SubQ Snap 1.1 vs Granite 4.2 3B: Harga per Token Bukan Tolok Ukur yang Tepat

IBM Granite 4.2 3Bdipatok pada $0,03 per juta token masukan. SubQ Snap 1.1dipatok pada $0,04. Jika tarif per token adalah tagihannya, model Apache-2.0 berparameter 3 miliar itu akan mengungguli model keputusan yang berbagi posisi pertama di Artificial Analysis Decision Index v1.0, dan artikel ini akan menjadi singkat. Tarif bukanlah tagihan. Begitu Anda mematok harga untuk sebuah keputusan alih-alih untuk token — termasuk apa yang harus dikeluarkan masing-masing model untuk menghasilkan satu keputusan — peringkatnya terbalik, terbalik lagi bergantung pada satu pengaturan konfigurasi, dan berakhir di tempat yang tidak diiklankan oleh kedua vendor.

Granite 4.2 3B adalah model penalaran dense kecil milik IBM, dirilis pada 25 Agustus 2026 bersama saudara-saudaranya 8B dan 30B dengan sangat sedikit kemeriahan — sebuah posting blog teknis, bukan acara peluncuran. Snap 1.1 adalah model keputusan Subquadratic, aktif sejak 22 Oktober 2026, yang mengembalikan pilihan dari kumpulan jawaban tetap alih-alih menghasilkan teks. Keduanya tumpang tindih pada tepat satu beban kerja: mengambil sepotong teks dan memutuskan apa itu. Segala hal lain tentang keduanya berbeda, termasuk apa yang dimaksud dengan "murah".

Pertama, apa sebenarnya kedua model itu

Granite 4.2 3B adalah decoder dense dengan tiga miliar parameter yang dibangun di atas Granite-4.1-3B-Base. Ini adalah model penalaran dengan tiga mode: mode berpikir yang mengeluarkan rantai pemikiran, mode upaya rendah, dan mode non-berpikir yang menjawab secara langsung. IBM melaporkan AIME 2025 sebesar 78.33, GPQA sebesar 54.80, LiveCodeBench v6 sebesar 69.71, MMLU-Pro sebesar 67.84, IFBench sebesar 74.3, dan τ³-Bench sebesar 45.8 — semuanya angka dari vendor, tidak satu pun direproduksi secara independen. Pada konteks panjang, ia melaporkan RULER sebesar 67.52 pada 64K dan 55.30 pada 128K. Artificial Analysis menempatkan Intelligence Index-nya pada 9, yang tidak mencolok secara absolut dan di atas median untuk kelas ukurannya.

Bagian perangkat kerasnya adalah bagian yang menarik. Model ini berjalan dalam enam hingga delapan gigabyte pada bf16 dan di bawah dua gigabyte saat terkuantisasi, yang berarti laptop, satu GPU konsumen, atau CPU dengan RAM yang cukup. Model ini hanya untuk teks, mencakup dua belas bahasa, mendukung tool calling yang kompatibel dengan OpenAI, dan tersedia dalam vLLM, SGLang, Transformers, GGUF, llama.cpp, MLX, serta Ollama. Jika batasan Anda adalah "harus berjalan di tempat yang saya kendalikan", model ini memenuhinya.

SubQ Snap 1.1 adalah jenis produk yang berlawanan dalam hampir semua dimensi. Produk ini tidak memiliki bobot. Produk ini hanya berjalan melalui API Subquadratic. Produk ini menerima hingga 384K token teks dan gambar ditambah kumpulan jawaban berisi dua hingga 255 alternatif, dan mengembalikan pilihan dengan probabilitas yang terkalibrasi. Produk ini tidak dapat menulis satu kalimat pun, dan itulah intinya: tidak ada output yang perlu diurai dan tidak ada output yang perlu dibayar.

Jebakan token keluaran

Berikut adalah aritmetika yang disembunyikan oleh perbandingan per token. Ambil satu juta keputusan perutean, masing-masing membaca 6.000 token teks tiket — volume bulanan yang masuk akal untuk operasi dukungan ukuran menengah, atau sore yang sibuk bagi operasi besar. Itu berarti enam miliar token masukan.

• Granite 4.2 3B dalam mode non-thinking — 6B token masukan dengan tarif $0.03/juta adalah $180, ditambah sekitar lima token keluaran per keputusan, atau 5M token keluaran dengan tarif $0.12/juta, sebesar $0.60. Total: sekitar $180.60.

