Xing 4.0 29B-A4B vs Granite 4.2 30B: Dense Membaca Segalanya, Sparse Membaca Sepersembilan

Berikut adalah keseluruhan argumen arsitekturalnya dalam satu kalimat. Granite 4.2 30B, model penalaran dense milik IBM yang diterbitkan di bawah Apache 2.0 pada 25 Agustus 2026, membaca seluruh tiga puluh miliar parameternya untuk menghasilkan setiap token. Xing 4.0 29B-A4B, model sparse mixture-of-experts milik China Telecom yang bobotnya dirilis pada 16 September 2026 dan mulai dapat dipanggil pada pertengahan Oktober, membaca sekitar empat miliar dari dua puluh sembilan miliar parameternya. Keduanya berlisensi Apache-2.0, keduanya berada di kelas bobot yang sama, keduanya menyasar pekerjaan agentic, dan keduanya membutuhkan biaya operasional yang sangat berbeda: Granite mengonsumsi komputasi pada setiap token, Xing mengonsumsi memori untuk menyimpan para expert yang tidak Anda gunakan pada token ini plus serving stack yang tahu cara merutekan di sekitarnya. Semua uraian di bawah ini mengikuti dari hal tersebut.

Apa sebenarnya masing-masing artefak itu

Ada baiknya memisahkan mereka dari label yang mereka bagi. "30B" memberi tahu Anda ukuran sebuah file, bukan bentuk sebuah beban kerja.

• Granite 4.2 30B — Andalan IBM di keluarga Granite 4.2, dibangun di atas Granite-4.1-30B-Base. Transformer penalaran padat yang hanya menggunakan dekoder, 30 miliar parameter (repositori mencantumkan 29 miliar dalam tensor BF16), atensi grouped-query dengan 32 kepala atensi terhadap 8 kepala key-value, RoPE pada θ = 10.000.000, SwiGLU MLP dengan ukuran tersembunyi 32.768, embedding masukan dan keluaran yang tidak diikat, RMSNorm pada ε = 1e-5. Dua belas bahasa yang diuji. Apache 2.0.

• Xing 4.0 29B-A4B — Penerus lini TeleChat dari TeleAI. 40 lapisan, ukuran tersembunyi 3.584, intermediate FFN padat 9.216 dibandingkan dengan intermediate pakar 1.024, 64 pakar routed dengan 4 aktif per token ditambah satu pakar bersama yang selalu aktif, atensi key-value terkompresi MLA alih-alih GQA, dan decoding spekulatif MTP yang dilatih ke dalam checkpoint. Secara efektif, satu bahasa yang diuji di kartu. Apache 2.0.

• Konteks — G​ranite 4.2 30B mendukung 128K secara native dengan ekstensi konteks panjang yang terdokumentasi hingga 512K dan panjang urutan konfigurasi 131.072. Xing 4.0 membawa 256K secara native, diklaim dapat diperluas hingga 512K. Jendela default Xing dua kali lebih lebar; jalur ekstensi G​ranite lebih terdokumentasi di antara keduanya.

• Format yang diterbitkanG​ranite 4.2 30B hadir dalam BF16 plus kuantisasi FP8, MXFP4, dan NVFP4, dengan build GGUF dari I​BM dan dari komunitas. Xing 4.0 hadir dalam safetensors BF16 plus FP8, w8a8, dan GGUF. Keduanya luar biasa lengkap di sini, dan keduanya menjadi keunggulan nyata dibandingkan banyak rilis terbuka yang hanya menerbitkan satu shard bfloat16 dan menyerahkan kuantisasi kepada para sukarelawan.

• Ketersediaan — G​ranite 4.2 30B tidak memiliki endpoint dengan harga per token di katalog kami; Anda menjalankannya sendiri, atau Anda mengaksesnya melalui platform milik I​BM sendiri dan platform penyajian pihak ketiga lainnya. Xing 4.0 memperoleh endpoint komersial terukur pada pertengahan Oktober dengan tier promosi gratis, dan juga tidak ada di katalog kami.

Pertukaran antara memori dan komputasi, dinyatakan dengan jujur

Sparsity bukanlah diskon pada keseluruhan mesin; ia adalah diskon pada satu sumbu dan biaya tambahan pada sumbu lainnya. G​ranite 4.2 30B membutuhkan kira-kira memori sebesar model padat 30B dalam bfloat16 dan berkomputasi di seluruhnya per token, sehingga throughput per unit perangkat kerasnya dapat diprediksi dan perilakunya saat batching bersifat lugas. Xing 4.0 perlu menahan seluruh 29B tetap residen — setiap expert berada di memori apakah token ini menyentuhnya atau tidak — tetapi hanya memindahkan bobot senilai 4B per token melalui aritmetika, yang menjadi alasan kuantisasi 4-bit-nya diklaim dapat muat dalam sekitar 15GB VRAM dan mengapa throughput agregatnya pada konkurensi tinggi memiliki bentuk yang sama sekali berbeda.

