Xing 4.0 29B-A4B vs Granite 4.2 30B : Dense lit tout, Sparse lit un neuvième

Voici l'argumentaire architectural complet en une phrase. G​ranite 4.2 30B, le modèle de raisonnement dense d'IBM publié sous Apache 2.0 le 25 août 2026, lit la totalité de ses trente milliards de paramètres pour produire chaque token. Xing 4.0 29B-A4B, le modèle sparse mixture-of-experts de China Telecom dont les poids ont été mis en ligne le 16 septembre 2026 et qui est devenu appelable à la mi-octobre, n'en lit qu'environ quatre milliards sur vingt-neuf. Les deux sont sous Apache-2.0, les deux appartiennent à la même classe de poids, les deux ciblent le travail agentique, et leur exécution vous coûte des choses complètement différentes : G​ranite coûte du calcul sur chaque token, Xing coûte de la mémoire pour garder les experts que vous n'utilisez pas sur ce token et une pile de service qui sait comment router autour d'eux. Tout ce qui suit découle de cela.

Ce qu'est réellement chaque artefact

Il vaut la peine de les distinguer du label qu’ils partagent. « 30B » vous indique la taille d’un fichier, pas la forme d’une charge de travail.

• Granite 4.2 30B — le modèle phare d’IBM dans la famille Granite 4.2, construit sur Granite-4.1-30B-Base. Un transformer dense de raisonnement à décodeur seul, 30 milliards de paramètres (le dépôt indique 29 milliards en tenseurs BF16), attention à requêtes groupées avec 32 têtes d’attention contre 8 têtes clé-valeur, RoPE à θ = 10 000 000, MLP SwiGLU avec une taille cachée de 32 768, embeddings d’entrée et de sortie non liés, RMSNorm à ε = 1e-5. Douze langues testées. Apache 2.0.

• Xing 4.0 29B-A4B — le successeur de la gamme TeleChat signé TeleAI. 40 couches, taille cachée de 3 584, intermédiaire FFN dense de 9 216 contre un intermédiaire d'expert de 1 024, 64 experts routés avec 4 actifs par token plus un expert partagé toujours activé, une attention MLA à clé-valeur compressée au lieu de GQA, et un décodage spéculatif MTP entraîné directement dans le checkpoint. En pratique, une seule langue testée sur la fiche. Apache 2.0.

• Contexte — G​ranite 4.2 30B prend nativement en charge 128K, avec une extension de contexte long documentée jusqu’à 512K et une longueur de séquence de configuration de 131 072. Xing 4.0 dispose nativement de 256K, annoncé comme extensible à 512K. La fenêtre par défaut de Xing est deux fois plus large ; la voie d’extension de G​ranite est la mieux documentée des deux.

• Formats publiés — G​ranite 4.2 30B est disponible en BF16 ainsi qu'en quantifications FP8, MXFP4 et NVFP4, avec des builds GGUF d'I​BM et de la communauté. Xing 4.0 est disponible en safetensors BF16 ainsi qu'en FP8, w8a8 et GGUF. Les deux sont exceptionnellement bien pourvus ici, et tous deux représentent un réel avantage par rapport aux nombreux modèles ouverts qui publient un seul shard bfloat16 et laissent la quantification aux bénévoles.

• Disponibilité — G​ranite 4.2 30B n'a pas de point de terminaison facturé au token dans notre catalogue ; vous l'exécutez vous-même, ou vous y accédez via la plateforme d’I​BM elle-même et d’autres plateformes de service tierces. Xing 4.0 a obtenu un point de terminaison commercial à l’usage mesuré à la mi-octobre, avec un niveau promotionnel gratuit, et il est également absent de notre catalogue.

Le compromis entre mémoire et calcul, énoncé honnêtement

La sparsité n'est pas une réduction sur l'ensemble de la machine ; c'est une réduction sur un axe et une surcharge sur l'autre. G​ranite 4.2 30B nécessite environ la mémoire d'un modèle dense de 30B en bfloat16 et effectue des calculs sur l'intégralité de celle-ci par token, de sorte que son débit par unité de matériel est prévisible et que son comportement en traitement par lots est simple. Xing 4.0 doit garder l'intégralité des 29B résidents — chaque expert reste en mémoire, que ce token le sollicite ou non — mais ne fait transiter que l'équivalent de 4B de poids par token dans les calculs arithmétiques, ce qui explique pourquoi une quantification en 4 bits de celui-ci est annoncée comme tenant dans environ 15GB de VRAM et pourquoi son débit agrégé à forte concurrence présente un profil entièrement différent.

