Nanbeige4.3-33B vs Granite 4.2 30B : les allégations face à la conformité

La décision entre Nanbeige4.3-33B et Granite 4.2 30B se prendra lors d’une réunion d’achat, pas sur un classement. Tous deux sont des modèles denses d’environ 30 milliards de paramètres sous Apache 2.0, tous deux peuvent être téléchargés cette semaine, et tous deux revendiquent un plafond de 512K tokens. Mais l’un est vendu par IBM avec des artefacts signés et un contrat de support, et l’autre est un dépôt vieux de deux jours provenant d’un laboratoire chinois qui n’a pas publié d’annonce de lancement. Granite 4.2 30B d’IBM est arrivé le 25 août 2026 ; Nanbeige4.3-33B est apparu sur Hugging Face le 24 octobre 2026. Ils ne sont pas vraiment rivaux pour le même achat, ce qui est précisément pourquoi la comparaison mérite d’être menée avec soin.

Ce qui suit n’est pas un gagnant. C’est une logique de présélection : les quatre questions qui distinguent réellement ces modèles, avec les preuves sur lesquelles repose chaque réponse et les points où ces preuves sont plus fragiles qu’elles n’en ont l’air.

Deux produits affichant le même nombre de paramètres

Granite 4.2 30B est le haut de gamme de la gamme Granite 4.2 d'IBM — 3B, 8B et 30B, tous denses. Il est construit sur Granite-4.1-30B-Base, préentraîné sur environ 15 billions de tokens, dont environ un billion de tokens de code synthétique, puis bénéficie d'une étape d'apprentissage par renforcement agentique pour les tailles 8B et 30B. Il est livré avec trois modes de raisonnement (réflexion, non-réflexion, faible effort), l'appel natif d'outils au format OpenAI, ainsi que des versions FP8 et 4 bits. IBM indique une prise en charge native de vLLM et SGLang, y compris un granite_thinking_parser.

Nanbeige4.3-33B est un checkpoint dense unique de Nanbeige LLM Lab, l’équipe IA de Kanzhun, l’entreprise derrière BOSS Zhipin. Sa fiche est inhabituellement précise sur le déploiement : 33,1B de paramètres, un contexte de 524 288 tokens, l’anglais et le chinois, la réflexion activée par défaut, un format d’appel d’outil XML recommandé plutôt que JSON, et un flag preserve_thinking destiné à l’usage multi-tour d’outils. Il est explicitement positionné comme modèle enseignant pour un petit frère, Nanbeige4.3-3B, qui n’a pas encore été publié.

La différence d’intention compte. Granite est une gamme de produits dotée d’un parcours de support entreprise. Nanbeige4.3-33B est un artefact de recherche publié pour amorcer une famille. L’un est conçu pour être acheté ; l’autre est conçu pour servir de source de distillation.

La seule ligne que les deux laboratoires ont réellement exécutée

La fiche de Nanbeige se compare à Qwen3.8-27B, Muse-Glimmer-30B et Gemma 4 31B. Les documents d'IBM sur Granite ne mentionnent pas Nanbeige du tout. Ainsi, les deux fiches ne partagent exactement qu'un seul benchmark où un contraste direct est même nominalement possible : Terminal-Bench 2.1.

• Terminal-Bench 2.1 — Nanbeige4.3-33B 80,9 (fiche de Nanbeige) contre Granite 4.2 30B 29,24 (fiche d’IBM). Un écart de 51,7 points en faveur de Nanbeige.

C’est la plus grande différence revendiquée entre deux tableaux de fournisseurs dans l’ensemble de cette comparaison, et elle appelle trois réserves avant de signifier quoi que ce soit. Premièrement, les deux chiffres sont déclarés par les fournisseurs. Deuxièmement, la fiche de Nanbeige indique que son exécution de Terminal-Bench 2.1 a utilisé Terminus 2 ; celle d’IBM ne précise pas son échafaudage. Troisièmement, un benchmark de terminal mesure un modèle plus une boucle d’agent, et un écart de 51 points peut tout aussi bien venir de la boucle que des poids. Un modèle doté d’un harnais bien réglé et un modèle doté d’un harnais standard divergeront de plusieurs dizaines de points sur le même benchmark nominal.

La ligne partagée la plus proche ensuite est GPQA Diamond : Nanbeige rapporte 89,5, IBM rapporte 66,41. C’est un écart réel sur un benchmark de connaissances, et il est suffisamment large pour résister aux différences de harnais, mais il mesure aussi autre chose que le codage agentique — des questions scientifiques de niveau master, et non l’utilisation d’outils sur un horizon long. Cela indique que Nanbeige est le meilleur raisonneur des deux selon ces éléments. Cela n’indique pas qu’il est le meilleur agent des deux.

