SubQ Snap 1.1 vs Granite 4.2 3B: El precio por token es la factura equivocada

de IBMGranite 4.2 3Btiene un precio de lista de $0.03 por millón de tokens de entrada. SubQ Snap 1.1 tiene un precio de lista de $0.04. Si la tarifa por token fuera la factura, el modelo Apache-2.0 de 3 mil millones de parámetros superaría al modelo de decisión que empató en el primer puesto en el Artificial Analysis Decision Index v1.0, y este artículo sería corto. La tarifa no es la factura. Cuando se pone precio a una decisión en lugar de a un token —incluido lo que cada modelo tiene que emitir para producir una—, la clasificación se invierte, vuelve a invertirse según un único ajuste de configuración y termina en un punto que ninguno de los dos proveedores anuncia.

Granite 4.2 3B es el pequeño modelo de razonamiento denso de IBM, lanzado el 25 de agosto de 2026 junto con sus hermanos de 8B y 30B con un revuelo inusualmente escaso: una entrada de blog técnico en lugar de un evento de lanzamiento. Snap 1.1 es el modelo de decisión de Subquadratic, disponible desde el 22 de octubre de 2026, que devuelve una opción de un conjunto fijo de respuestas en lugar de generar texto. Coinciden en exactamente una tarea: tomar un fragmento de texto y decidir qué es. Todo lo demás sobre ellos es distinto, incluido lo que significa «barato».

Primero, qué son realmente los dos modelos.

Granite 4.2 3B es un decodificador denso de tres mil millones de parámetros construido sobre Granite-4.1-3B-Base. Es un modelo de razonamiento con tres modos: un modo de pensamiento que emite una cadena de razonamiento, un modo de bajo esfuerzo y un modo sin pensamiento que responde directamente. IBM reporta AIME 2025 en 78.33, GPQA en 54.80, LiveCodeBench v6 en 69.71, MMLU-Pro en 67.84, IFBench en 74.3 y τ³-Bench en 45.8 — todas cifras del proveedor, ninguna reproducida de forma independiente. En contexto largo reporta RULER de 67.52 a 64K y 55.30 a 128K. Artificial Analysis sitúa su Intelligence Index en 9, lo que no es destacable en términos absolutos y está por encima de la mediana de su clase de tamaño.

La parte interesante es la del hardware. Se ejecuta en seis a ocho gigabytes en bf16 y en menos de dos gigabytes cuantizado, lo que significa un portátil, una única GPU de consumo o una CPU con suficiente RAM. Es solo texto, cubre doce idiomas, admite la invocación de herramientas compatible con OpenAI y se distribuye en vLLM, SGLang, Transformers, GGUF, llama.cpp, MLX y Ollama. Si tu restricción es «debe ejecutarse en algún lugar que yo controle», este modelo la cumple.

SubQ Snap 1.1 es el tipo opuesto de producto en casi todas las dimensiones. No tiene pesos. Solo funciona a través de la API de Subquadratic. Acepta hasta 384K tokens de texto e imágenes, además de un conjunto de respuestas de dos a 255 alternativas, y devuelve una selección con una probabilidad calibrada. No puede escribir una frase, y eso es precisamente lo importante: no hay salida que analizar ni salida por la que pagar.

La trampa de los tokens de salida

Esta es la aritmética que oculta la comparación por token. Tomemos un millón de decisiones de enrutamiento, cada una leyendo 6,000 tokens de texto de tickets —un volumen mensual plausible para una operación de soporte de tamaño mediano, o una tarde ajetreada para una grande. Eso son seis mil millones de tokens de entrada.

• Granite 4.2 3B en modo sin razonamiento — 6B tokens de entrada a $0.03/M equivalen a $180, más aproximadamente cinco tokens de salida por decisión, o 5M tokens de salida a $0.12/M, por $0.60. Total: alrededor de $180.60.

• Granite 4.2 3B en modo de pensamiento: 6B de entrada a $180, más quizás 800 tokens de razonamiento por decisión, u 800M tokens de salida a $0.12/M, por $96. Total: alrededor de $276.

• SubQ Snap 1.1 — 6B tokens de entrada a $0.04/M son $240, y no hay ninguna línea de salida en absoluto.

Así que la respuesta honesta son tres respuestas distintas. Configurado para responder directamente, Granite es un 25% más barato que Snap, y el artículo realmente terminaría ahí. Configurado para pensar, Granite es un 15% más caro que Snap, porque los tokens de razonamiento son lo más caro del pipeline y nadie los presupuesta. La ventaja de Snap nunca fue su tarifa de entrada —es un 33% más alta que la de Granite—, sino que la arquitectura no tiene forma de gastar tokens en deliberación.

Eso no es un riesgo teórico. El perfil independiente de Artificial Analysis de Granite 4.2 3B califica al modelo de «muy verboso» y registra que generó 92 millones de tokens de salida mientras se evaluaba en el Intelligence Index, frente a una mediana de 67 millones para modelos comparables. La verbosidad es una propiedad medida del modelo en modo de razonamiento, y es la propiedad que decide si la ventaja de precio por token sobrevive al contacto con una carga de trabajo de enrutamiento.

Eso también explica una cifra que a primera vista parece incorrecta. {{1}}Artificial Analysis{{/1}} sitúa Snap 1.1 en aproximadamente 30 dólares por millón de tareas, frente a 8,4 dólares para Elephant 9B. Treinta dólares por millón de tareas implica una tarea promedio muy corta, del orden de unos pocos miles de tokens. La combinación de benchmarks del Decision Index es corta. Tus tickets, contratos y registros no lo son, y el costo escala linealmente con la longitud de entrada a partir de ahí. Trata las cifras por tarea como una propiedad del benchmark, no como una cotización.