Cette affirmation mérite d'être vérifiée avant d'acheter une carte sur cette base : le dépôt annonce 31B dans les tenseurs en pleine précision, et une version 4 bits d'un modèle de 29B au total qui tombe à 15 Go implique une quantification agressive des poids des experts. Regardez la taille réelle du fichier GGUF plutôt que le texte promotionnel de la collection.

La deuxième différence, plus discrète, tient à la maturité de la chaîne de service. Granite 4.2 30B est un transformeur dense standard, ce qui signifie que toutes les piles d’inférence le prennent en charge, peu ou prou, par défaut. Xing 4.0 nécessite des noyaux personnalisés pour ses flux résiduels à hyperconnexions contraintes par variété et son attention MLA — SGLang embarque un noyau split-K dédié pour la disposition à quatre flux, vLLM dispose de l’architecture, et voilà où en sont les choses. Une conception sur mesure associant attention et résidus est le prix à payer pour l’architecture, et ce n’est pas un coût ponctuel si vous prévoyez de fine-tuner, quantifier ou d’exécuter des formes de lots inhabituelles.

Là où les chiffres publiés ne concordent pas réellement

Les deux fournisseurs publient leurs propres tableaux, tous deux sont cohérents en interne, et aucun des deux n’a été reproduit de manière indépendante par un tiers sur des bancs d’essai identiques. Comparez-les en tant que déclarations, et non en tant que mesures.

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

• SWE-bench Multilingual — Xing 4.0 66,00 contre Granite 4.2 30B 41,89.

• Terminal-Bench 2.1 — Xing 4.0 57,50 contre Granite 4.2 30B 29,24.

• Utilisation d'outils agentiques — Xing 4.0 Claw-Eval 76,55 et Tau3-Bench 64,63 ; Granite 4.2 30B τ³-bench 62,00 et BFCL v4 61,39.

• Suivi des instructions — Xing 4.0 IFBench 69,67 contre G​ranite 4.2 30B IFBench 77,17.

• Mathématiques et raisonnement général — G​ranite 4.2 30B AIME25 89,17, HMMT Feb25 89,17, GPQA 66,41, MMLU-Pro 77,60, LiveCodeBench v6 75,77. La fiche de Xing 4.0 n’en mentionne aucun, donc les colonnes restent vides plutôt que de se transformer en une victoire.

• Contexte long — G​ranite 4.2 30B publie RULER à 64K (89,96) et 128K (81,38). Xing 4.0 publie AA.LCR à 61,00 et rien d'autre dans la famille du contexte long. G​ranite remporte la seule ligne où les deux chiffres existent, et c'est une victoire significative : RULER à 128K est un test bien plus difficile qu'un score moyen de récupération.

Lisez la forme plutôt que les totaux. Granite se lit comme un généraliste large et bien mesuré, avec un tableau d’évaluation d’une honnêteté inhabituelle — 20 lignes couvrant le codage, les mathématiques, l’utilisation d’outils, les tâches documentaires et le contexte long, toutes avec le harnais d’évaluation indiqué comme un framework NeMo Evaluator SDK. Xing 4.0 se lit comme un spécialiste étroit : des marges énormes sur les benchmarks d’ingénierie logicielle et d’agents en terminal, une contre-performance sur le suivi d’instructions, et un silence partout ailleurs. Un modèle sans chiffre GPQA n’est pas nécessairement mauvais à GPQA. C’est un modèle dont le fournisseur a choisi de publier neuf lignes.

Deux asymétries honnêtes

Granite 4.2 30B a été rendu public il y a sept semaines et fait l'objet de l'examen minutieux que cela implique, y compris des quantifications indépendantes, des analyses détaillées de tiers et les propres valeurs de comparaison publiées par IBM pour ses modèles frères 8B et 3B sur chaque ligne du tableau. Xing 4.0 a été rendu public il y a un mois, compte 53 000 téléchargements depuis son dépôt, n'a fait l'objet d'aucune évaluation indépendante et s'évalue par rapport à des réexécutions de modèles rivaux que le fournisseur a effectuées dans son propre harnais. Une comparaison antérieure de cette série aborde déjà la façon dont ce tableau comparatif traite Gemma 4 ; le point structurel tient pour n'importe quelle colonne de celui-ci.

