Xing 4.0 29B-A4B vs Granite 4.2 30B: Denso lo lee todo, Disperso lee un noveno

Aquí está todo el argumento arquitectónico en una sola frase. G​ranite 4.2 30B, el modelo de razonamiento denso de I​BM publicado bajo Apache 2.0 el 25 de agosto de 2026, lee los treinta mil millones de parámetros que tiene para producir cada token individual. Xing 4.0 29B-A4B, el modelo de mezcla de expertos disperso de China Telecom, cuyos pesos se publicaron el 16 de septiembre de 2026 y que pasó a ser invocable a mediados de octubre, lee aproximadamente cuatro mil millones de sus veintinueve mil millones. Ambos son Apache-2.0, ambos están en la misma categoría de peso, ambos apuntan al trabajo agéntico, y ejecutarlos te cuesta cosas completamente distintas: G​ranite cuesta cómputo en cada token, Xing cuesta memoria para mantener expertos que no estás usando en este token y una pila de servicio que sabe cómo enrutar alrededor de ellos. Todo lo que sigue se deriva de eso.

Qué es realmente cada artefacto

Vale la pena separarlos de la etiqueta que comparten. "30B" te dice el tamaño de un archivo, no la forma de una carga de trabajo.

• G​ranite 4.2 30B — el buque insignia de I​BM en la familia G​ranite 4.2, construido sobre G​ranite-4.1-30B-Base. Un transformer denso de razonamiento solo decodificador, 30B parámetros (el repositorio indica 29B en tensores BF16), atención de consultas agrupadas con 32 cabezas de atención frente a 8 cabezas de clave-valor, RoPE con θ = 10,000,000, MLP SwiGLU con un tamaño oculto de 32,768, embeddings de entrada y salida no vinculados, RMSNorm con ε = 1e-5. Doce idiomas probados. Apache 2.0.

• Xing 4.0 29B-A4B — el sucesor de la línea TeleChat por parte de TeleAI. 40 capas, tamaño oculto 3.584, intermedio de FFN densa de 9.216 frente a un intermedio de experto de 1.024, 64 expertos enrutados con 4 activos por token más un experto compartido siempre activo, atención MLA de clave-valor comprimida en lugar de GQA, y decodificación especulativa MTP entrenada en el checkpoint. En la práctica, un solo idioma probado en la ficha. Apache 2.0.

• Contexto — G​ranite 4.2 30B admite de forma nativa 128K con una extensión de contexto largo documentada hasta 512K y una longitud de secuencia de configuración de 131.072. Xing 4.0 tiene 256K de forma nativa, y se afirma que es extensible a 512K. La ventana predeterminada de Xing es el doble de ancha; la ruta de extensión de G​ranite es la mejor documentada de las dos.

• Formatos publicados — Granite 4.2 30B se distribuye en BF16, además de cuantizaciones FP8, MXFP4 y NVFP4, con compilaciones GGUF de IBM y de la comunidad. Xing 4.0 se distribuye en safetensors BF16, además de FP8, w8a8 y GGUF. Ambos están inusualmente bien provistos en este aspecto, y ambos representan una ventaja real frente a los numerosos lanzamientos abiertos que publican un único fragmento en bfloat16 y dejan la cuantización a los voluntarios.

• Disponibilidad — Granite 4.2 30B no tiene un endpoint con precio por token en nuestro catálogo; o lo ejecutas tú, o accedes a él a través de la propia plataforma de IBM y otras plataformas de servicio de terceros. Xing 4.0 obtuvo a mediados de octubre un endpoint comercial de pago por consumo con un nivel promocional gratuito, y también está ausente de nuestro catálogo.

El trade-off entre memoria y cómputo, expresado con honestidad.

