Xing 4.0 29B-A4B vs. Granite 4.2 30B: Dense liest alles, Sparse liest ein Neuntel

Hier ist das gesamte architektonische Argument in einem Satz. G​ranite 4.2 30B, IBMs dichtes Reasoning-Modell, das am 25. August 2026 unter Apache 2.0 veröffentlicht wurde, liest alle seine dreißig Milliarden Parameter, um jedes einzelne Token zu erzeugen. Xing 4.0 29B-A4B, das sparse Mixture-of-Experts-Modell von China Telecom, dessen Gewichte am 16. September 2026 online gingen und das ab Mitte Oktober aufrufbar war, liest etwa vier Milliarden seiner neunundzwanzig. Beide sind Apache-2.0, beide liegen in derselben Gewichtsklasse, beide zielen auf agentische Arbeit ab, und sie kosten Sie beim Betrieb völlig unterschiedliche Dinge: G​ranite kostet Rechenleistung bei jedem Token, Xing kostet Speicher, um Experten vorzuhalten, die Sie bei diesem Token nicht verwenden, und einen Serving-Stack, der weiß, wie er sie umgeht. Alles Folgende ergibt sich daraus.

Was jedes Artefakt tatsächlich ist

Es lohnt sich, sie von dem Label zu trennen, das sie gemeinsam tragen. „30B“ sagt Ihnen etwas über die Größe einer Datei, nicht über die Form einer Arbeitslast.

• G​ranite 4.2 30B — I​BMs Flaggschiff in der Familie G​ranite 4.2, aufgebaut auf G​ranite-4.1-30B-Base. Ein dichter Reasoning-Transformer mit reiner Decoder-Architektur, 30B Parameter (das Repository listet 29B in BF16-Tensoren), Grouped-Query-Attention mit 32 Attention-Heads gegenüber 8 Key-Value-Heads, RoPE bei θ = 10.000.000, SwiGLU-MLP mit einer Hidden-Size von 32.768, nicht gebundene Eingabe- und Ausgabe-Embeddings, RMSNorm bei ε = 1e-5. Zwölf getestete Sprachen. Apache 2.0.

• Xing 4.0 29B-A4B — TeleAIs Nachfolger der TeleChat-Reihe. 40 Schichten, Hidden-Size 3.584, dichtes FFN mit Zwischengröße 9.216 gegenüber einer Experten-Zwischengröße von 1.024, 64 geroutete Experten, von denen 4 pro Token aktiv sind, plus ein immer aktiver geteilter Experte, MLA-Attention mit komprimierten Key-Value statt GQA und in den Checkpoint eintrainiertes MTP-Speculative-Decoding. Effektiv eine getestete Sprache auf der Karte. Apache 2.0.

• Kontext — G​ranite 4.2 30B unterstützt nativ 128K mit einer dokumentierten Langkontext-Erweiterung auf 512K und einer Konfigurationssequenzlänge von 131.072. Xing 4.0 bietet nativ 256K und soll auf 512K erweiterbar sein. Xings Standardfenster ist doppelt so breit; G​ranites Erweiterungspfad ist von beiden der besser dokumentierte.

• Veröffentlichte Formate — G​ranite 4.2 30B erscheint in BF16 sowie FP8-, MXFP4- und NVFP4-Quantisierungen, mit GGUF-Builds von I​BM und aus der Community. Xing 4.0 erscheint in BF16-Safetensors sowie FP8, w8a8 und GGUF. Beide sind hier ungewöhnlich gut ausgestattet, und beide sind ein echter Vorteil gegenüber den vielen offenen Releases, die nur einen einzigen Bfloat16-Shard veröffentlichen und die Quantisierung Freiwilligen überlassen.

• Verfügbarkeit — G​ranite 4.2 30B hat keinen nach Tokens abgerechneten Endpunkt in unserem Katalog; Sie betreiben es selbst oder erreichen es über I​BMs eigene Plattform und andere Serving-Plattformen von Drittanbietern. Xing 4.0 erhielt Mitte Oktober einen kommerziellen Endpunkt mit nutzungsabhängiger Abrechnung und einem kostenlosen Aktions-Tarif und fehlt ebenfalls in unserem Katalog.

Der Kompromiss zwischen Speicher und Rechenleistung, ehrlich dargestellt

Sparsität ist kein Rabatt auf die gesamte Maschine; sie ist ein Rabatt auf einer Achse und ein Aufpreis auf der anderen. Granite 4.2 30B benötigt ungefähr den Speicher eines dichten 30B-Modells in bfloat16 und rechnet pro Token über das gesamte Modell, sodass sein Durchsatz pro Hardwareeinheit vorhersehbar ist und sein Verhalten beim Batching unkompliziert ist. Xing 4.0 muss die vollen 29B resident halten — jeder Experte liegt im Speicher, unabhängig davon, ob dieses Token ihn berührt —, bewegt aber nur 4B an Gewichten pro Token durch die Arithmetik, weshalb behauptet wird, dass eine 4-Bit-Quantisierung davon in etwa 15GB VRAM passt und weshalb sein aggregierter Durchsatz bei hoher Nebenläufigkeit eine völlig andere Form hat.

