Granite Switch 4.1 30B vs Granite 4.2 30B: dos 30B de IBM que no compiten

Aquí está la parte incómoda de poner Granite Switch 4.1 30B junto a Granite 4.2 30B: no son el mismo tipo de artefacto, por lo que la mayoría de los planteamientos de comparación directa se desmoronan al contacto. Granite 4.2 30B es un modelo: un razonador denso de 30B que IBM publicó bajo Apache-2.0 con modos de pensamiento y llamada a herramientas agéntica. Granite Switch 4.1 30B, cuyos pesos llegaron el 14 de octubre de 2026, es un entorno de ejecución: congela una base Granite, le adjunta adaptadores conmutables y te vende tres capacidades a partir de un único checkpoint. No eliges entre ellos como eliges entre dos modelos. Eliges si quieres un modelo o una capa de composición.

Dicho esto, hay una decisión real escondida debajo del error de categoría, y no tiene nada que ver con los benchmarks. Switch 4.1 30B está construido sobre la base Granite 4.1 30B. Granite 4.2 30B es una generación más nueva de la misma familia, y es mediblemente el modelo general más fuerte. Así que la pregunta real es si vale la pena renunciar a una generación de modelo base por la maquinaria de conmutación, y esa respuesta es diferente según si estás invocando un modelo o desplegando uno.

Lado a lado, dimensión por dimensión

• Qué es — Switch 4.1 30B es un checkpoint compuesto (base congelada + dos adaptadores LoRA activados + un codificador de voz); Granite 4.2 30B es un único modelo denso de solo decodificador.

• Parámetros — Switch 4.1 30B se compone de 29.989.814.272 frente a una base de 28.865.728.512, un delta de +3,89 %; Granite 4.2 30B es un modelo denso de 30B sin recargo por adaptador porque no tiene adaptadores.

• Contexto — 131,072 tokens en ambos de forma nativa, con IBM documentando una extensión de contexto largo a 512K en el lado de Granite 4.2.

• Modo de pensamiento — Granite 4.2 30B tiene cadena de pensamiento explícita dentro de las etiquetas <think> con esfuerzo seleccionable; Switch 4.1 30B no tiene modo de razonamiento integrado en la plantilla de chat.

• Más allá del texto — Switch 4.1 30B acepta audio y devuelve una transcripción, además de una distribución de decisión calibrada; Granite 4.2 30B no hace ni lo uno ni lo otro.

• Cuantizaciones — Granite 4.2 30B se distribuye en BF16 además de en versiones FP8, NVFP4, MXFP4, GGUF y MLX; los checkpoints de Switch se distribuyen en una sola precisión, sin una versión cuantizada oficial hasta la fecha de redacción.

• Licencia — Apache-2.0 en ambos.

• Puntuaciones publicadas — Granite 4.2 30B cuenta con una tabla de benchmarks completa (ejecutada por el proveedor); Switch 4.1 30B tiene un solo número, el Decision Index, y mide algo completamente distinto.

Donde Granite 4.2 30B gana de manera contundente

En cuanto a capacidad general, no hay punto de comparación, y no se pretende que lo haya. La propia ficha de IBM para Granite 4.2 30B reporta 77,60 en MMLU-Pro, 89,17 en AIME 2025 y 66,41 en GPQA, con 57,00 en SWE-bench Verified y 29,24 en Terminal-Bench 2.1 — todo reportado por el proveedor, ejecutado mediante un arnés basado en NeMo sobre el propio marco de evaluación de IBM, y nada de ello reproducido por nadie fuera de IBM. Toma los números como una afirmación del proveedor y aun así son los únicos datos comparativos que existen para cualquiera de los dos modelos.

El punto estructural importa más que las puntuaciones. Granite 4.2 30B se entrenó como un modelo de razonamiento con aprendizaje por refuerzo agéntico, y se distribuye con el conjunto de herramientas que lo acompañan: compilaciones cuantizadas para el hardware que la gente realmente posee, una ruta de extensión de contexto largo y un conmutador de modo de pensamiento documentado. Granite Switch 4.1 30B se construyó componiendo una base congelada con adaptadores, y la base subyacente es una generación más antigua. Si quieres que un solo modelo responda bien a preguntas difíciles, el modelo denso más reciente es el que buscas.

Donde Granite Switch 4.1 30B gana de manera contundente

Tres lugares, y ninguno de ellos es un benchmark.

Lo primero es que responde a una forma de pregunta diferente. El adaptador de decisión toma un estado y una pregunta con opciones etiquetadas y devuelve una distribución de probabilidad calibrada sobre esas etiquetas en una sola pasada hacia adelante — el ejemplo de la tarjeta devuelve algo como A: 0.982, B: 0.0035, C: 0.014. Eso no es una finalización de chat que se analiza con una expresión regular. Enrutar sobre un softmax de los logits de las opciones es una operación diferente a pedirle a un modelo que, por favor, responda con una sola letra, y todo el diseño está construido para que la lectura calibrada esté disponible sin un segundo modelo en la máquina.

El segundo es audio. El codificador integrado Granite Speech 5.0 TurboCTC de 470M transcribe el audio entrante e inserta la transcripción en el contexto del chat en lugar de la parte de contenido de audio, de modo que una solicitud de voz es una solicitud de chat normal con una input_audio como parte. Que eso sea una buena idea depende por completo de una salvedad que IBM escribió en su propia tarjeta: el codificador y el modelo de lenguaje no están entrenados conjuntamente, no hay una proyección entrenada que los acople, y la salida es solo en inglés, en minúsculas y sin puntuación. Una transcripción errónea cambia la pregunta que responde el modelo, de forma silenciosa.

