Granite Switch 4.1 30B vs Granite 4.2 30B: Dua IBM 30B yang Tidak Saling Bersaing

Inilah bagian yang canggung dari menempatkan Granite Switch 4.1 30B di samping Granite 4.2 30B: keduanya bukan jenis artefak yang sama, sehingga sebagian besar pembingkaian adu langsung runtuh begitu bersentuhan. Granite 4.2 30B adalah model — penalar 30B padat yang diterbitkan IBM di bawah Apache-2.0 dengan mode berpikir dan pemanggilan alat agentik. Granite Switch 4.1 30B, yang bobotnya dirilis pada 14 Oktober 2026, adalah runtime: ia membekukan basis Granite, melampirkan adaptor yang dapat ditukar padanya, dan menawarkan tiga kemampuan dari satu checkpoint. Anda tidak memilih di antara keduanya seperti Anda memilih di antara dua model. Anda memilih apakah Anda menginginkan sebuah model atau lapisan komposisi.

Meskipun demikian, ada keputusan nyata yang tersembunyi di balik kesalahan kategori itu, dan itu sama sekali tidak berkaitan dengan benchmark. Switch 4.1 30B dibangun di atas basis Granite 4.1 30B. Granite 4.2 30B adalah generasi yang lebih baru dari keluarga yang sama, dan secara terukur merupakan model umum yang lebih kuat. Jadi pertanyaan sebenarnya adalah apakah mesin switching itu sepadan dengan mengorbankan satu generasi model dasar — dan jawabannya berbeda-beda bergantung pada apakah Anda memanggil model atau mengirimkannya.

Berdampingan, dimensi demi dimensi

• Apa itu — Switch 4.1 30B adalah checkpoint gabungan (base yang dibekukan + dua adapter LoRA yang diaktifkan + sebuah encoder ucapan); Granite 4.2 30B adalah model decoder-only dense tunggal.

• Parameter — Switch 4.1 30B berjumlah 29.989.814.272 dibandingkan dengan basis 28.865.728.512, delta +3,89%; Granite 4.2 30B adalah model dense 30B tanpa biaya tambahan adapter karena tidak memiliki adapter.

• Konteks — 131.072 token pada keduanya secara native, dengan IBM mendokumentasikan ekstensi konteks panjang hingga 512K di sisi Granite 4.2.

• Mode berpikir — Granite 4.2 30B memiliki rantai pemikiran eksplisit di dalam <think> tag dengan tingkat upaya yang dapat dipilih; Switch 4.1 30B tidak memiliki mode penalaran yang terpasang di template chat.

• Melampaui teks — Switch 4.1 30B menerima audio dan menghasilkan transkrip beserta distribusi keputusan yang terkalibrasi; Granite 4.2 30B tidak melakukan keduanya.

• Kuantisasi — Granite 4.2 30B hadir dalam build BF16 plus FP8, NVFP4, MXFP4, GGUF, dan MLX; checkpoint Switch hadir dalam satu presisi, tanpa build terkuantisasi resmi per saat penulisan ini.

• Lisensi — Apache-2.0 pada keduanya.

• Skor yang dipublikasikan — Granite 4.2 30B memiliki tabel benchmark lengkap (dijalankan vendor); Switch 4.1 30B hanya punya satu angka, Decision Index, dan itu mengukur hal yang sepenuhnya berbeda.

Di mana Granite 4.2 30B menang secara mutlak

Pada kemampuan umum, ini tidak dekat, dan memang tidak dimaksudkan demikian. Kartu milik IBM sendiri untuk Granite 4.2 30Bmelaporkan 77,60 pada MMLU-Pro, 89,17 pada AIME 2025 dan 66,41 pada GPQA, dengan 57,00 pada SWE-bench Verified dan 29,24 pada Terminal-Bench 2.1 — semuanya dilaporkan vendor, dijalankan melalui harness berbasis NeMo pada kerangka evaluasi milik IBM sendiri, tidak ada satu pun yang direproduksi oleh siapa pun di luar IBM. Anggap angka-angka itu sebagai klaim vendor dan itu tetap satu-satunya data komparatif yang ada untuk kedua model.