Diese Behauptung sollte man prüfen, bevor man eine Grafikkarte dafür kauft: Das Repository gibt 31B bei den Tensoren in voller Präzision an, und ein 4-Bit-Build eines Modells mit insgesamt 29B, der bei 15GB landet, deutet auf eine aggressive Quantisierung der Experten-Gewichte hin. Schau auf die tatsächliche GGUF-Dateigröße statt auf den Beschreibungstext der Sammlung.

Der zweite, leisere Unterschied ist die Reife des Serving-Pfads. Granite 4.2 30B ist ein standardmäßiger dichter Transformer, was bedeutet, dass ihn praktisch jeder Inferenz-Stack mehr oder weniger standardmäßig unterstützt. Xing 4.0 benötigt maßgeschneiderte Kernel für seine mannigfaltigkeitsbeschränkten Hyper-Connection-Residualströme und seine MLA-Attention — SGLang bringt einen dedizierten Split-K-Kernel für das Vier-Stream-Layout mit, vLLM verfügt über die Architektur, und das ist der Stand der Dinge. Ein maßgeschneidertes Attention-plus-Residual-Design ist der Preis der Architektur, und es ist kein einmaliger Kostenfaktor, wenn Sie vorhaben, feinabzustimmen, zu quantisieren oder ungewöhnliche Batch-Formen auszuführen.

Wo die veröffentlichten Zahlen tatsächlich voneinander abweichen

Beide Anbieter veröffentlichen ihre eigenen Tabellen, beide sind intern konsistent, und keine von beiden wurde von einem Dritten auf identischen Testaufbauten unabhängig reproduziert. Vergleichen Sie sie als Behauptungen, nicht als Messungen.

• SWE-bench Verified — Xing 4.0 75,00 vs. G​ranite 4.2 30B 57.

• SWE-bench Multilingual — Xing 4.0 66.00 gegenüber G​ranite 4.2 30B 41.89.

• Terminal-Bench 2.1 — Xing 4.0 57.50 vs G​ranite 4.2 30B 29.24.

• Agentische Werkzeugnutzung — Xing 4.0 Claw-Eval 76,55 und Tau3-Bench 64,63; G​ranite 4.2 30B τ³-bench 62,00 und BFCL v4 61,39.

• Befolgung von Anweisungen — Xing 4.0 IFBench 69,67 vs. Granite 4.2 30B IFBench 77,17.

• Mathematik und allgemeines Schlussfolgern — Granite 4.2 30B AIME25 89.17, HMMT Feb25 89.17, GPQA 66.41, MMLU-Pro 77.60, LiveCodeBench v6 75.77. Die Karte von Xing 4.0 meldet nichts davon, daher bleiben die Spalten leer, anstatt zu einem Sieg zu werden.

• Langer Kontext — G​ranite 4.2 30B veröffentlicht RULER bei 64K (89.96) und 128K (81.38). Xing 4.0 veröffentlicht AA.LCR bei 61.00 und sonst nichts in der Long-Context-Familie. G​ranite gewinnt die einzige Zeile, in der beide Zahlen existieren, und das ist ein bedeutender Sieg: RULER bei 128K ist ein deutlich schwierigerer Test als ein Retrieval-Durchschnittswert.

Lies die Form, nicht die Gesamtsummen. Granite liest sich wie ein breit aufgestellter, ausgewogen abgestimmter Generalist mit einer ungewöhnlich ehrlichen Evaluierungstabelle — 20 Zeilen für Coding, Mathematik, Tool-Nutzung, Dokumentaufgaben und langen Kontext, wobei durchgehend als Harness ein NeMo Evaluator SDK Framework angegeben wird. Xing 4.0 liest sich wie ein eng fokussierter Spezialist: enorme Vorsprünge bei Software-Engineering- und Terminal-Agent-Benchmarks, eine Niederlage beim Instruction-Following und Schweigen überall sonst. Ein Modell ohne GPQA-Zahl ist nicht zwangsläufig schlecht bei GPQA. Es ist ein Modell, dessen Anbieter sich entschieden hat, neun Zeilen zu veröffentlichen.

Zwei ehrliche Asymmetrien

Granite 4.2 30B ist seit sieben Wochen öffentlich und steht unter der damit einhergehenden Prüfung, einschließlich unabhängiger Quantisierungen, ausführlicher Berichte Dritter und IBMs eigener veröffentlichter Vergleichswerte für seine 8B- und 3B-Geschwister in jeder einzelnen Zeile der Tabelle. Xing 4.0 ist seit einem Monat öffentlich, hat 53.000 Repository-Downloads, keine unabhängige Bewertung und misst sich an Wiederholungsläufen von Konkurrenzmodellen, die der Anbieter in seiner eigenen Testumgebung durchgeführt hat. Ein früherer Vergleich in dieser Reihe behandelt bereits, wie diese Vergleichstabelle mit Gemma 4 umgeht; der strukturelle Punkt gilt für jede Spalte darin.

