LBS-27B vs Granite 4.2 30B: Dense secara Desain Melawan Spesifikasi yang Tidak Ada

IBM membuat pilihan yang disengaja dengan Granite 4.2 30B: IBM mempertahankannya sebagai model dense. Enam puluh empat lapisan, blok feed-forward selebar 32.768, setiap parameter dibaca untuk setiap token. Pada tahun ketika sebagian besar lab seukuran ini beralih ke perutean mixture-of-experts, IBM merilis model 30B straight-through dan menetapkan harganya sesuai. Keputusan itu adalah lensa yang tepat untuk membandingkannya dengan LBS-27B, karena satu-satunya yang kita ketahui tentang repositori baru inclusionAI adalah nama dan lisensi — dan pertanyaan pertama yang harus dijawab oleh nama itu adalah apakah nama tersebut menggambarkan model dense atau model sparse.

Granite 4.2 30B memiliki catatan publik yang lengkap: bobot sejak Agustus 2026, lisensi Apache-2.0, kartu model dengan sembilan belas baris benchmark, dan stack pemanggilan alat yang terdokumentasi. LBS-27B memiliki repositori yang dibuat pada 26 Oktober 2026 yang berisi sebuah file .gitattributes dan README 28 byte yang menyatakan Apache-2.0 dan tidak mengatakan apa pun lagi. Ini bukan perbandingan antara dua model. Ini adalah perbandingan antara satu model dengan spesifikasi yang belum ditulis, dan keluaran yang berguna adalah daftar hal-hal spesifik yang perlu dimuat dalam spesifikasi tersebut.

Apa yang sebenarnya dikirim IBM

Granite 4.2 30B adalah decoder dense dengan 30 miliar parameter — Hugging Face mencantumkan 29B dalam BF16 — dengan 64 lapisan, ukuran tersembunyi 4.096, 32 kepala atensi, dan 8 kepala key-value dalam grouped-query attention. Kosakatanya 100.352 token, konteks aslinya 131.072, dan IBM mendokumentasikan ekstensi konteks panjang hingga 512K. Model ini hanya untuk teks. Kartu model tersebut menyebut dua belas bahasa yang diuji: Inggris, Jerman, Spanyol, Prancis, Jepang, Portugis, Arab, Ceko, Italia, Korea, Belanda, dan Mandarin.

Ini adalah model penalaran dalam pengertian biasa pada 2026. Kartu model tersebut menjelaskan mode full-thinking, non-thinking, dan low-effort, dengan penalaran dibungkus dalam tag think. Model ini di-fine-tune dari Granite 4.1 30B Base, dirilis di bawah Apache-2.0, dan IBM menetapkan tanggal rilisnya pada 25 Agustus 2026.

Dense bukanlah kekurangan teknis. Itu adalah pertukaran. Model dense memiliki perilaku komputasi dan memori per token yang dapat diprediksi, tidak ada router yang bisa salah merutekan token, tidak ada sharding paralel-ahli yang perlu dirancang, dan pendekatan fine-tuning yang berperilaku seperti yang diharapkan sebagian besar tim. Sebagai gantinya, biaya penyajiannya per token lebih tinggi daripada model sparse dengan ukuran total yang sama. IBM menjual pertukaran itu kepada perusahaan-perusahaan yang lebih memilih deployment yang membosankan daripada yang murah.

Profil tolok ukur dengan suatu bentuk

Kartu Granite sangat lengkap, sehingga memungkinkan untuk melihat di mana model ini kuat dan di mana tidak. Semua ini dilaporkan oleh vendor dan belum direproduksi secara independen.

• Matematika — AIME25 89.17 dan HMMT February 2025 89.17. Ini adalah angka-angka menonjol pada kartu tersebut dan berada jauh di atas yang dicapai model 30B setahun lalu.

• Pengetahuan dan sains — GPQA 66,41, MMLU-Pro 77,60, MMLU-ProX lite 66,64, SciCode 38,76. Kompeten, bukan yang terdepan di kelasnya. Kesenjangan antara skor AIME mendekati 90 dan skor GPQA di pertengahan 60-an adalah bentuk model ini: ia lebih baik dalam mengerjakan soal terstruktur daripada dalam mengingat atau menalar lintas pengetahuan domain yang luas.

• Rekayasa perangkat lunak — SWE-Bench Verified 57, SWE-Bench Pro 33.29, SWE-Bench Multilingual 41.89, Terminal-Bench 2.1 29.24, LiveCodeBench v6 75.77. Penurunan dari LiveCodeBench ke Terminal-Bench sangat besar, dan itu penting: kemampuan pemrograman kompetitif tidak sama dengan menyelesaikan tugas multi-langkah di terminal nyata.