La dispersión no es un descuento sobre toda la máquina; es un descuento en un eje y un recargo en el otro. G​ranite 4.2 30B necesita aproximadamente la memoria de un modelo denso de 30B en bfloat16 y calcula sobre la totalidad de ella por token, por lo que su rendimiento por unidad de hardware es predecible y su comportamiento bajo procesamiento por lotes es sencillo. Xing 4.0 necesita mantener residentes los 29B completos —todos los expertos residen en memoria, los toque o no este token—, pero solo hace pasar 4B de pesos por token a través de la aritmética, y por eso se afirma que una cuantización de 4 bits del mismo cabe en unos 15GB de VRAM y por eso su rendimiento agregado con alta concurrencia tiene una forma completamente distinta.

Vale la pena comprobar esa afirmación antes de que compres una tarjeta basándote en ella: el repositorio informa de 31B en los tensores de precisión completa, y una versión de 4 bits de un modelo total de 29B que ocupa 15GB implica una cuantización agresiva de los pesos de los expertos. Fíjate en el tamaño real del archivo GGUF en lugar de en la descripción de la colección.

La segunda diferencia, más silenciosa, es la madurez de la ruta de servicio. G​ranite 4.2 30B es un transformer denso estándar, lo que significa que todos los stacks de inferencia lo soportan más o menos por defecto. Xing 4.0 necesita kernels personalizados para sus flujos residuales de hiperconexión con restricciones de variedad y su atención MLA — SGLang incluye un kernel split-K dedicado para la disposición de cuatro flujos, vLLM tiene la arquitectura, y ese es el estado de las cosas. Un diseño personalizado de atención más residual es el precio de la arquitectura, y no es un costo único si planeas hacer fine-tuning, cuantizar o ejecutar formas de lote inusuales.

Donde las cifras publicadas realmente discrepan

Ambos proveedores publican sus propias tablas, ambas son coherentes internamente y ninguna ha sido reproducida de forma independiente por un tercero en arneses idénticos. Compáralas como afirmaciones, no como mediciones.

• SWE-bench Verified — Xing 4.0 75.00 frente a G​ranite 4.2 30B 57.

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

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

• Uso de herramientas agénticas — Xing 4.0 Claw-Eval 76.55 y Tau3-Bench 64.63; G​ranite 4.2 30B τ³-bench 62.00 y BFCL v4 61.39.

• Seguimiento de instrucciones — Xing 4.0 IFBench 69,67 vs Granite 4.2 30B IFBench 77,17.

• Razonamiento matemático y general — Granite 4.2 30B AIME25 89.17, HMMT Feb25 89.17, GPQA 66.41, MMLU-Pro 77.60, LiveCodeBench v6 75.77. La ficha de Xing 4.0 no reporta ninguno de estos, así que las columnas quedan en blanco en lugar de convertirse en una victoria.

• Contexto largo — G​ranite 4.2 30B publica RULER a 64K (89.96) y 128K (81.38). Xing 4.0 publica AA.LCR a 61.00 y nada más en la familia de contexto largo. G​ranite gana la única fila donde ambos números existen, y es una victoria significativa: RULER a 128K es una prueba mucho más difícil que una puntuación promedio de recuperación.

Fíjate en la forma, no en los totales. Granite se lee como un generalista amplio y bien medido, con una tabla de evaluación inusualmente honesta —20 filas que abarcan programación, matemáticas, uso de herramientas, tareas con documentos y contexto largo, todas con el entorno de pruebas declarado como framework NeMo Evaluator SDK. Xing 4.0 se lee como un especialista limitado: márgenes enormes en benchmarks de ingeniería de software y agentes de terminal, una derrota en el seguimiento de instrucciones y silencio en todo lo demás. Un modelo sin cifra de GPQA no es necesariamente malo en GPQA. Es un modelo cuyo proveedor decidió publicar nueve filas.