Tout le reste n'est pas comparable. Nanbeige rapporte SWE-Bench Pro à {{1}}60,3{{/1}} ; IBM rapporte SWE-Bench Verified à {{2}}57,00{{/2}} — variantes différentes, difficulté différente. Nanbeige rapporte AIME 2026 à {{3}}95,2{{/3}} ; IBM rapporte AIME25 à {{4}}89,17{{/4}} — années différentes. Nanbeige rapporte JobBench et DeepPlanning ; IBM rapporte τ³-bench {{5}}62,00{{/5}}, BFCL v4 {{6}}61,39{{/6}}, MMLU-Pro {{7}}77,60{{/7}}, LiveCodeBench v6 {{8}}75,77{{/8}} et RULER 128K {{9}}81,38{{/9}}. Aucun de ceux-ci n'a d'équivalent chez Nanbeige.

Deux revendications 512K qui ne sont pas la même revendication

Les deux modèles annoncent un plafond de 512K. Ils y parviennent différemment, et cette différence transparaît dans ce que chaque fournisseur était prêt à publier.

• Fenêtre native — Nanbeige4.3-33B : 524 288 tokens, native. Granite 4.2 30B : 131 072 tokens, native.

• Plafond étendu — Granite 4.2 30B propose une extension de contexte long jusqu’à 512K. Nanbeige n’en a pas besoin ; 512K est la fenêtre d’entraînement.

• Données probantes à contexte long — IBM publie RULER à 128K : 81,38. Nanbeige publie AA-LCR à 84,0, un benchmark de raisonnement à contexte long, mais pas un benchmark de rappel à une profondeur déclarée.

Sortie — La fiche de Nanbeige recommande jusqu’à 262 144 nouveaux tokens pour le raisonnement et le chat, et 65 536 pour le travail agentique et l’utilisation d’outils. La valeur max_new_tokens recommandée par IBM est de 8 192 en mode réflexion et de 2 048 en mode non-réflexion.

Cette dernière ligne est la plus pratique. Une fenêtre d’entrée de 512K associée à une recommandation de sortie de 8K correspond à un modèle conçu pour lire beaucoup et répondre brièvement. Une fenêtre de 512K associée à un budget de génération de 262K correspond à un modèle conçu pour produire de longs artefacts. Si votre travail consiste à « ingérer le dépôt, écrire la migration », ce ne sont pas des produits équivalents, même à longueur de contexte nominale identique.

Appel d’outils, modes de réflexion et coût d’intégration

L'appel d'outils de Granite est au format OpenAI et natif, avec BFCL v4 à 61,39 selon l'évaluation propre à IBM. Cela signifie qu'il s'intègre à un client standard d'appel de fonctions sans analyseur personnalisé. IBM publie également un analyseur de raisonnement pour vLLM, de sorte que les traces de raisonnement se séparent proprement de la réponse.

Nanbeige4.3-33B adopte l’approche inverse : il recommande tool_call_format="xml" pour de meilleures performances, fournit un modèle de type ChatML et vous demande d’utiliser l’analyseur de raisonnement Qwen3 et l’analyseur d’outils Qwen3-Coder dans vLLM ou SGLang. Ce n’est pas un défaut — de nombreux modèles d’agents performants utilisent des appels d’outils XML — mais cela représente un travail d’intégration. Si votre pile technologique parle le JSON d’outils OpenAI, Nanbeige a besoin soit d’une couche de traduction, soit de son mode JSON, que la fiche indique comme pris en charge mais non privilégié.

C'est la taxe que les tableaux de benchmark ne montrent jamais. Un modèle qui est 20 points meilleur sur un harnais que vous devez reconstruire n'est pas 20 points meilleur le mardi. L'avantage de Granite ici n'est pas la capacité ; c'est que le câblage est documenté, standard et pris en charge par un fournisseur doté d'un outil de suivi des bugs.

La ligne de conformité

IBM livre Granite avec des signatures cryptographiques, une certification ISO et des déclarations de transparence. Pour un acheteur soumis à réglementation, ce n’est pas du marketing — c’est la différence entre un modèle qui peut passer par un processus d’approbation et un modèle qui ne le peut pas. IBM est aussi la contrepartie : il existe un contrat, un canal de support et une entreprise qui existera encore dans les délais du cycle d’approvisionnement.

Nanbeige4.3-33B est sous licence Apache 2.0, juridiquement permissive et exploitable commercialement. Il ne dispose pas d’un contrat de support entreprise, d’un programme d’artefacts signés ni d’une déclaration publiée sur la provenance des données au-delà de la fiche modèle. Le laboratoire fait partie de Kanzhun, une société chinoise cotée en bourse, et le modèle est bilingue anglais-chinois. Rien de tout cela ne le disqualifie. Tout cela fait partie des points sur lesquels une revue de sécurité posera des questions, et la réponse honnête aujourd’hui est que les preuves sont plus minces du côté de Nanbeige.

