM veröffentlicht außerdem einen Thinking-Parser für vLLM, sodass sich die Reasoning-Traces sauber von der Antwort trennen lassen.

Nanbeige4.3-33B verfolgt den entgegengesetzten Ansatz: Es empfiehlt tool_call_format="xml" für beste Leistung, liefert eine Vorlage im ChatML-Stil mit und verlangt, dass Sie den Qwen3-Reasoning-Parser und den Qwen3-Coder-Tool-Parser in vLLM oder SGLang verwenden. Das ist kein Defekt – viele starke Agentenmodelle verwenden XML-Toolaufrufe –, aber es ist Integrationsarbeit. Wenn Ihr Stack OpenAI-Tool-JSON spricht, benötigt Nanbeige entweder eine Übersetzungsschicht oder seinen JSON-Modus, der laut der Karte unterstützt, aber nicht bevorzugt wird.

Das ist der Preis, den Benchmark-Tabellen nie zeigen. Ein Modell, das auf einem Harness, den Sie neu aufbauen müssen, 20 Punkte besser ist, ist am Dienstag nicht 20 Punkte besser. Granites Vorteil liegt hier nicht in der Leistungsfähigkeit; er besteht darin, dass die Anbindung dokumentiert, standardisiert und von einem Anbieter mit Bugtracker unterstützt wird.

Die Compliance-Linie

IBM liefert Granite mit kryptografischen Signaturen, ISO-Zertifizierung und Transparenzoffenlegungen. Für einen regulierten Käufer ist das kein Marketing – es ist der Unterschied zwischen einem Modell, das einen Genehmigungsprozess durchlaufen kann, und einem, das es nicht kann. IBM ist außerdem der Vertragspartner: Es gibt einen Vertrag, einen Supportweg und ein Unternehmen, das im Zeitrahmen des Beschaffungszyklus noch existieren wird.

Nanbeige4.3-33B hat eine Apache-2.0-Lizenz, die rechtlich permissiv und kommerziell nutzbar ist. Es gibt keinen Enterprise-Supportvertrag, kein Programm für signierte Artefakte und keine über die Modellkarte hinausgehende veröffentlichte Erklärung zur Datenherkunft. Das Lab ist Teil von Kanzhun, einem börsennotierten chinesischen Unternehmen, und das Modell ist zweisprachig Englisch–Chinesisch. Nichts davon schließt es aus. All das sind Punkte, nach denen eine Sicherheitsüberprüfung fragen wird, und die ehrliche Antwort heute ist, dass die Beweislage auf der Nanbeige-Seite dünner ist.

Für ein Team außerhalb eines regulierten Prozesses ist dieser Abschnitt irrelevant, und Sie können ihn überspringen. Für ein Team innerhalb eines solchen Prozesses kann er die Frage entscheiden, bevor die Benchmarks gelesen werden.

Was ein Token kostet und was eine GPU kostet

Granite 4.2 30B ist als verwaltete API für 0,16 US-Dollar pro Million Eingabe-Tokens und 0,65 US-Dollar pro Million Ausgabe-Tokens verfügbar, mit 75 % Cache-Rabatt, etwa 47,5 Ausgabe-Tokens pro Sekunde und 0,82 Sekunden bis zum ersten Token. Artificial Analysis schätzt die Kosten auf etwa 0,07 US-Dollar pro Intelligence-Index-Aufgabe. Die Gewichte sind ebenfalls herunterladbar, mit etwa 60 GB in BF16 oder 30 GB bei 8 Bit – eine Bereitstellung auf einer einzelnen GPU.

Nanbeige4.3-33B hat keinen veröffentlichten Preis pro Token, weil niemand es hostet. In der Modellkarte steht unmissverständlich, dass kein Inferenzanbieter das Modell bereitstellt. Selbsthosting bedeutet etwa 66 GB in BF16 oder rund 20 GB bei 4 Bit, wobei die eigenen Rezepte des Anbieters Tensor-Parallelität der Größe 4 verwenden. Das sind vier GPUs, die vorgehalten werden, egal ob Anfragen eintreffen oder nicht.

