Nanbeige4.3-33B vs Granite 4.2 30B: affermazioni contro la conformità

La decisione tra Nanbeige4.3-33B e Granite 4.2 30B verrà presa in una riunione di approvvigionamento, non su una classifica. Entrambi sono modelli densi da circa 30 miliardi di parametri con licenza Apache 2.0, entrambi possono essere scaricati questa settimana ed entrambi dichiarano un tetto di 512K token. Ma uno è venduto da IBM con artefatti firmati e un contratto di supporto, mentre l'altro è un repository di due giorni fa di un laboratorio cinese che non ha pubblicato un annuncio di lancio. Il Granite 4.2 30B di IBM è arrivato il 25 agosto 2026; Nanbeige4.3-33B è apparso su Hugging Face il 24 ottobre 2026. Non sono davvero rivali per lo stesso acquisto, ed è proprio per questo che vale la pena fare il confronto con attenzione.

Quanto segue non è un vincitore. È una logica da shortlist: le quattro domande che separano davvero questi modelli, con le evidenze su cui poggia ciascuna risposta e i punti in cui le evidenze sono più deboli di quanto sembrino.

Due prodotti con lo stesso numero di parametri

Granite 4.2 30B è il modello di punta della linea Granite 4.2 di IBM — 3B, 8B e 30B, tutti di tipo dense. È costruito su Granite-4.1-30B-Base, preaddestrato su circa 15 trilioni di token, inclusi circa un trilione di token sintetici di codice, poi sottoposto a una fase di apprendimento per rinforzo agentico per le dimensioni 8B e 30B. Offre tre modalità di ragionamento (thinking, non-thinking, low-effort), tool calling nativo in formato OpenAI e build FP8 e a 4 bit. IBM elenca il supporto nativo per vLLM e SGLang, incluso un granite_thinking_parser.

Nanbeige4.3-33B è un checkpoint denso singolo di Nanbeige LLM Lab, il team AI di Kanzhun, l'azienda dietro BOSS Zhipin. La sua scheda è insolitamente specifica sul deployment: 33,1B parametri, contesto di 524.288 token, inglese e cinese, modalità thinking attiva per impostazione predefinita, un formato XML per le chiamate agli strumenti raccomandato al posto di JSON e un flag preserve_thinking pensato per l'uso multi-turno degli strumenti. È esplicitamente posizionato come modello teacher per un fratello minore, Nanbeige4.3-3B, che non è ancora stato rilasciato.

La differenza di intento conta. Granite è una linea di prodotti con un percorso di supporto enterprise. Nanbeige4.3-33B è un artefatto di ricerca rilasciato per dare origine a una famiglia. Uno è costruito per essere acquistato; l'altro è costruito per essere distillato.

L'unica riga che entrambi i laboratori hanno effettivamente eseguito

La scheda di Nanbeige si confronta con Qwen3.8-27B, Muse-Glimmer-30B e Gemma 4 31B. I materiali Granite di IBM non menzionano affatto Nanbeige. Quindi le due schede condividono esattamente un benchmark in cui un confronto diretto è anche solo nominalmente possibile: Terminal-Bench 2.1.

• Terminal-Bench 2.1 — Nanbeige4.3-33B 80,9 (scheda di Nanbeige) contro Granite 4.2 30B 29,24 (scheda IBM). Un divario di 51,7 punti a favore di Nanbeige.

Questa è la differenza dichiarata più ampia tra due tabelle di fornitori in tutta questa comparazione, e servono tre avvertenze prima che significhi qualcosa. Primo, entrambi i valori sono dichiarati dai fornitori. Secondo, la scheda di Nanbeige afferma che la sua esecuzione di Terminal-Bench 2.1 ha usato Terminus 2; la scheda di IBM non indica il suo scaffold. Terzo, un benchmark per terminale misura un modello più un ciclo di agente, e un divario di 51 punti può derivare dal ciclo tanto facilmente quanto dai pesi. Un modello con un harness ben ottimizzato e un modello con uno standard divergeranno di decine di punti sullo stesso benchmark nominale.

La successiva riga condivisa più vicina è GPQA Diamond: Nanbeige riporta 89,5, IBM riporta 66,41. Si tratta di un divario reale su un benchmark di conoscenza ed è abbastanza ampio da sopravvivere alle differenze di harness, ma misura anche una cosa diversa dal coding agentico — domande scientifiche di livello universitario avanzato, non uso di strumenti su orizzonte lungo. Indica che, su queste evidenze, Nanbeige è il ragionatore più forte dei due. Non indica che sia l'agente più forte.

Tutto il resto non è confrontabile. Nanbeige riporta SWE-Bench Pro a 60,3; IBM riporta SWE-Bench Verified a 57,00 — varianti diverse, difficoltà diverse. Nanbeige riporta AIME 2026 a 95,2; IBM riporta AIME25 a 89,17 — anni diversi. Nanbeige riporta JobBench e DeepPlanning; IBM riporta τ³-bench 62,00, BFCL v4 61,39, MMLU-Pro 77,60, LiveCodeBench v6 75,77 e RULER 128K 81,38. Nessuno di questi ha una controparte Nanbeige.