Poin strukturalnya lebih penting daripada skornya. Granite 4.2 30B dilatih sebagai model penalaran dengan pembelajaran penguatan agentik, dan disertai dengan perkakas di sekitarnya: build terkuantisasi untuk perangkat keras yang benar-benar dimiliki orang, jalur ekstensi konteks panjang, dan tombol mode berpikir yang terdokumentasi. Granite Switch 4.1 30B dibangun dengan menyusun basis yang dibekukan bersama adapter, dan basis di bawahnya adalah generasi yang lebih tua. Jika Anda ingin satu model menjawab pertanyaan sulit dengan baik, model dense yang lebih baru itulah yang Anda inginkan.

Di mana Granite Switch 4.1 30B menang mutlak

Tiga tempat, dan tak satu pun darinya adalah tolok ukur.

Yang pertama adalah bahwa ia menjawab bentuk pertanyaan yang berbeda. Adaptor keputusan menerima sebuah state dan sebuah pertanyaan dengan opsi berlabel dan mengembalikan distribusi probabilitas terkalibrasi atas label-label tersebut dalam satu forward pass — contoh pada kartu mengembalikan sesuatu seperti A: 0.982, B: 0.0035, C: 0.014. Itu bukan penyelesaian chat yang Anda parsing dengan regex. Perutean berdasarkan softmax atas logit opsi adalah operasi yang berbeda dari meminta model untuk tolong membalas dengan satu huruf, dan seluruh rancangan dibangun agar pembacaan terkalibrasi tersedia tanpa model kedua di mesin.

Yang kedua adalah audio. Encoder 470M Granite Speech 5.0 TurboCTC yang tertanam mentranskripsikan audio yang masuk dan menyambungkan transkripnya ke dalam konteks chat sebagai pengganti bagian konten audio, sehingga permintaan ucapan adalah permintaan chat normal dengan input_audio sebagai bagian. Apakah itu ide bagus sepenuhnya bergantung pada satu peringatan yang IBM tulis di kartunya sendiri: encoder dan model bahasa tidak dilatih bersama, tidak ada proyeksi terlatih yang menggabungkan keduanya, dan keluarannya hanya bahasa Inggris, huruf kecil, dan tanpa tanda baca. Kesalahan transkripsi mengubah pertanyaan yang dijawab model, secara diam-diam.

Yang ketiga adalah overhead parameter, dan inilah angka yang akan bertahan lebih lama daripada rilisnya. Checkpoint gabungan 3,89% lebih besar daripada basisnya, karena setiap adapter membaca cache KV model dasar alih-alih memelihara status atensinya sendiri. Dalam penyiapan multi-adapter konvensional, setiap adapter yang Anda pindahi merupakan kumpulan status atensi lain, dan tagihan memorinya bertambah seiring jumlahnya. Di sini Anda membayar 1,12 miliar parameter tambahan untuk pengklasifikasi keselamatan, mesin pengambil keputusan, dan encoder suara, dan peralihan itu sendiri adalah parameter permintaan yang diselesaikan oleh templat chat — bukan penerapan kedua yang harus ditegakkan dan dijaga tetap hangat.

Jebakan dalam angka-angka: 50.1 bukanlah 77.60 yang lebih kecil

Cara paling mungkin untuk salah membaca pasangan ini adalah menempatkan angka milik model Switch, 50.1, di samping angka milik Granite 4.2 30B, 77.60, dan menyimpulkan bahwa model Switch adalah dua pertiga dari model itu. Kedua angka tersebut tidak menggambarkan hal yang sama dan perbandingan itu tidak berarti.

50,1 adalah skor Decision Index — edisi v0.3, subset cepat publik dari 1.068 baris — yang mengukur seberapa baik adaptor keputusan memberi peringkat pada opsi berlabel, dengan rincian per area Pengetahuan 32,4, Bahasa 58,6, Pengambilan 49,8, Alat 76,5 dan Seni 26,4. Ini adalah skor untuk satu adaptor yang melakukan satu tugas, dan tidak mengatakan apa pun tentang kualitas obrolan model dasar, karena dasar di bawahnya tidak disentuh oleh adaptor. 77,60 adalah MMLU-Pro, tolok ukur pengetahuan umum untuk keseluruhan model. Sumbu yang berbeda, perangkat uji yang berbeda, penulis yang berbeda. Satu-satunya penggunaan yang benar dari salah satu angka tersebut adalah sebagai bukti tentang hal yang sebenarnya diukur.