Stellen Sie die beiden Zahlen ehrlich nebeneinander, und der Vergleich liegt zwischen einer nutzungsabhängigen Rechnung, die bei null beginnt, und einer Investitionsausgabe, die bei vier GPUs beginnt. Bei geringem Volumen ist Granite um eine Größenordnung günstiger. Bei dauerhaft hohem Volumen kann ein selbst gehostetes 33B gewinnen – aber nur, wenn die Auslastung hoch genug ist, um die Hardware zu amortisieren, und nur, wenn man die Engineering-Zeit mit null bewertet. Die meisten Teams stellen fest, dass sie nicht null ist.

Keines der beiden Modelle ist auf unserem Router, und das sollte man deutlich sagen.

OrcaRouter führt Nanbeige4.3-33B oder Granite 4.2 30B derzeit nicht im Angebot. Wir werden nicht so tun, als wäre es anders, denn wer sich anmeldet und eines der beiden Modelle erwartet, würde einen Tag damit verlieren, herauszufinden, dass der Katalog es nicht enthält.

Was die Routing-Schicht weiterhin leistet, ist, den Rest der Entscheidung kostengünstig zu halten. Wenn Sie bereits einen etablierten Anbieter über unseren Endpoint laufen lassen, ist es eine Konfigurationsänderung statt einer zweiten Integration, ein selbst gehostetes Nanbeige hinter demselben Schlüssel hinzuzufügen und ihm einen Teil des Datenverkehrs zuzuweisen. Unser 0%-Aufschlag-Modell — der Listenpreis des Anbieters wird durchgereicht — bedeutet außerdem, dass sich die Zahl, die Sie sehen, mitbewegt, wenn IBM oder ein anderer Anbieter den Granite-Preis ändert, statt hinter der Marge eines Wiederverkäufers zurückzubleiben. Das macht keines der beiden Modelle verfügbar. Es macht das Experiment rund um sie kostengünstiger durchzuführen.

Eine Auswahlliste, kein Gewinner

• Wenn Sie einen Vertrag, Unterschriften und einen Support-Weg benötigen: Granite 4.2 30B, und die Benchmark-Lücke spielt keine Rolle mehr.

• Wenn Sie die stärkste behauptete agentische Coding-Leistung in dieser Größenklasse benötigen: Nanbeige4.3-33B – mit der Einschränkung, dass sein Wert von 80,9 auf Terminal-Bench 2.1 außerhalb seiner eigenen Model Card nie reproduziert wurde.

• Wenn Sie native 512K-Eingabe mit langer Ausgabe benötigen: Nanbeige4.3-33B. Granite erreicht 512K durch Erweiterung und empfiehlt 8K-Ausgaben.

• Wenn Sie Chinesisch benötigen: Beide Modelle führen es auf. Die Modellkarte von Granite nennt Chinesisch unter 12 Sprachen; die von Nanbeige führt Englisch und Chinesisch auf. Die Sprache gibt hier nicht den Ausschlag.

• Wenn Sie heute ohne GPUs starten müssen: Granite 4.2 30B über die API von IBM. Nanbeige hat überhaupt keine gehostete Option.

Die unbequeme Zusammenfassung lautet, dass diese Modelle in ihrer Klasse so nah beieinanderliegen, dass die Entscheidung von den Rahmenbedingungen um sie herum getroffen wird – Beschaffung, Bereitstellung, Sprache, Modalität – und nicht von der 51-Punkte-Zeile. Diese Zeile mag durchaus real sein. Sie ist zugleich die am wenigsten verifizierbare Behauptung in diesem Artikel, und sie sollte der letzte Grund sein, ein Modell zu wählen, nicht der erste.