• Konteks panjang — RULER 64K 89,96 dan RULER 128K 81,38. Ini adalah pasangan yang paling melegakan di kartu ini, karena mengukur pengambilan informasi di seluruh jendela konteks alih-alih mengasumsikan bahwa konteks yang besar pasti dapat digunakan. Penurunan tujuh poin dari 64K ke 128K merupakan kemiringan yang landai.

• Mengikuti instruksi dan obrolan — IFBench 77.17, Arena-Hard-V2 67.93, tau3 rata-rata 62.00, BFCL v4 61.39.

Pembacaan yang jujur adalah bahwa Granite 4.2 30B adalah model yang solid namun tidak merata: unggul dalam matematika kontes dan pengambilan konteks panjang, biasa saja dalam pengetahuan luas, dan di kelas menengah dalam pekerjaan perangkat lunak agentik. Itu adalah produk yang spesifik, bukan produk generik.

Pemanggilan alat adalah argumen yang diajukan IBM

Frasa yang digunakan IBM adalah "pemanggilan alat yang diperkuat penalaran" — model bernalar tentang alat mana yang harus dipanggil dan mengapa sebelum memanggilnya. Detail implementasinya praktis, bukan eksotis: definisi fungsi bergaya OpenAI, parser alat vLLM bernama qwen3_coder, resolusi otomatis SGLang ke parser yang sama, serta integrasi dengan OpenCode, Pi, dan OpenHands.

Apakah itu lebih baik daripada alternatif-alternatifnya merupakan pertanyaan empiris, dan angka-angka pada kartu tersebut sendiri bercampur-campur. BFCL v4 pada 61,39 dan tau3 pada 62,00 cukup terhormat tetapi tidak dominan; model-model yang memimpin papan peringkat tersebut umumnya lebih besar. Yang ditawarkan Granite adalah jalur pemanggilan alat yang terdokumentasi dan dapat direproduksi dengan lisensi yang permisif serta profil penyajian yang padat — yang sering kali justru dibutuhkan proyek agen perusahaan, lebih daripada mahkota papan peringkat.

Inilah area tempat LBS-27B pertama-tama akan dinilai jika ditujukan untuk pembeli yang sama. Model yang tidak dapat memanggil alat secara andal bukanlah kandidat untuk pekerjaan agentik, terlepas dari skor MMLU-nya, dan evaluasi pemanggilan alat adalah jenis hal yang tidak muncul di repositori sampai model itu selesai.

Sisi LBS-27B pada halaman

Sangat sedikit yang perlu dikatakan, dan penting untuk mengatakannya secara tepat alih-alih mengisi ruang dengan inferensi.

• Repositori tersebut ada. Repositori ini dibuat pada pukul 05.36 UTC tanggal 26 Oktober 2026 dan belum diubah sejak saat itu.

• Ini berisi dua file: .gitattributes berukuran 1.519 byte dan README berukuran 28 byte. README tersebut hanya berisi frontmatter lisensi: license: apache-2.0.

• Tidak ada bobot, tidak ada konfigurasi, tidak ada tokenizer, tidak ada kartu model, dan tidak ada data evaluasi. Unduhan tidak dilacak dan suka bernilai nol. Kami tidak menemukan pengumuman, makalah, atau diskusi publik.

• "27B" adalah bagian dari nama repositori. Tidak ada apa pun dalam repositori yang mengonfirmasi bahwa itu adalah jumlah parameter, dan tidak ada yang menunjukkan apakah model tersebut dense atau sparse.

Poin terakhir itu bukan celah kecil. 27B dense dan sparse adalah produk yang berbeda dengan ekonomi penyajian yang berbeda, perilaku fine-tuning yang berbeda, dan mode kegagalan yang berbeda. Sampai file konfigurasi tersedia, perbandingan Granite memiliki satu sisi yang terdefinisi sepenuhnya dan satu sisi yang kosong.

Perbandingannya, dimensi demi dimensi

• Parameter — Granite 4.2 30B adalah 30B dense (29B tercantum dalam BF16); LBS-27B adalah 27B yang belum terverifikasi tanpa arsitektur yang diungkapkan.

• Lapisan dan lebar — 64 lapisan dengan ukuran tersembunyi 4.096 untuk Granite; tidak diketahui untuk LBS.

• Konteks — 131.072 native dan ekstensi 512K yang terdokumentasi untuk Granite; tidak diketahui untuk LBS.

• Modalitas — hanya teks untuk Granite; tidak diketahui untuk LBS, dengan hanya teks sebagai kasus dasar yang wajar.

• Bahasa — dua belas bahasa yang diuji untuk Granite; tidak diketahui untuk LBS.

• Mode penalaran — penuh, non-thinking, dan low-effort untuk Granite; tidak diketahui untuk LBS.