Bacalah bentuk Decision Index alih-alih angka utamanya dan Anda mendapatkan sesuatu yang benar-benar berguna: 76,5 pada Tools di sebelah 26,4 pada Arts menunjukkan bahwa adaptor ini layak diarahkan pada keputusan bergaya pemilihan alat dan tidak boleh dipercaya untuk klasifikasi kreatif atau domain terbuka tanpa evaluasi Anda sendiri. Itu kalimat yang lebih dapat ditindaklanjuti daripada skor keseluruhan apa pun.

Apa yang sebenarnya menentukan

Jika Anda memanggil sebuah model — satu endpoint, satu prompt, satu jawaban — Granite 4.2 30B adalah model yang lebih baru dan lebih baik dan tidak ada alasan untuk melewati checkpoint Switch untuk mendapatkannya.

Jika Anda merilis satu, perhitungannya berubah. Tim yang membangun sistem yang harus menjawab, memutuskan, dan mentranskripsikan, kalau tidak, akan menjalankan tiga proses dengan tiga latensi dan tiga jejak memori; build Switch menggabungkan itu menjadi satu checkpoint yang biayanya 3,89% lebih besar daripada basis yang digantikannya. Tim yang membutuhkan probabilitas terkalibrasi atas kumpulan label tetap sama sekali tidak memiliki padanan di Granite 4.2 30B, dan memberikan prompt untuk itu bukanlah hal yang sama.

Jebakannya adalah basisnya. Membeli lapisan komposisi berarti menerima basis generasi-1, dan saat ini tidak ada Switch checkpoint yang dibangun di atas basis Granite 4.2. IBM mengatakan lebih banyak data akan datang "dalam beberapa minggu mendatang" dan menyebut composer sebagai jalan ke depan — siapa pun dapat membangun Switch checkpoint dari basis Granite apa pun dan subset adapter apa pun, menggunakan perkakas granite-switch. Apakah IBM akan melakukan itu untuk lini 4.2 adalah hal yang perlu dicermati, karena rilis itu akan menghapus seluruh trade-off ini.

Menjalankan keduanya tanpa memihak salah satunya

Tidak satu pun dari model tersebut ada dalam katalog OrcaRouter saat ini, jadi keduanya berarti perangkat keras Anda sendiri dan kanal rilis IBM. Hal itu patut dinyatakan secara gamblang daripada menyiratkan bahwa ada endpoint yang dihosting.

Yang diubah oleh platform ini adalah biaya untuk mencari tahu. Satu kunci mencakup lebih dari 200 model dengan failover otomatis, dan harga daftar penyedia diteruskan dengan markup 0%, jadi ketika model yang Anda evaluasi memang mendapatkan rute yang dihosting, mengukurnya terhadap apa pun yang sudah ada di produksi hanyalah perubahan konfigurasi, bukan kontrak vendor kedua. Dalam perbandingan khusus ini, hal itu penting karena kedua sisi sama-sama belum tuntas: tabel benchmark Granite 4.2 30B adalah milik IBM sendiri dan belum direproduksi, dan Granite Switch 4.1 30B pada dasarnya hanya memiliki satu angka yang dipublikasikan dan sama sekali tidak ada evaluasi independen. Tidak satu pun layak mendapat slot produksi hanya berdasarkan kartu model. Keduanya layak mendapatkan satu minggu trafik Anda sendiri.

Vonis

Granite 4.2 30B adalah model yang lebih baik. Granite Switch 4.1 30B adalah artefak yang lebih menarik, dan itulah yang memberi tahu Anda ke arah mana IBM melihat inferensi enterprise akan bergerak — bukan model yang lebih besar, tetapi tagihan yang lebih kecil untuk rangkaian kemampuan yang sama, yang diperoleh dengan menyusun adaptor murah ke satu basis beku dan berbagi cache KV di antara mereka.

Pilih model 4.2 jika yang Anda butuhkan adalah jawaban. Pilih Switch checkpoint jika yang Anda butuhkan adalah keputusan routing, putusan keamanan, dan transkrip dari satu proses serta Anda bisa menerima model dasar yang tertinggal satu generasi. Abaikan siapa pun yang membandingkan skor mereka satu sama lain; angka-angka itu tidak mengukur hal yang sama.