Donde el 3B realmente gana

Los tokens más baratos son lo de menos. Granite 4.2 3B se puede autoalojar bajo Apache 2.0, lo que significa que no hay ningún coste por llamada una vez pagado el hardware, que ningún dato sale de tu red, que no hay límite de tasa y que no hay ningún proveedor que pueda cambiar el precio o el modelo a tus espaldas. Para un flujo de trabajo sujeto a cumplimiento, esto no es una preferencia, es un requisito, y Snap 1.1 sencillamente no puede entrar en ese terreno.

También hace más. Escribe el resumen después de la decisión de enrutamiento. Maneja llamadas a herramientas con un esquema. Admite una extensión de contexto opcional a 512K, añadida en una quinta fase de preentrenamiento, que sobre el papel es más larga que los 384K de Snap —aunque su puntuación RULER, que cae de 67,52 con 64K a 55,30 con 128K, es una advertencia razonable sobre cuánto de esa ventana es realmente utilizable. Y es lo bastante pequeño como para ejecutarse en el edge, en un contenedor junto a tu aplicación, sin ningún salto de red entre la decisión y la acción.

Dónde Snap 1.1 realmente gana

Tres cosas en las que un modelo generativo de 3B es malo por construcción.

La calibración es lo primero. Snap 1.1 informa un error de calibración esperado de 0,014, frente a 0,108 en la vista previa, y una tasa de abstención del 86 % en preguntas que no puede responder, frente a una puntuación de no alucinación del 0,7 % para su propia versión 1.0 en el proxy del proveedor. Esas son cifras del proveedor y deben leerse como tales, pero describen un modelo entrenado con la abstención como objetivo explícito. Un modelo de razonamiento de 3B no tiene ese objetivo. Pregúntale si un ticket se puede responder y producirá una frase plausible en cualquier caso.

El comportamiento de una sola pasada con contexto largo es el segundo. Snap procesa 384K tokens en una sola pasada hacia adelante con cómputo constante por token, que es toda la justificación de Subquadratic Sparse Attention. El decaimiento RULER de Granite es el comportamiento normal de un modelo denso a diez veces su longitud cómoda. Si tu decisión depende de algo enterrado en la posición 200.000 de un conjunto de registros, la diferencia arquitectónica no es académica.

El determinismo de la forma de la salida es el tercero, y está subestimado. Snap devuelve un número de tu lista de opciones. Granite devuelve texto que luego analizas, y cada analizador es un punto donde una respuesta malformada se convierte en una interrupción del servicio. La decodificación restringida cierra la mayor parte de esa brecha, y vale la pena decirlo: no es una ventaja fundamental, es una diferencia en cuánto andamiaje escribes.

La pregunta de configuración que nadie se hace

Si ejecutas Granite 4.2 3B como enrutador, el cambio más valioso que puedes hacer es desactivar el pensamiento. IBM incluye ese modo exactamente por esta razón, y la aritmética anterior muestra por qué: un modelo de razonamiento al que se le pide elegir una de cinco etiquetas a menudo gastará ochocientos tokens justificando una decisión que una ejecución sin pensamiento acierta. Compara ambos modos con tus propios datos antes de asumir que el de pensamiento es mejor. En una tarea con un conjunto fijo de respuestas, con frecuencia no lo es.

La palanca equivalente de Snap es la contraria: le das menos opciones y más precisas. Su API limita las preguntas a dieciséis y las alternativas a 255 por pregunta, y su exactitud en el Decision Index es del 20 % —inferior al 32 % de d1-ultra—, con la puntuación del índice sustentada por la abstención. Reduce el conjunto de respuestas y el problema de exactitud se encoge; dale un juicio abierto y se negará, correctamente, y a menudo.

Lo que realmente construiría

Para un pipeline de soporte o de documentos a un volumen significativo, el diseño más barato y defendible es uno de dos etapas. Granite 4.2 3B se ejecuta en modo sin pensamiento como clasificador de primera pasada para la mayoría fácil —los tickets que son obviamente reembolsos, obviamente interrupciones del servicio, obviamente spam—, donde un modelo de 3B es preciso y no cuesta nada en el margen. Snap 1.1 se encarga del resto: los hilos largos, los casos ambiguos, aquellos en los que la respuesta correcta podría ser «escalar» y una conjetura con confianza es peor que un rechazo. Pagas $0.04 por millón de tokens solo en la fracción que lo necesita, y obtienes una probabilidad calibrada exactamente en las decisiones en las que la calibración importa.

Ninguno de los dos proveedores vende ese diseño, porque cada uno quiere ser la capa completa. Granite 4.2 3B no está en el catálogo de OrcaRouter —es Apache 2.0, así que el autoalojamiento es la vía habitual, y también lo ofrecen varios proveedores de inferencia—. Snap 1.1 tampoco es nuestro; funciona a través de la propia API de Subquadratic. Lo que OrcaRouter aporta a un diseño como este es el nivel de generación que hay detrás: más de 200 modelos con una sola clave, el precio de lista del proveedor trasladado sin margen (0 %) y conmutación por error automática, de modo que el modelo que redacta el resumen de escalado no es la misma dependencia que el modelo que decide escalar.

Lo que hay que vigilar es si la calibración de Snap 1.1 se mantiene cuando alguien más la ejecuta. Su precisión del 20% es la cifra más débil en su propio material de lanzamiento, y es la que decide si el diseño de dos etapas anterior resulta más barato de lo que parece: cuanto más a menudo se abstiene Snap, más trabajo recae en la etapa que tiene que responder de verdad.