Klaim itu layak diperiksa sebelum Anda membeli kartu grafis berdasarkan klaim tersebut: repositori melaporkan 31B pada tensor presisi penuh, dan build 4-bit dari model total 29B yang hanya 15GB menyiratkan kuantisasi agresif pada bobot expert. Lihat ukuran file GGUF yang sebenarnya, bukan deskripsi promosi koleksinya.

Perbedaan kedua yang lebih senyap adalah kematangan jalur penyajian. G​ranite 4.2 30B adalah transformer dense standar, yang berarti setiap stack inferensi mendukungnya kurang lebih secara bawaan. Xing 4.0 memerlukan kernel khusus untuk aliran residual hyper-connection yang dibatasi manifold dan attention MLA-nya — SGLang membawa kernel split-K khusus untuk tata letak empat aliran, vLLM memiliki arsitekturnya, dan itulah keadaannya. Desain attention-plus-residual yang dibuat khusus adalah harga dari arsitektur ini, dan itu bukan biaya sekali bayar jika Anda berencana melakukan fine-tuning, kuantisasi, atau menjalankan bentuk batch yang tidak biasa.

Di mana angka-angka yang dipublikasikan sebenarnya berbeda

Kedua vendor menerbitkan tabelnya masing-masing, keduanya konsisten secara internal, dan tidak satu pun telah direproduksi secara independen oleh pihak ketiga pada harness yang identik. Bandingkan keduanya sebagai klaim, bukan sebagai hasil pengukuran.

• SWE-bench Verified — Xing 4.0 75,00 vs Granite 4.2 30B 57.

• SWE-bench Multilingual — Xing 4.0 66.00 vs G​ranite 4.2 30B 41.89.

• Terminal-Bench 2.1 — Xing 4.0 57.50 vs Granite 4.2 30B 29.24.

• Penggunaan alat agentik — Xing 4.0 Claw-Eval 76.55 dan Tau3-Bench 64.63; G​ranite 4.2 30B τ³-bench 62.00 dan BFCL v4 61.39.

• Kepatuhan terhadap instruksi — Xing 4.0 IFBench 69.67 vs Granite 4.2 30B IFBench 77.17.

• Matematika dan penalaran umum — G​ranite 4.2 30B AIME25 89.17, HMMT Feb25 89.17, GPQA 66.41, MMLU-Pro 77.60, LiveCodeBench v6 75.77. Kartu Xing 4.0 tidak melaporkan satu pun dari ini, jadi kolomnya menjadi kosong alih-alih berubah menjadi kemenangan.

• Konteks panjang — Granite 4.2 30B menerbitkan RULER pada 64K (89,96) dan 128K (81,38). Xing 4.0 menerbitkan AA.LCR pada 61,00 dan tidak ada yang lain di keluarga konteks panjang. Granite menang di satu-satunya baris di mana kedua angka tersedia, dan ini kemenangan yang berarti: RULER pada 128K adalah ujian yang jauh lebih sulit daripada skor rata-rata retrieval.

Bacalah bentuknya, bukan totalnya. G​ranite terbaca sebagai generalis yang luas dan terukur dengan baik, dengan tabel evaluasi yang luar biasa jujur — 20 baris mencakup coding, matematika, penggunaan alat, tugas dokumen, dan konteks panjang, semuanya dengan harness yang dinyatakan sebagai kerangka NeMo Evaluator SDK. Xing 4.0 terbaca sebagai spesialis yang sempit: margin sangat besar pada benchmark rekayasa perangkat lunak dan agen terminal, kekalahan pada pengikutan instruksi, dan diam di semua tempat lain. Model tanpa angka GPQA tidak serta-merta buruk dalam GPQA. Itu adalah model yang vendornya memilih untuk menerbitkan sembilan baris.