L’asymétrie va dans l’autre sens sur un axe. G​ranite 4.2 30B est un modèle de raisonnement à profil de calcul dense, ce qui signifie qu’il est lent par token d’une manière inhérente à sa conception et impossible à contourner par routage. Tout l’argument de Xing 4.0 est qu’on obtient l’empreinte mémoire d’un modèle de 29B avec l’arithmétique d’un modèle de 4B. Si cet argument tient sur des charges de travail réelles, c’est un choix nettement plus avantageux pour le trafic d’agents à fort volume — et c’est exactement l’argument que la ligne SWE-bench d’un fournisseur lui-même ne peut pas trancher.

Ce que cela coûte, et où un routeur s’intègre

Aucun des deux modèles ne figure au catalogue d’OrcaRouter ; nous ne sommes donc pas une voie vers l’un ou l’autre, et cet article ne suggérera pas le contraire. Le calcul pertinent mérite encore d’être fait. G​ranite 4.2 30B coûte une carte et rien d’autre, pour toujours, avec cette réserve que son calcul dense signifie que la carte dont vous avez besoin est plus grosse. Xing 4.0 coûte un GPU et un week-end d’intégration de service au départ, ou une évaluation à l’usage sur l’offre gratuite dès maintenant — et l’offre gratuite est le moyen le moins cher de découvrir si les affirmations agentiques résistent à votre propre dépôt plutôt qu’à un harnais terminus-2 exécuté par l’auteur du modèle.

C'est en périphérie qu'un routeur justifie sa place avec deux modèles que nous n'hébergeons pas. Vous ne remplacez pas le modèle que votre chaîne de production connaît déjà ; vous exécutez le challenger à côté de lui sur une fraction du trafic, selon une règle énoncée, avec basculement automatique pour qu'une mauvaise réponse ou un blocage en amont n'atteigne jamais un utilisateur. OrcaRouter est une API unique devant plus de 200 modèles hébergés, à 0 % de marge — le prix catalogue du fournisseur répercuté sans rien ajouter — et le DSL de routage est la façon dont la tranche est définie. Lorsque l'évaluation se termine, la règle change et le modèle en place reprend le trafic.

Si votre budget d’évaluation ne couvre qu’un seul modèle, prenez G​ranite 4.2 30B lorsque le travail est large — raisonnement sur de longs documents, génération multilingue, pipelines fortement axés sur le suivi d’instructions, tout ce pour quoi vous voulez un chiffre publié pour la tâche que vous exécutez réellement. Prenez Xing 4.0 29B-A4B lorsque le travail est étroit et agentique, que vous pouvez le mesurer vous-même et que l’argument du débit par carte est ce que vous achetez. Le seul choix clairement erroné est de prendre Xing 4.0 sur la seule base du 75 contre 57 : ces deux chiffres ont été produits par des laboratoires différents sur des bancs d’essai différents, et la seule chose qu’ils établissent de manière fiable est quel fournisseur a publié une ligne SWE-bench.

Qu'est-ce qui réglerait ça

Une évaluation indépendante de Xing 4.0 sur le même banc d’essai que celui sur lequel Granite a été mesuré, avec le même échafaudage, réduirait la majeure partie de l’incertitude de cet article en une seule après-midi de travail par quelqu’un disposant d’un GPU de rechange. Tant que cela n’existe pas, le modèle dense est celui dont on peut exploiter les chiffres et le modèle sparse est celui dont il faut vérifier les chiffres. Les deux affirmations seront tout aussi obsolètes dès l’instant où la seconde cessera d’être vraie.

Rien de tout cela n'est hypothétique : les défaillances documentées de l'IA et les incidents d'agents qui sous-tendent des versions comme celle-ci sont recueillis dans l'OrcaRouter AI Incident Archive, où chaque entrée est accompagnée de ses propres sources, de son niveau de gravité, de son degré de confiance et de son indicateur de contestation.