El tercero es la sobrecarga de parámetros, y este es el número que sobrevivirá al lanzamiento. El checkpoint compuesto es un 3,89 % más grande que el base, porque cada adaptador lee la caché KV del modelo base en lugar de mantener su propio estado de atención. En una configuración convencional con múltiples adaptadores, cada adaptador entre el que cambias es otro conjunto de estado de atención y la factura de memoria crece con el número. Aquí pagas 1.120 millones de parámetros adicionales por un clasificador de seguridad, un motor de decisiones y un codificador de voz, y el cambio en sí es un parámetro de solicitud que la plantilla de chat resuelve —no un segundo despliegue que levantar y mantener caliente.

La trampa en los números: 50.1 no es un 77.60 más pequeño

La manera más probable de malinterpretar este par es poner el valor del modelo Switch, 50.1 junto al valor del Granite 4.2 30B, 77.60 y concluir que el modelo Switch es dos tercios del modelo. Esas dos cifras no describen lo mismo y la comparación no tiene sentido.

El 50.1 es una puntuación del Decision Index —edición v0.3, subconjunto rápido público de 1.068 filas— que mide qué tan bien el adaptador de decisiones clasifica opciones etiquetadas, con un desglose por área de Conocimiento 32.4, Lenguaje 58.6, Recuperación 49.8, Herramientas 76.5 y Artes 26.4. Es una puntuación de un adaptador que hace un trabajo, y no dice absolutamente nada sobre la calidad de chat del modelo base, porque la base bajo él no ha sido tocada por el adaptador. El 77.60 es MMLU-Pro, un benchmark de conocimiento general para todo el modelo. Ejes distintos, arneses distintos, autores distintos. El único uso correcto de cualquiera de los dos números es como evidencia sobre aquello que realmente midió.

Lee la forma del Decision Index en lugar de su titular y obtienes algo realmente útil: 76,5 en Herramientas junto a 26,4 en Artes indica que vale la pena orientar este adaptador hacia decisiones del estilo de selección de herramientas y que no se debe confiar en él para clasificación creativa o de dominio abierto sin tu propia evaluación. Esa es una frase más accionable que cualquier puntuación general.

¿Qué es lo que realmente lo decide?

Si está llamando a un modelo — un endpoint, un prompt, una respuesta — Granite 4.2 30B es el modelo más nuevo y mejor, y no hay razón para enrutar alrededor del checkpoint Switch para obtenerlo.

Si vas a desplegar uno, la aritmética cambia. Un equipo que construye un sistema que debe responder, decidir y transcribir, de otro modo ejecuta tres procesos con tres latencias y tres huellas de memoria; la compilación Switch lo reduce a un único checkpoint que cuesta un 3,89 % más que la base a la que sustituye. Un equipo que necesita una probabilidad calibrada sobre un conjunto fijo de etiquetas no tiene ningún equivalente en Granite 4.2 30B, y pedírsela mediante prompting no es lo mismo.

El problema está en la base. Comprar la capa de composición significa aceptar la base de generación 1, y hoy no existe ningún checkpoint de Switch construido sobre la base Granite 4.2. IBM ha dicho que vienen más datos "en las próximas semanas" y ha descrito el composer como el camino a seguir: cualquiera puede construir un checkpoint de Switch a partir de cualquier base Granite y cualquier subconjunto de adaptadores, usando las herramientas de granite-switch. Que IBM lo haga para la línea 4.2 es lo que hay que observar, porque ese lanzamiento eliminaría por completo esta disyuntiva.

Ejecutar ambos sin apostar por ninguno

Ninguno de los dos modelos está hoy en el catálogo de OrcaRouter, así que ambos implican tu propio hardware y los canales de lanzamiento de IBM. Vale la pena decirlo claramente en lugar de dar a entender que existe un endpoint alojado.

Lo que cambia la plataforma es el costo de averiguarlo. Una sola clave cubre más de 200 modelos con conmutación por error automática, y el precio de lista del proveedor se transfiere con 0% de margen, así que cuando un modelo que estás evaluando sí llega a tener una ruta alojada, medirlo frente a lo que ya está en producción es un cambio de configuración y no un segundo contrato con un proveedor. En este enfrentamiento en particular eso importa porque ambos bandos están sin resolver de la misma manera: la tabla de benchmarks de Granite 4.2 30B es de la propia IBM y no está reproducida, y Granite Switch 4.1 30B tiene esencialmente una sola cifra publicada y ninguna evaluación independiente de ningún tipo. Ninguno merece un lugar en producción por la fuerza de la ficha del modelo. Ambos merecen una semana de tu propio tráfico.

Veredicto

Granite 4.2 30B es el mejor modelo. Granite Switch 4.1 30B es el artefacto más interesante, y es el que te dice hacia dónde cree IBM que va la inferencia empresarial: no un modelo más grande, sino una factura más pequeña para el mismo conjunto de capacidades, conseguida componiendo adaptadores baratos sobre una única base congelada y compartiendo la caché KV entre ellos.

Elige el modelo 4.2 si lo que necesitas son respuestas. Elige el checkpoint Switch si lo que necesitas son decisiones de enrutamiento, un veredicto de seguridad y una transcripción de un solo proceso, y puedes vivir con un modelo base que está una generación por detrás. Ignora a quien compare sus puntuaciones entre sí; los números no miden lo mismo.