LBS-27B vs Granite 4.2 30B: Dense per design contro una specifica che non esiste

IBM ha fatto una scelta deliberata con Granite 4.2 30B: ha mantenuto il modello denso. Sessantaquattro livelli, un blocco feed-forward largo 32.768, ogni parametro letto per ogni token. In un anno in cui la maggior parte dei laboratori di queste dimensioni si è rivolta al routing mixture-of-experts, IBM ha lanciato un 30B straight-through e ne ha fissato il prezzo di conseguenza. Quella decisione è la lente giusta per confrontarlo con LBS-27B, perché l'unica cosa che sappiamo del nuovo repository di inclusionAI è un nome e una licenza — e la prima domanda a cui quel nome deve rispondere è se descrive un modello denso o uno sparso.

Granite 4.2 30B ha un registro pubblico completo: pesi disponibili da agosto 2026, una licenza Apache-2.0, una scheda del modello con diciannove righe di benchmark e uno stack documentato per il tool-calling. LBS-27B ha un repository creato il 26 ottobre 2026 contenente un file .gitattributes e un README di 28 byte che dichiara Apache-2.0 e non dice nient'altro. Questo non è un confronto tra due modelli. È un confronto tra un modello e una specifica che non è ancora stata scritta, e l'output utile è un elenco delle cose specifiche che quella specifica dovrebbe contenere.

Cosa ha effettivamente rilasciato IBM

Granite 4.2 30B è un decoder denso con 30 miliardi di parametri — Hugging Face ne indica 29B in BF16 — su 64 strati, una dimensione nascosta di 4.096, 32 teste di attenzione e 8 teste chiave-valore nell'attenzione con query raggruppate. Il vocabolario è di 100.352 token, il contesto nativo è 131.072 e IBM documenta un'estensione del contesto lungo fino a 512K. È solo testo. La scheda elenca dodici lingue testate: inglese, tedesco, spagnolo, francese, giapponese, portoghese, arabo, ceco, italiano, coreano, olandese e cinese.

È un modello di ragionamento nel senso comune del 2026. La scheda descrive le modalità full-thinking, non-thinking e a basso sforzo, con il ragionamento racchiuso nei tag think. È stato fine-tuned da Granite 4.1 30B Base, rilasciato con licenza Apache-2.0, e IBM data il rilascio al 25 agosto 2026.

Dense non è una carenza tecnica. È un compromesso. Un modello denso ha un comportamento prevedibile in termini di calcolo e memoria per token, nessun router che possa instradare male un token, nessuno sharding expert-parallel da progettare e un percorso di fine-tuning che si comporta come si aspettano la maggior parte dei team. In cambio, costa di più servire per token rispetto a un modello sparso della stessa dimensione totale. IBM sta vendendo questo compromesso alle aziende che preferirebbero un deployment noioso a uno economico.

Un profilo benchmark con una forma

La scheda di Granite è insolitamente completa, il che rende possibile vedere dove il modello è forte e dove non lo è. Tutti questi dati sono dichiarati dal fornitore e non sono stati riprodotti in modo indipendente.

• Matematica — AIME25 89,17 e HMMT febbraio 2025 89,17. Sono i numeri più notevoli della scheda e si collocano ben al di sopra di ciò che faceva un modello da 30B un anno fa.

• Conoscenza e scienza — GPQA 66.41, MMLU-Pro 77.60, MMLU-ProX lite 66.64, SciCode 38.76. Competente, non ai vertici della categoria. Il divario tra un punteggio AIME vicino a 90 e un punteggio GPQA intorno a 65 è la forma di questo modello: è più bravo a risolvere un problema strutturato che a ricordare o ragionare su una vasta conoscenza di dominio.

• Ingegneria del software — SWE-Bench Verified 57, SWE-Bench Pro 33,29, SWE-Bench Multilingual 41,89, Terminal-Bench 2.1 29,24, LiveCodeBench v6 75,77. Il calo da LiveCodeBench a Terminal-Bench è ampio, e conta: la capacità di programmazione competitiva non equivale a completare un compito multi-step in un terminale reale.