• Granite 4.2 3B dalam mode berpikir — input 6B dengan $180, ditambah mungkin 800 token penalaran per keputusan, atau 800M token keluaran dengan $0,12/M, menjadi $96. Total: sekitar $276.

• SubQ Snap 1.1 — 6B token masukan dengan $0,04/M adalah $240, dan tidak ada baris keluaran sama sekali.

Jadi jawaban jujurnya adalah tiga jawaban berbeda. Jika dikonfigurasi untuk menjawab langsung, Granite 25% lebih murah daripada Snap dan artikelnya benar-benar akan berakhir di situ. Jika dikonfigurasi untuk berpikir, Granite 15% lebih mahal daripada Snap, karena token penalaran adalah hal paling mahal dalam pipeline dan tidak ada yang menganggarkan untuk itu. Keunggulan Snap tidak pernah terletak pada tarif inputnya — yang 33% lebih tinggi daripada Granite — melainkan pada fakta bahwa arsitekturnya tidak punya cara untuk menghabiskan token untuk pertimbangan.

Itu bukan risiko teoretis. Profil independen Artificial Analysis untuk Granite 4.2 3B menyebut model itu "sangat bertele-tele" dan mencatat bahwa model tersebut menghasilkan 92 juta token keluaran saat dievaluasi pada Intelligence Index, dibandingkan median 67 juta untuk model sebanding. Sifat bertele-tele ini adalah properti terukur dari model dalam mode penalaran, dan properti itulah yang menentukan apakah keunggulan harga per token bertahan saat dihadapkan pada beban kerja perutean.

Itu juga menjelaskan angka yang sekilas tampak salah. Artificial Analysis menempatkan Snap 1.1 pada sekitar $30 per juta tugas, dibandingkan $8,4 untuk Elephant 9B. Tiga puluh dolar per juta tugas menyiratkan rata-rata tugas yang sangat pendek, dalam kisaran beberapa ribu token. Campuran benchmark Decision Index memang pendek. Tiket, kontrak, dan log Anda tidak demikian, dan dari titik itu biaya meningkat secara linear seiring panjang input. Anggap angka per tugas sebagai properti benchmark, bukan penawaran harga.

Di mana 3B benar-benar unggul

Token yang lebih murah hanyalah perkara paling kecil. Granite 4.2 3B dapat dihosting sendiri di bawah Apache 2.0, yang berarti tidak ada biaya per panggilan sama sekali setelah perangkat kerasnya dibayar, tidak ada data yang keluar dari jaringan Anda, tidak ada batas laju, dan tidak ada vendor yang dapat mengubah harga atau model di bawah Anda. Bagi alur kerja yang terikat kepatuhan, ini bukan preferensi, melainkan keharusan, dan Snap 1.1 sama sekali tidak dapat memasuki ranah itu.

Ia juga melakukan lebih banyak hal. Ia menulis ringkasan setelah keputusan perutean. Ia menangani panggilan alat dengan skema. Ia mendukung ekstensi konteks opt-in hingga 512K, yang ditambahkan pada fase pra-pelatihan kelima, yang di atas kertas lebih panjang daripada 384K milik Snap — meskipun skor RULER-nya turun dari 67.52 pada 64K menjadi 55.30 pada 128K menjadi peringatan yang pantas tentang seberapa banyak jendela tersebut yang dapat digunakan. Dan ia cukup kecil untuk dijalankan di edge, dalam container di samping aplikasi Anda, tanpa hop jaringan antara keputusan dan tindakan.

Di mana Snap 1.1 benar-benar unggul

Tiga hal yang secara desain tidak dikuasai oleh model generatif 3B.

Kalibrasi adalah yang pertama. Snap 1.1 melaporkan expected calibration error sebesar 0,014, turun dari 0,108 pada pratinjau, dan tingkat abstensi 86% pada pertanyaan yang tidak dapat dijawabnya — dibandingkan dengan skor nonhalusinasi 0,7% untuk rilis 1.0 miliknya sendiri pada proksi vendor. Itu adalah angka vendor dan harus dibaca sebagaimana adanya, tetapi angka-angka itu menggambarkan model yang dilatih dengan abstensi sebagai tujuan eksplisit. Model penalaran 3B tidak memiliki target semacam itu. Tanyakan apakah sebuah tiket dapat dijawab dan model akan menghasilkan kalimat yang masuk akal bagaimanapun juga.