Dos asimetrías honestas

G​ranite 4.2 30B lleva siete semanas siendo público y soporta el escrutinio que eso conlleva, incluidas cuantizaciones independientes, detallados análisis de terceros y los propios valores comparativos publicados por I​BM para sus hermanos 8B y 3B en cada una de las filas de la tabla. Xing 4.0 lleva un mes siendo público, tiene 53.000 descargas del repositorio, no tiene ninguna evaluación independiente y se compara con reejecuciones de modelos rivales que el proveedor realizó en su propio entorno de pruebas. Una comparación anterior de esta serie ya cubre cómo esa tabla comparativa trata a Gemma 4; el punto estructural se mantiene para cualquier columna de la misma.

La asimetría va en sentido contrario en un eje. Granite 4.2 30B es un modelo de razonamiento con un perfil de cómputo denso, lo que significa que es lento por token de una manera inherente al diseño y que no se puede sortear mediante enrutamiento. Todo el argumento de Xing 4.0 es que obtienes la huella de memoria de un modelo de 29B con la aritmética de un modelo de 4B. Si ese argumento se sostiene en cargas de trabajo reales, es una opción genuinamente mejor para el tráfico de agentes de gran volumen — y es exactamente el argumento que la fila de SWE-bench del propio proveedor no puede zanjar.

Cuánto cuesta, y dónde encaja un router

Ninguno de los dos modelos está en el catálogo de OrcaRouter, así que no somos una ruta hacia ninguno de los dos, y este artículo no sugerirá lo contrario. La aritmética relevante sigue valiendo la pena. Granite 4.2 30B cuesta una tarjeta y nada más, para siempre, con la salvedad de que su cómputo denso significa que la tarjeta que necesitas es más grande. Xing 4.0 cuesta una GPU y un fin de semana de integración de servicio por adelantado, o una evaluación con consumo medido en el nivel gratuito ahora mismo — y el nivel gratuito es la forma más barata de averiguar si las afirmaciones agénticas se sostienen en tu propio repositorio en lugar de en un arnés terminus-2 ejecutado por el autor del modelo.

Donde un router demuestra su valor con dos modelos que no alojamos es en el perímetro. No reemplazas el modelo que tu ruta de producción ya conoce; ejecutas el retador junto a él en un segmento del tráfico, bajo una regla declarada, con conmutación por error automática para que una respuesta mala o un atasco del upstream nunca llegue a un usuario. OrcaRouter es una API frente a más de 200 modelos alojados con un 0 % de recargo — el precio de lista del proveedor se traslada sin añadir nada — y el DSL de enrutamiento es como se define el segmento. Cuando termina la evaluación, la regla cambia y el titular recupera el tráfico.

Si tu presupuesto de evaluación es un solo modelo, elige Granite 4.2 30B cuando el trabajo sea amplio: razonamiento sobre documentos largos, generación multilingüe, pipelines con mucha carga de seguimiento de instrucciones, cualquier cosa en la que quieras un número publicado para la tarea que realmente ejecutas. Elige Xing 4.0 29B-A4B cuando el trabajo sea acotado y agéntico, puedas medirlo tú mismo y el argumento del rendimiento por tarjeta sea lo que estás comprando. La única elección que es claramente errónea es elegir Xing 4.0 basándose únicamente en 75 frente a 57: esos dos números fueron producidos por laboratorios distintos con arneses distintos, y lo único que establecen de forma fiable es qué proveedor publicó una fila de SWE-bench.

¿Qué lo resolvería?

Una evaluación independiente de Xing 4.0 con el mismo arnés con el que se midió Granite, con el mismo andamiaje, despejaría la mayor parte de la incertidumbre de este artículo con el trabajo de una sola tarde de alguien que tenga una GPU de sobra. Hasta que eso exista, el modelo denso es aquel cuyas cifras puedes usar para actuar, y el modelo disperso es aquel cuyas cifras tienes que comprobar. Ambas afirmaciones quedarán igualmente obsoletas en el momento en que la segunda deje de ser cierta.

Nada de eso es hipotético: los fallos documentados de IA y los incidentes de agentes detrás de lanzamientos como este se recopilan en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, severidad, grado de confianza e indicador de disputa.