• Contesto lungo — RULER 64K 89,96 e RULER 128K 81,38. È la coppia più rassicurante della scheda, perché misura il recupero sull'intera finestra invece di dare per scontato che un contesto ampio sia utilizzabile. Un calo di sette punti da 64K a 128K è una pendenza lieve.

• Seguire le istruzioni e chat — IFBench 77,17, Arena-Hard-V2 67,93, tau3 con media 62,00, BFCL v4 61,39.

La lettura onesta è che Granite 4.2 30B è un modello solido e disomogeneo: eccellente nella matematica da concorso e nel recupero su contesti lunghi, ordinario nella conoscenza ampia e nella media nel lavoro software agentico. È un prodotto specifico, non generico.

Il tool calling è la tesi che IBM sta sostenendo

La frase che IBM usa è "reasoning-augmented tool calling": il modello ragiona su quale strumento invocare e perché prima di invocarlo. I dettagli implementativi sono pratici più che esotici: definizioni di funzioni in stile OpenAI, un parser di strumenti vLLM chiamato qwen3_coder, la risoluzione automatica di SGLang verso lo stesso parser e integrazioni con OpenCode, Pi e OpenHands.

Che sia meglio delle alternative è una questione empirica, e i numeri della card stessa sono misti. BFCL v4 a 61,39 e tau3 a 62,00 sono rispettabili ma non dominanti; i modelli che guidano quelle classifiche sono generalmente più grandi. Ciò che Granite offre è un percorso di tool-calling documentato e riproducibile con licenza permissiva e un profilo di serving dense — che è spesso ciò di cui un progetto di agent enterprise ha effettivamente bisogno, più di una corona in classifica.

Questa è l'area in cui LBS-27B sarà valutato per primo se è rivolto allo stesso acquirente. Un modello che non è in grado di chiamare gli strumenti in modo affidabile non è un candidato per il lavoro agentico, indipendentemente dal suo punteggio MMLU, e le valutazioni sul tool-calling sono esattamente il tipo di cosa che non compare in un repository finché il modello non è completo.

Il lato LBS-27B della pagina

C'è molto poco da dire, ed è importante dirlo con precisione anziché riempire lo spazio con inferenze.

• Il repository esiste. È stato creato alle 05:36 UTC del 26 ottobre 2026 e non è stato modificato da allora.

• Contiene due file: un .gitattributes da 1.519 byte e un README da 28 byte. Il README contiene solo frontmatter di licenza: license: apache-2.0.

• Non ci sono pesi, né configurazione, né tokenizer, né model card e né dati di valutazione. I download non sono tracciati e i like sono zero. Non abbiamo trovato alcun annuncio, paper o discussione pubblica.

• "27B" fa parte del nome del repository. Nulla nel repository lo conferma come numero di parametri, e nulla indica se il modello sia denso o sparso.

Quest'ultimo punto non è una lacuna da poco. I 27B dense e sparse sono prodotti diversi, con economie di erogazione diverse, comportamenti di fine-tuning diversi e modalità di guasto diverse. Finché non esiste un file di configurazione, il confronto Granite ha un lato completamente specificato e uno vuoto.

Il confronto, dimensione per dimensione

• Parametri — Granite 4.2 30B è un modello dense da 30B (29B indicati in BF16); LBS-27B è un 27B non verificato, con architettura non divulgata.

• Livelli e larghezza — 64 livelli con una dimensione nascosta di 4.096 per Granite; sconosciuta per LBS.

• Contesto — 131.072 nativi e un'estensione documentata a 512K per Granite; sconosciuto per LBS.

• Modalità — solo testo per Granite; sconosciuta per LBS, con il solo testo come caso base ragionevole.

• Lingue — dodici lingue testate per Granite; non note per LBS.

• Modalità di ragionamento — complete, senza pensiero e a basso sforzo per Granite; sconosciute per LBS.

• Chiamata degli strumenti — percorso documentato di chiamata di funzioni con BFCL v4 61.39 e tau3 62.00 per Granite; nulla di pubblicato per LBS.