Perilaku sekali-jalan untuk konteks panjang adalah poin kedua. Snap memproses 384K token dalam satu forward pass dengan komputasi konstan per token, yang menjadi seluruh pembenaran untuk Subquadratic Sparse Attention. Penurunan RULER pada Granite adalah perilaku normal model dense pada sepuluh kali panjang nyamannya. Jika keputusan Anda bergantung pada sesuatu yang terkubur di posisi 200.000 dalam bundel log, perbedaan arsitektural bukanlah hal akademis.

Determinisme bentuk keluaran adalah yang ketiga, dan itu diremehkan. Snap mengembalikan angka atas daftar opsi Anda. Granite mengembalikan teks yang kemudian Anda urai, dan setiap parser adalah tempat di mana jawaban yang cacat menjadi gangguan layanan. Decoding terbatas menutup sebagian besar celah itu, yang perlu dikatakan — itu bukan keunggulan fundamental, melainkan perbedaan dalam seberapa banyak scaffolding yang Anda tulis.

Pertanyaan konfigurasi yang tak pernah ditanyakan siapa pun

Jika Anda menjalankan Granite 4.2 3B sebagai router, perubahan paling berharga yang bisa Anda lakukan adalah mematikan thinking. IBM menyediakan mode itu justru untuk alasan ini, dan perhitungan di atas menunjukkan mengapa: model reasoning yang diminta memilih salah satu dari lima label akan sering menghabiskan delapan ratus token untuk membenarkan keputusan yang justru didapat dengan benar oleh proses non-thinking. Benchmark kedua mode itu pada data Anda sendiri sebelum menganggap mode thinking lebih baik. Pada tugas dengan kumpulan jawaban tetap, sering kali mode thinking bukan yang lebih baik.

Tuas setara Snap adalah kebalikannya: Anda memberinya lebih sedikit opsi yang lebih tajam. API-nya membatasi pertanyaan pada enam belas dan alternatif pada 255 per pertanyaan, dan akurasinya pada Decision Index adalah 20% — lebih rendah daripada 32% milik d1-ultra — dengan skor indeks ditopang oleh abstensi. Persempit kumpulan jawaban dan masalah akurasi menyusut; berikan penilaian terbuka kepadanya dan ia akan menolak, dengan benar, dan sering.

Apa yang sebenarnya akan saya bangun

Untuk pipeline dukungan atau dokumen pada volume yang signifikan, desain termurah yang dapat dipertanggungjawabkan adalah desain dua tahap. Granite 4.2 3B berjalan dalam mode non-thinking sebagai klasifikator tahap pertama pada mayoritas yang mudah — tiket yang jelas meminta pengembalian dana, jelas mengalami gangguan, jelas spam — di mana model 3B akurat dan tidak memakan biaya tambahan. Snap 1.1 menangani sisanya: utas panjang, kasus ambigu, kasus yang jawaban tepatnya mungkin adalah "eskalasi" dan tebakan yang percaya diri lebih buruk daripada penolakan. Anda hanya membayar $0.04 per juta token pada bagian yang membutuhkannya, dan Anda mendapatkan probabilitas terkalibrasi tepat pada keputusan yang kalibrasinya penting.

Tidak ada vendor yang menjual desain itu, karena masing-masing ingin menjadi seluruh lapisan. Granite 4.2 3B tidak ada di katalog OrcaRouter — lisensinya Apache 2.0, jadi self-hosting adalah jalur normal, dan model ini juga disediakan oleh sejumlah penyedia inferensi. Snap 1.1 juga bukan milik kami; model ini berjalan melalui API Subquadratic sendiri. Yang disumbangkan OrcaRouter untuk desain seperti ini adalah tier generasi di belakangnya: 200+ model di balik satu kunci, harga daftar penyedia diteruskan dengan markup 0%, dan failover otomatis, sehingga model yang menulis ringkasan eskalasi bukan ketergantungan yang sama dengan model yang memutuskan untuk melakukan eskalasi.

Yang perlu diperhatikan adalah apakah kalibrasi Snap 1.1 tetap berlaku ketika orang lain menjalankannya. Akurasi 20%-nya adalah angka paling lemah dalam materi peluncurannya sendiri, dan itulah yang menentukan apakah desain dua tahap di atas lebih murah daripada yang terlihat — semakin sering Snap abstain, semakin banyak pekerjaan yang beralih kembali ke tahap yang harus benar-benar menjawab.