Dua asimetri yang jujur

Granite 4.2 30B telah tersedia untuk publik selama tujuh minggu dan menanggung pengawasan yang menyertainya, termasuk kuantisasi independen, tulisan pihak ketiga yang mendetail, dan nilai perbandingan terbitan IBM sendiri untuk saudaranya 8B dan 3B di setiap baris tabel. Xing 4.0 telah tersedia untuk publik selama sebulan, memiliki 53.000 unduhan repositori, tidak memiliki evaluasi independen, dan membandingkan dirinya dengan pengujian ulang model pesaing yang dilakukan vendor di harness miliknya sendiri. Perbandingan sebelumnya dalam seri ini sudah membahas bagaimana tabel perbandingan itu memperlakukan Gemma 4; poin strukturalnya berlaku untuk kolom mana pun di dalamnya.

Asimetri ini berjalan ke arah sebaliknya pada satu sumbu. G​ranite 4.2 30B adalah model penalaran dengan profil komputasi padat, yang berarti model ini lambat per token secara inheren karena desainnya dan tidak dapat diakali melalui perutean. Seluruh argumen Xing 4.0 adalah bahwa Anda mendapatkan jejak memori model 29B dengan aritmetika model 4B. Jika argumen itu berlaku pada beban kerja nyata, itu adalah penawaran yang benar-benar lebih baik untuk lalu lintas agen bervolume tinggi — dan justru argumen itulah yang tidak dapat diselesaikan oleh baris SWE-bench milik vendor sendiri.

Berapa biayanya, dan di mana router berperan

Kedua model tersebut tidak ada dalam katalog OrcaRouter, jadi kami bukan rute menuju salah satunya, dan tulisan ini tidak akan menyarankan sebaliknya. Hitungan yang relevan tetap layak dilakukan. G​ranite 4.2 30B memerlukan sebuah kartu dan tidak ada biaya lain, selamanya, dengan catatan bahwa komputasi padatnya berarti kartu yang Anda butuhkan adalah kartu yang lebih besar. Xing 4.0 memerlukan GPU dan akhir pekan integrasi serving di muka, atau evaluasi tier gratis terukur sekarang juga — dan tier gratis adalah cara termurah untuk mengetahui apakah klaim agentik bertahan di repositori Anda sendiri alih-alih pada harness terminus-2 yang dijalankan oleh penulis model.

Tempat di mana router membuktikan nilainya dengan dua model yang tidak kami hosting adalah di perimeter. Anda tidak mengganti model yang sudah dikenal oleh jalur produksi Anda; Anda menjalankan penantang di sampingnya pada irisan trafik, di bawah aturan yang ditetapkan, dengan failover otomatis sehingga jawaban buruk atau hambatan upstream tidak pernah mencapai pengguna. OrcaRouter adalah satu API di depan 200+ model yang dihosting dengan markup 0% — harga daftar penyedia diteruskan tanpa tambahan apa pun — dan DSL perutean adalah cara irisan didefinisikan. Ketika evaluasi berakhir, aturan berubah dan incumbent mengambil kembali trafiknya.

Jika anggaran evaluasi Anda hanya untuk satu model, pilih G​ranite 4.2 30B ketika pekerjaannya luas — penalaran dokumen panjang, generasi multibahasa, pipeline yang berat pada pengikutan instruksi, apa pun ketika Anda menginginkan angka terpublikasi untuk tugas yang benar-benar Anda jalankan. Pilih Xing 4.0 29B-A4B ketika pekerjaannya sempit dan agentik, Anda dapat mengukurnya sendiri, dan argumen throughput per kartu adalah hal yang Anda beli. Satu pilihan yang jelas salah adalah memilih Xing 4.0 hanya berdasarkan 75-versus-57: kedua angka itu dihasilkan oleh laboratorium yang berbeda pada harness yang berbeda, dan satu-satunya hal yang secara andal mereka tetapkan adalah vendor mana yang menerbitkan baris SWE-bench.

Apa yang bisa menyelesaikannya

Suatu evaluasi independen terhadap Xing 4.0 pada harness yang sama yang digunakan untuk mengukur G​ranite, dengan scaffolding yang sama, akan meruntuhkan sebagian besar ketidakpastian dalam tulisan ini dalam pekerjaan satu sore oleh seseorang yang memiliki GPU cadangan. Sampai itu ada, model padat adalah model yang angkanya bisa Anda jadikan dasar tindakan dan model jarang adalah model yang angkanya harus Anda periksa. Kedua pernyataan itu akan sama-sama usang begitu pernyataan kedua tidak lagi benar.

Tidak ada satu pun dari itu yang hipotetis: kegagalan AI dan insiden agen yang terdokumentasi di balik rilis seperti ini dikumpulkan dalam OrcaRouter AI Incident Archive, di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, peringkat keyakinan, dan penanda status diperdebatkan.