• Licenza — Apache-2.0 per Granite; Apache-2.0 dichiarata per LBS, modificabile prima della distribuzione dei pesi.

• Disponibilità — I pesi Granite sono scaricabili e ospitabili autonomamente già oggi; LBS non ha nulla da scaricare.

È sulla lunghezza del contesto che i due potrebbero divergere maggiormente

La finestra nativa da 128K di Granite con un'estensione a 512K è una funzionalità enterprise deliberata, e i punteggi RULER suggeriscono che non si tratta solo di marketing: 81,38 a 128K è un risultato utilizzabile. Per la revisione contrattuale, l'analisi dei log, il recupero nel codebase e le lunghe tracce di audit, quella combinazione — un percorso di estensione documentato più evidenze di retrieval vicine alla sommità della finestra — vale più di un numero più grande senza alcuna evidenza a supporto.

Se LBS-27B arriverà con una finestra da 256K o 512K, la domanda interessante non sarà il numero. Sarà se inclusionAI pubblicherà valutazioni di retrieval all'estremità più lontana di quella finestra. Una finestra è una dichiarazione di capacità; i risultati in stile RULER sono una dichiarazione di abilità, e le due divergono nettamente nella pratica.

Distribuzione, licenze e dove si colloca un router

Entrambi i modelli dichiarano Apache-2.0, che è l'esito più permissivo per l'uso commerciale e il motivo per cui Granite è popolare tra i team che non possono accettare una licenza personalizzata. Granite 4.2 30B non è su OrcaRouter, e nemmeno LBS-27B; se vuoi Granite, lo scarichi e lo servi da solo, oppure usi una piattaforma di hosting.

Quella implementazione self-hosted è esattamente il contesto in cui un'architettura ibrida ha senso. Esegui Granite sul tuo hardware per il volume di routine — il traffico di classificazione, estrazione e tool-calling, dove un modello dense da 30B è più che sufficiente — e instrada i casi davvero difficili verso un modello frontier ospitato. OrcaRouter è utile per questa seconda parte: una sola chiave API per oltre 200 modelli, failover automatico se un provider peggiora le proprie prestazioni, e un DSL di routing che ti consente di esprimere la suddivisione come policy anziché come codice in tre servizi. Applichiamo il prezzo di listino del provider con 0% di markup, quindi la parte ospitata della fattura corrisponde alla cifra del provider, non alla nostra con un margine aggiuntivo.

Quello che non affermeremo è che uno dei due modelli in questo confronto sia disponibile tramite noi. Non lo è, e una pagina di confronto che lasci intendere il contrario è peggio che inutile.

Cosa risolverebbe questo confronto

Tre artefatti trasformerebbero questa pagina da un esercizio di specifica in un vero e proprio confronto.

Il primo è un config.json con campi relativi agli esperti, che chiarisce se il modello è dense o sparse e fornisce il numero di parametri attivi. Se LBS-27B è sparse con un numero ridotto di parametri attivi, risulterà più economico di Granite sul costo di serving e il confronto diventa un trade-off tra prezzo e qualità. Se è dense, si tratta di una questione di sostituzione diretta e la maturità del tooling IBM diventa il fattore decisivo.

Il secondo è una valutazione di tool-calling su una versione denominata dell'harness. I numeri di Granite su BFCL v4 e tau3 non sono spettacolari, il che significa che un nuovo modello non deve essere spettacolare per superarli — deve essere misurato sullo stesso harness.

Il terzo è l'evidenza di retrieval su contesti lunghi a 128K o oltre. I numeri RULER di Granite sono la sua rivendicazione più forte alla rilevanza enterprise, e sono il numero che si dovrebbe chiedere a un concorrente di eguagliare.

Per un acquirente enterprise che decide oggi, Granite 4.2 30B è una quantità nota con una licenza permissiva, uno stack di strumenti documentato e un profilo di servizio denso che molti team infrastrutturali preferiscono. LBS-27B è un nome con una riga di licenza. Il divario tra loro non è un verdetto sull'ingegneria di inclusionAI. È semplicemente la differenza tra un modello che è stato pubblicato e uno che è stato riservato.