Pour une équipe en dehors d’un processus réglementé, cette section n’est pas pertinente et vous pouvez la sauter. Pour une équipe qui relève d’un tel processus, elle peut trancher la question avant même la lecture des benchmarks.

Combien coûte un token, et combien coûte un GPU

Granite 4.2 30B est disponible en tant qu’API gérée à 0,16 $ par million de tokens d’entrée et 0,65 $ par million de tokens de sortie, avec une remise de cache de 75 %, environ 47,5 tokens de sortie par seconde et un temps jusqu’au premier token de 0,82 seconde. Artificial Analysis estime son coût à environ 0,07 $ par tâche de l’Intelligence Index. Les poids sont également téléchargeables, à environ 60 Go en BF16 ou 30 Go en 8 bits — un déploiement sur un seul GPU.

Nanbeige4.3-33B n’a aucun prix par token publié, car personne ne l’héberge. La fiche indique clairement qu’aucun fournisseur d’inférence ne déploie le modèle. L’auto-hébergement représente environ 66 Go en BF16, ou environ 20 Go en 4 bits, les recettes du fournisseur utilisant une taille de parallélisme tensoriel de 4. Cela fait quatre GPU mobilisés, que le trafic arrive ou non.

Mettez les deux chiffres côte à côte honnêtement, et la comparaison oppose une facture à l’usage qui part de zéro à une dépense d’investissement qui démarre à quatre GPU. À faible volume, Granite est moins cher d’un ordre de grandeur. À volume élevé soutenu, un modèle 33B auto-hébergé peut l’emporter — mais seulement si le taux d’utilisation est suffisamment élevé pour amortir le matériel, et seulement si vous valorisez le temps d’ingénierie à zéro. La plupart des équipes découvrent qu’il n’est pas nul.

Aucun des deux modèles n’est sur notre routeur, et cela mérite d’être dit clairement.

OrcaRouter ne propose pas aujourd'hui Nanbeige4.3-33B ni Granite 4.2 30B. Nous n'allons pas prétendre le contraire, car un lecteur qui s'inscrit en espérant l'un ou l'autre de ces modèles perdrait une journée à découvrir que le catalogue ne les propose pas.

Ce que la couche de routage fait encore, c’est garder le reste de la décision peu coûteux. Si vous faites déjà tourner un fournisseur en place via notre endpoint, ajouter un Nanbeige auto-hébergé derrière la même clé et lui envoyer une partie du trafic relève d’un changement de configuration plutôt que d’une seconde intégration. Notre modèle à 0 % de marge — le prix catalogue du fournisseur répercuté tel quel — signifie aussi que lorsque IBM ou un autre hébergeur modifie le prix de Granite, le chiffre que vous voyez évolue avec lui plutôt que de traîner derrière la marge d’un revendeur. Cela ne rend pas pour autant l’un ou l’autre modèle disponible. Cela rend l’expérimentation autour d’eux moins coûteuse à mener.

Une présélection, pas un vainqueur

• Si vous avez besoin d’un contrat, de signatures et d’un canal de support : Granite 4.2 30B, et l’écart sur les benchmarks n’a plus d’importance.

• Si vous avez besoin des performances de codage agentique les plus élevées revendiquées dans cette classe de taille : Nanbeige4.3-33B, avec la réserve que son score de 80,9 sur Terminal-Bench 2.1 n’a jamais été reproduit en dehors de sa propre fiche.

• Si vous avez besoin d’une entrée native de 512K avec une sortie longue : Nanbeige4.3-33B. Granite atteint 512K par extension et recommande des sorties de 8K.

• Si vous avez besoin du chinois : les deux modèles le mentionnent. La fiche de Granite cite le chinois parmi 12 langues ; celle de Nanbeige liste l’anglais et le chinois. La langue n’est pas le facteur décisif ici.

• Si vous devez démarrer aujourd'hui sans GPU : Granite 4.2 30B via l'API d'IBM. Nanbeige n'a aucune option hébergée.

Le résumé inconfortable, c’est que ces modèles sont suffisamment proches dans leur catégorie pour que la décision se joue sur les contraintes qui les entourent — approvisionnement, déploiement, langue, modalité — plutôt que sur la ligne des 51 points. Cette ligne est peut-être bien réelle. Elle n’en reste pas moins l’affirmation la moins vérifiable de cet article, et elle devrait être la dernière raison de choisir un modèle, pas la première.