Nanbeige4.3-33B מול Granite 4.2 30B: טענות נגד ציות

ההחלטה בין Nanbeige4.3-33B ל-Granite 4.2 30B תתקבל בישיבת רכש, לא בלוח דירוג. שניהם מודלים צפופים בני כ-30 מיליארד פרמטרים ברישיון Apache 2.0, שניהם ניתנים להורדה השבוע, ושניהם מצהירים על תקרת 512K אסימונים. אבל האחד נמכר על ידי IBM עם ארטיפקטים חתומים וחוזה תמיכה, והאחר הוא מאגר בן יומיים ממעבדה סינית שלא פרסמה הודעת השקה. Granite 4.2 30B של IBM הגיע ב-25 באוגוסט 2026; Nanbeige4.3-33B הופיע ב-Hugging Face ב-24 באוקטובר 2026. הם לא ממש מתחרים על אותה רכישה, וזו בדיוק הסיבה שההשוואה ראויה להיעשות בקפידה.

מה שמופיע להלן אינו בחירה של מנצח. זו לוגיקת רשימה מקוצרת: ארבע השאלות שבאמת מבדילות בין המודלים האלה, עם הראיות שכל תשובה נשענת עליהן והמקומות שבהם הראיות חלשות מכפי שהן נראות.

שני מוצרים העוטים את אותו מספר פרמטרים

Granite 4.2 30B הוא הדגם הבכיר בקו Granite 4.2 של IBM — 3B, 8B ו-30B, כולם צפופים. הוא בנוי על Granite-4.1-30B-Base, שאומן מראש על כ-15 טריליון טוקנים, כולל כטריליון טוקנים סינתטיים של קוד, ולאחר מכן עבר שלב של למידת חיזוק אגנטית בגדלים 8B ו-30B. הוא מגיע עם שלושה מצבי הסקה (חשיבה, ללא חשיבה, מאמץ נמוך), קריאה מקורית לכלים בפורמט OpenAI, וגרסאות FP8 ו-4-bit. IBM מפרטת תמיכה מקורית ב-vLLM וב-SGLang, כולל granite_thinking_parser.

Nanbeige4.3-33B הוא צ'קפוינט dense בודד מ-Nanbeige LLM Lab, צוות ה-AI תחת Kanzhun, החברה שמאחורי BOSS Zhipin. הכרטיס שלו ספציפי באופן יוצא דופן בכל הנוגע לפריסה: 33.1B פרמטרים, חלון הקשר של 524,288 טוקנים, אנגלית וסינית, חשיבה פעילה כברירת מחדל, פורמט קריאות כלים ב-XML שמומלץ על פני JSON, ודגל preserve_thinking שמכוון לשימוש בכלים לאורך מספר תורות. הוא ממוצב במפורש כמודל מורה עבור אחות קטנה יותר, Nanbeige4.3-3B, שטרם שוחררה.

ההבדל בכוונה חשוב. Granite הוא קו מוצרים עם מסלול תמיכה ארגוני. Nanbeige4.3-33B הוא תוצר מחקרי ששוחרר כדי להצמיח משפחה. האחד נועד להימכר; האחר נועד לזיקוק ממנו.

השורה היחידה ששתי המעבדות באמת הריצו

הכרטיס של Nanbeige משווה את עצמו ל-Qwen3.8-27B, ל-Muse-Glimmer-30B ול-Gemma 4 31B. חומרי Granite של IBM אינם מזכירים את Nanbeige כלל. לכן שני הכרטיסים חולקים בדיוק מדד אחד שבו השוואה ישירה אפשרית אפילו באופן נומינלי: Terminal-Bench 2.1.

• Terminal-Bench 2.1 — Nanbeige4.3-33B 80.9 (הכרטיס של Nanbeige) מול Granite 4.2 30B 29.24 (הכרטיס של IBM). פער של 51.7 נקודות לטובת Nanbeige.

זהו ההפרש המוצהר הגדול ביותר בין שתי טבלאות ספקים בכל ההשוואה הזו, והוא טעון שלוש הסתייגויות לפני שיש לו משמעות. ראשית, שני הנתונים מדווחים על ידי הספקים. שנית, הכרטיס של Nanbeige אומר שהרצת Terminal-Bench 2.1 שלו השתמשה ב-Terminus 2; הכרטיס של IBM אינו מציין את ה-scaffold שלו. שלישית, מבחן טרמינל מודד מודל בתוספת לולאת סוכן, ופער של 51 נקודות יכול לנבוע מהלולאה באותה קלות מהמשקלים. מודל עם harness מכוונן היטב ומודל עם harness סטנדרטי ייפרדו בעשרות נקודות באותו מבחן נומינלי.

השורה המשותפת הקרובה ביותר הבאה היא GPQA Diamond: Nanbeige מדווחת 89.5, ו-IBM מדווחת 66.41. זהו פער אמיתי במדד ידע, והוא רחב מספיק כדי לשרוד הבדלים במערכת ההרצה, אך הוא גם מודד דבר שונה מתכנות סוכני — שאלות מדע ברמת תואר שני, ולא שימוש בכלים בטווח ארוך. הוא אומר ש-Nanbeige הוא המנמק החזק יותר מבין השניים על סמך הראיות הללו. הוא אינו אומר שהיא הסוכן החזק יותר.