• Pemanggilan alat — jalur pemanggilan fungsi yang terdokumentasi dengan BFCL v4 61,39 dan tau3 62,00 untuk Granite; tidak ada yang dipublikasikan untuk LBS.

• Lisensi — Apache-2.0 untuk Granite; Apache-2.0 dideklarasikan untuk LBS, dapat diubah sebelum weights dikirim.

• Ketersediaan — Bobot Granite dapat diunduh dan dihosting sendiri saat ini; LBS tidak memiliki apa pun untuk diunduh.

Panjang konteks adalah aspek di mana keduanya bisa paling berbeda

Jendela native 128K Granite dengan ekstensi 512K adalah fitur enterprise yang disengaja, dan skor RULER menunjukkan bahwa ini bukan sekadar pemasaran: 81.38 pada 128K adalah hasil yang dapat digunakan. Untuk tinjauan kontrak, analisis log, pengambilan basis kode, dan jejak audit panjang, kombinasi itu — jalur ekstensi yang terdokumentasi plus bukti pengambilan di dekat bagian atas jendela — lebih bernilai daripada angka yang lebih besar tanpa bukti di baliknya.

Jika LBS-27B dirilis dengan jendela 256K atau 512K, pertanyaan menariknya bukanlah angka itu. Pertanyaannya adalah apakah inclusionAI menerbitkan evaluasi retrieval di ujung terjauhnya. Jendela adalah klaim kapasitas; hasil bergaya RULER adalah klaim kemampuan, dan keduanya sangat berbeda dalam praktik.

Penerapan, lisensi, dan posisi router

Kedua model mendeklarasikan Apache-2.0, yang merupakan hasil paling permisif untuk penggunaan komersial dan alasan Granite populer di kalangan tim yang tidak dapat menerima lisensi khusus. Granite 4.2 30B tidak tersedia di OrcaRouter, dan LBS-27B juga tidak; jika Anda menginginkan Granite, unduh dan jalankan sendiri, atau gunakan platform hosting.

Deployment yang di-host sendiri itu justru merupakan tempat arsitektur hibrida masuk akal. Jalankan Granite di perangkat keras Anda sendiri untuk volume rutin — lalu lintas klasifikasi, ekstraksi, dan pemanggilan alat yang mana model dense 30B sudah lebih dari cukup — dan rutekan kasus-kasus yang benar-benar sulit ke model frontier yang di-host. OrcaRouter berguna untuk bagian kedua itu: satu kunci API untuk lebih dari 200 model, failover otomatis jika penyedia mengalami penurunan kualitas, dan DSL perutean yang memungkinkan Anda menyatakan pembagian tersebut sebagai kebijakan alih-alih sebagai kode di tiga layanan. Kami meneruskan harga daftar penyedia tanpa markup 0%, jadi sisi hosted dari tagihan adalah angka penyedia, bukan angka kami dengan margin di atasnya.

Yang tidak akan kami klaim adalah bahwa salah satu model dalam perbandingan ini tersedia melalui kami. Tidak demikian, dan halaman perbandingan yang menyiratkan sebaliknya lebih buruk daripada tidak berguna.

Apa yang akan menyelesaikan perbandingan ini

Tiga artefak akan mengubah halaman ini dari sekadar latihan spesifikasi menjadi adu nyata yang sesungguhnya.

Yang pertama adalah config.json dengan bidang-bidang pakar, yang menetapkan dense versus sparse dan memberikan jumlah parameter aktif. Jika LBS-27B bersifat sparse dengan jumlah aktif yang kecil, ia akan menekan Granite dalam hal biaya penyajian dan perbandingan menjadi pertukaran harga-dan-kualitas. Jika bersifat dense, ini menjadi pertanyaan substitusi langsung dan kematangan perkakas IBM menjadi penentu.

Yang kedua adalah evaluasi pemanggilan alat pada versi harness yang disebutkan. Angka BFCL v4 dan tau3 milik Granite tidak spektakuler, yang berarti model baru tidak perlu spektakuler untuk mengalahkannya — model itu perlu diukur pada harness yang sama.

Yang ketiga adalah bukti retrieval konteks panjang pada 128K atau lebih. Angka RULER Granite merupakan klaim terkuatnya atas relevansi bagi perusahaan, dan itulah angka yang seharusnya diminta untuk ditandingi oleh para penantang.

Bagi pembeli enterprise yang memutuskan hari ini, Granite 4.2 30B adalah model yang sudah dikenal dengan lisensi permisif, tumpukan alat yang terdokumentasi, dan profil serving dense yang disukai banyak tim infrastruktur. LBS-27B hanyalah sebuah nama dengan baris lisensi. Kesenjangan di antara keduanya bukanlah penilaian atas rekayasa inclusionAI. Itu semata-mata perbedaan antara model yang telah dipublikasikan dan model yang masih ditahan.