Die Asymmetrie verläuft auf einer Achse genau andersherum. G​ranite 4.2 30B ist ein Reasoning-Modell mit einem dichten Compute-Profil, was bedeutet, dass es pro Token langsam ist – auf eine Weise, die dem Design inhärent ist und nicht umgangen werden kann. Das gesamte Argument von Xing 4.0 ist, dass man den Speicherbedarf eines 29B-Modells mit der Arithmetik eines 4B-Modells bekommt. Wenn dieses Argument bei realen Workloads standhält, ist es ein wirklich besseres Geschäft für Agenten-Traffic mit hohem Volumen – und genau das Argument, das die eigene SWE-bench-Zeile eines Anbieters nicht entscheiden kann.

Was es kostet und wo ein Router ins Spiel kommt

Keines der beiden Modelle steht im Katalog von OrcaRouter, wir sind also zu keinem von beiden eine Route, und dieser Beitrag wird nichts anderes nahelegen. Die relevante Rechnung lohnt sich trotzdem. G​ranite 4.2 30B kostet eine Karte und sonst nichts, für immer, mit der Einschränkung, dass seine dichte Rechenlast bedeutet, dass die Karte, die Sie brauchen, eine größere ist. Xing 4.0 kostet vorab eine GPU und ein Wochenende für die Serving-Integration oder jetzt sofort eine verbrauchsabhängig abgerechnete Evaluierung im kostenlosen Tarif — und der kostenlose Tarif ist der billigste Weg, herauszufinden, ob die agentischen Behauptungen in Ihrem eigenen Repository Bestand haben statt nur in einem vom Autor des Modells ausgeführten terminus-2-Harness.

Wo ein Router mit zwei Modellen, die wir nicht hosten, seinen Wert beweist, ist an der Peripherie. Sie ersetzen nicht das Modell, das Ihr Produktionspfad bereits kennt; Sie lassen den Herausforderer daneben auf einem Teil des Traffics laufen, unter einer festgelegten Regel, mit automatischem Failover, sodass eine schlechte Antwort oder ein Upstream-Stillstand niemals einen Nutzer erreicht. OrcaRouter ist eine einzige API vor über 200 gehosteten Modellen bei 0 % Aufschlag — der Listenpreis des Anbieters wird ohne Zuschlag weitergegeben — und die Routing-DSL ist das Mittel, mit dem dieser Traffic-Anteil definiert wird. Wenn die Evaluierung endet, ändert sich die Regel und das bisherige Modell übernimmt den Traffic wieder.

Wenn Ihr Evaluierungsbudget nur ein Modell zulässt, wählen Sie G​ranite 4.2 30B, wenn die Arbeit breit gefächert ist – Reasoning über lange Dokumente, mehrsprachige Generierung, stark auf Instruction-Following ausgerichtete Pipelines, alles, wofür Sie eine veröffentlichte Zahl für die Aufgabe möchten, die Sie tatsächlich ausführen. Wählen Sie Xing 4.0 29B-A4B, wenn die Arbeit eng umrissen und agentisch ist, Sie sie selbst messen können und das Durchsatz-pro-Karte-Argument genau das ist, was Sie kaufen. Die eine Wahl, die eindeutig falsch ist, ist, Xing 4.0 allein wegen 75 gegenüber 57 zu wählen: Diese beiden Zahlen wurden von verschiedenen Laboren auf verschiedenen Harnessen erzeugt, und das Einzige, was sie zuverlässig belegen, ist, welcher Anbieter eine SWE-bench-Zeile veröffentlicht hat.

Was würde es klären

Eine unabhängige Evaluierung von Xing 4.0 auf demselben Harness, auf dem G​ranite gemessen wurde, mit demselben Scaffolding, würde den größten Teil der Unsicherheit in diesem Beitrag in einer einzigen Nachmittagsarbeit von jemandem mit einer freien GPU auflösen. Bis es das gibt, ist das dichte Modell dasjenige, nach dessen Zahlen man handeln kann, und das Sparse-Modell dasjenige, dessen Zahlen man überprüfen muss. Beide Aussagen werden in dem Moment gleichermaßen obsolet sein, in dem die zweite nicht mehr zutrifft.

Nichts davon ist hypothetisch: Die dokumentierten KI-Ausfälle und Agent-Vorfälle, die hinter Releases wie diesem stehen, finden sich im OrcaRouter AI Incident Archive, wo jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seinen Konfidenzgrad und sein Umstritten-Flag führt.