כל השאר אינו ניתן להשוואה. Nanbeige מדווחת על SWE-Bench Pro בתוצאה 60.3; IBM מדווחת על SWE-Bench Verified בתוצאה 57.00 — גרסאות שונות, רמת קושי שונה. Nanbeige מדווחת על AIME 2026 בתוצאה 95.2; IBM מדווחת על AIME25 בתוצאה 89.17 — שנים שונות. Nanbeige מדווחת על JobBench ו-DeepPlanning; IBM מדווחת על τ³-bench 62.00, BFCL v4 61.39, MMLU-Pro 77.60, LiveCodeBench v6 75.77 ו-RULER 128K 81.38. לאף אחד מאלה אין מקבילה ב-Nanbeige.

שתי טענות 512K שאינן אותה טענה

שני הדגמים מצהירים על תקרה של 512K. הם מגיעים לשם בדרכים שונות, וההבדל מתבטא במה שכל ספק היה מוכן לפרסם.

• חלון נייטיבי — Nanbeige4.3-33B: 524,288 טוקנים, נייטיבי. Granite 4.2 30B: 131,072 טוקנים, נייטיבי.

• תקרה מורחבת — Granite 4.2 30B מציע הרחבת הקשר ארוך עד 512K. Nanbeige אינו זקוק להרחבה כזו; 512K הוא חלון האימון.

• עדויות להקשר ארוך — IBM מפרסמת את RULER ב-128K: 81.38. Nanbeige מפרסמת את AA-LCR ב-84.0, בנצ'מרק הסקה בהקשר ארוך, אך לא בנצ'מרק שליפה בעומק מוצהר.

• פלט — הכרטיס של Nanbeige ממליץ על עד 262,144 טוקנים חדשים עבור חשיבה וצ'אט, ו-65,536 עבור עבודה סוכנית ושימוש בכלים. הערך המומלץ של IBM עבור max_new_tokens הוא 8,192 במצב חשיבה ו-2,048 במצב לא-חשיבה.

השורה האחרונה היא המעשית. חלון קלט של 512K יחד עם המלצת פלט של 8K הוא מודל שנבנה לקרוא הרבה ולענות בקצרה. חלון של 512K יחד עם תקציב יצירה של 262K הוא מודל שנבנה להפיק תוצרים ארוכים. אם העבודה שלך היא "לבלוע את המאגר, לכתוב את המיגרציה", אלו אינם מוצרים שקולים גם באותו אורך הקשר נומינלי.

קריאה לכלים, מצבי חשיבה ומס האינטגרציה

קריאת הכלים של Granite היא בפורמט OpenAI ונייטיבית, עם BFCL v4 ב-61.39 בהערכה של IBM עצמה. זה אומר שהיא משתלבת ישירות בלקוח סטנדרטי לקריאת פונקציות בלי מנתח מותאם אישית. IBM גם מפרסמת מנתח חשיבה עבור vLLM, כך שעקבות החשיבה מופרדות בצורה נקייה מהתשובה.

Nanbeige4.3-33B נוקטת בגישה ההפוכה: היא ממליצה על tool_call_format="xml" לביצועים הטובים ביותר, מגיעה עם תבנית בסגנון ChatML, ומבקשת ממך להשתמש במנתח החשיבה של Qwen3 ובמנתח הכלים של Qwen3-Coder ב-vLLM או ב-SGLang. זה אינו פגם — מודלי סוכנים חזקים רבים משתמשים בקריאות כלים בפורמט XML — אבל זו עבודת אינטגרציה. אם הסטאק שלך מדבר ב-JSON כלים של OpenAI, Nanbeige זקוקה לשכבת תרגום או למצב ה-JSON שלה, שלדברי הכרטיס נתמך אך אינו מועדף.

זהו המס שטבלאות בנצ'מרק לעולם אינן מציגות. מודל שטוב ב-20 נקודות ברתמת בדיקה שצריך לבנות מחדש אינו טוב ב-20 נקודות ביום שלישי. היתרון של Granite כאן אינו היכולת; אלא שהחיווט מתועד, סטנדרטי ונתמך על ידי ספק עם מערכת מעקב באגים.

קו הציות

IBM מספקת את Granite עם חתימות קריפטוגרפיות, הסמכת ISO והצהרות שקיפות. עבור קונה בסביבה מוסדרת, זה אינו שיווק — זה ההבדל בין מודל שיכול לעבור תהליך אישור לבין כזה שלא. IBM היא גם הצד להתקשרות: יש חוזה, יש מסלול תמיכה, ויש חברה שתמשיך להתקיים בטווח הזמן של מחזור הרכש.

ל-Nanbeige4.3-33B יש רישיון Apache 2.0, שהוא מתירני מבחינה משפטית וניתן לשימוש מסחרי. אין לו חוזה תמיכה ארגוני, תוכנית ארטיפקטים חתומים, או הצהרת מקור נתונים מפורסמת מעבר לכרטיס המודל. המעבדה היא חלק מ-Kanzhun, חברה ציבורית סינית, והמודל דו-לשוני אנגלית–סינית. שום דבר מזה לא פוסל אותו. כל זה מסוג הדברים שסקירת אבטחה תשאל עליהם, והתשובה הכנה היום היא שהראיות דקות יותר בצד של Nanbeige.

עבור צוות שאינו נמצא בתהליך מפוקח, סעיף זה אינו רלוונטי ואפשר לדלג עליו. עבור צוות שנמצא בתהליך כזה, הוא עשוי להכריע בשאלה לפני קריאת נתוני הבנצ'מרק.

כמה עולה טוקן, וכמה עולה GPU

Granite 4.2 30B זמין כ-API מנוהל במחיר של $0.16 למיליון אסימוני קלט ו-$0.65 למיליון אסימוני פלט, עם הנחת מטמון של 75%, כ-47.5 אסימוני פלט לשנייה וזמן של 0.82 שניות לאסימון הראשון. Artificial Analysis מעריכה את עלותו בכ-$0.07 למשימת Intelligence Index. המשקלים גם ניתנים להורדה, בגודל של כ-60GB ב-BF16 או 30GB ב-8-bit — פריסה על GPU יחיד.

ל-Nanbeige4.3-33B אין מחיר מפורסם לכל טוקן כי איש אינו מארח אותו. הכרטיס מציין באופן ברור שאין ספק אינפרנס שמפריס את המודל. אירוח עצמי משמעו כ-66GB ב-BF16, או בערך 20GB ב-4-bit, כאשר המתכונים של הספק עצמו משתמשים בגודל tensor-parallel של 4. כלומר ארבעה GPUs מוחזקים פתוחים בין אם מגיעה תעבורה ובין אם לא.

הציבו את שני המספרים זה לצד זה בכנות, וההשוואה היא בין חשבון מדוד שמתחיל מאפס לבין הוצאת הון שמתחילה בארבעה GPUs. בנפח נמוך, Granite זול יותר בסדר גודל. בנפח גבוה ומתמשך, מודל 33B באירוח עצמי יכול לנצח — אבל רק אם הניצול גבוה מספיק כדי להחזיר את עלות החומרה, ורק אם אתם מעריכים את זמן ההנדסה כאפס. רוב הצוותים מגלים שהוא לא אפס.

אף אחד מהמודלים לא נמצא בנתב שלנו, וראוי לומר זאת בפשטות.

OrcaRouter אינו מציע היום את Nanbeige4.3-33B או את Granite 4.2 30B. איננו מתכוונים להעמיד פנים אחרת, מפני שקורא שנרשם בציפייה לאחד מהמודלים האלה יבזבז יום שלם עד שיגלה שהקטלוג אינו כולל אותו.

מה ששכבת הניתוב עדיין עושה הוא להוזיל את יתר ההחלטה. אם אתם כבר מריצים ספק קיים דרך נקודת הקצה שלנו, הוספת Nanbeige באירוח עצמי מאחורי אותו מפתח ושליחת חלק מהתנועה אליו היא שינוי תצורה ולא אינטגרציה שנייה. מודל 0% התוספת שלנו — מחיר המחירון של הספק מועבר כמו שהוא — גם אומר שכאשר IBM או מארח אחר משנה את מחיר Granite, המספר שאתם רואים זז יחד איתו ולא מפגר אחרי המרווח של משווק. זה לא הופך אף אחד מהמודלים לזמין. זה הופך את הניסוי סביבם לזול יותר להרצה.

רשימה מצומצמת, לא מנצח

• אם אתה צריך חוזה, חתימות ונתיב תמיכה: Granite 4.2 30B, והפער בהשוואת הביצועים מפסיק להיות חשוב.

• אם אתה זקוק לביצועי הקידוד הסוכניים החזקים ביותר המוצהרים בקטגוריית הגודל הזו: Nanbeige4.3-33B, עם הסתייגות שה-80.9 שלו ב-Terminal-Bench 2.1 מעולם לא שוחזר מחוץ לכרטיס המודל שלו.

• אם אתה צריך קלט מקורי של 512K עם פלט ארוך: Nanbeige4.3-33B. Granite מגיע ל-512K באמצעות הרחבה וממליץ על פלטים של 8K.

• אם יש צורך בסינית: כל מודל מפרט אותה. הכרטיס של Granite מפרט סינית בין 12 שפות; זה של Nanbeige מפרט אנגלית וסינית. השפה היא לא הגורם המכריע כאן.

• אם עליך להתחיל היום ללא GPUs: Granite 4.2 30B דרך ה-API של IBM. ל-Nanbeige אין כלל אפשרות אירוח.

הסיכום הלא נוח הוא שהמודלים האלה קרובים מספיק ברמתם כך שההחלטה תתקבל לפי האילוצים שסביבם — רכש, פריסה, שפה, מודאליות — ולא לפי שורת 51 הנקודות. ייתכן בהחלט שהשורה הזו אמיתית. היא גם הטענה היחידה במאמר הזה שהכי קשה לאמת, והיא צריכה להיות הסיבה האחרונה לבחור מודל, לא הראשונה.