Due richieste di 512K che non sono la stessa richiesta

Both models advertise a 512K ceiling. They get there differently, and the difference shows up in what each vendor was willing to publish.

• Finestra nativa — Nanbeige4.3-33B: 524.288 token, nativa. Granite 4.2 30B: 131.072 token, nativa.

• Limite massimo esteso — Granite 4.2 30B offre un'estensione del contesto lungo fino a 512K. Nanbeige non ne ha bisogno; 512K è la finestra addestrata.

• Evidenza sul contesto lungo — IBM pubblica RULER a 128K: 81.38. Nanbeige pubblica AA-LCR a 84.0, un benchmark di ragionamento su contesto lungo, ma non un benchmark di recall a una profondità dichiarata.

• Output — La scheda di Nanbeige consiglia fino a 262.144 nuovi token per il ragionamento e la chat, 65.536 per le attività agentiche e con strumenti. Il valore massimo consigliato da IBM per max_new_tokens è 8.192 in modalità thinking e 2.048 in modalità non-thinking.

Quell'ultima riga è quella pratica. Una finestra di input da 512K abbinata a una raccomandazione di output da 8K è un modello costruito per leggere molto e rispondere brevemente. Una finestra da 512K abbinata a un budget di generazione da 262K è un modello costruito per produrre artefatti lunghi. Se il tuo lavoro è "ingerire il repository, scrivere la migrazione", non sono prodotti equivalenti nemmeno alla stessa lunghezza di contesto nominale.

Tool calling, modalità di pensiero e il costo di integrazione

Il tool calling di Granite è nativo e in formato OpenAI, con BFCL v4 a 61,39 sulla valutazione interna di IBM. Ciò significa che si inserisce in un client standard per il function calling senza un parser personalizzato. IBM pubblica anche un parser di pensiero per vLLM, così le tracce di ragionamento si separano nettamente dalla risposta.

Nanbeige4.3-33B adotta l'approccio opposto: consiglia tool_call_format="xml" per ottenere le migliori prestazioni, fornisce un template in stile ChatML e chiede di usare il parser di reasoning Qwen3 e il parser di tool Qwen3-Coder in vLLM o SGLang. Non è un difetto — molti modelli agent forti usano chiamate ai tool in XML — ma è lavoro di integrazione. Se il tuo stack parla il JSON dei tool di OpenAI, Nanbeige richiede o un livello di traduzione o la sua modalità JSON, che la scheda dice essere supportata ma non preferita.

Questa è la tassa che le tabelle di benchmark non mostrano mai. Un modello che è 20 punti migliore su un harness che devi ricostruire non è 20 punti migliore in un normale martedì. Il vantaggio di Granite qui non è la capacità; è che l'integrazione è documentata, standard e supportata da un fornitore con un bug tracker.

La linea di conformità

IBM distribuisce Granite con firme crittografiche, certificazione ISO e informative sulla trasparenza. Per un acquirente soggetto a regolamentazione, non è marketing — è la differenza tra un modello che può superare un processo di approvazione e uno che non può. IBM è anche la controparte: esistono un contratto, un percorso di supporto e un'azienda che esisterà ancora nell'arco temporale del ciclo di approvvigionamento.

Nanbeige4.3-33B ha una licenza Apache 2.0, legalmente permissiva e utilizzabile commercialmente. Non ha un contratto di supporto enterprise, un programma di artefatti firmati né una dichiarazione pubblica sulla provenienza dei dati che vada oltre la model card. Il laboratorio fa parte di Kanzhun, un'azienda pubblica cinese, e il modello è bilingue inglese-cinese. Niente di tutto ciò lo squalifica. Sono tutte cose su cui una revisione di sicurezza chiederà informazioni, e la risposta onesta oggi è che le prove sono più scarse sul fronte Nanbeige.

Per un team al di fuori di un processo regolamentato, questa sezione è irrilevante e potete saltarla. Per un team all'interno di uno, può decidere la questione prima che si leggano i benchmark.

Quanto costa un token e quanto costa una GPU

Granite 4.2 30B è disponibile come API gestita a $0,16 per milione di token in input e $0,65 per milione in output, con uno sconto cache del 75%, circa 47,5 token in output al secondo e un tempo al primo token di 0,82 secondi. Artificial Analysis stima il suo costo in circa $0,07 per attività dell'Intelligence Index. I pesi sono anche scaricabili, a circa 60GB in BF16 o 30GB a 8 bit — un deployment su singola GPU.

Nanbeige4.3-33B non ha un prezzo per token pubblicato perché nessuno lo ospita. La scheda afferma chiaramente che nessun provider di inferenza implementa il modello. L'auto-hosting richiede circa 66 GB in BF16, o all'incirca 20 GB a 4 bit, con le ricette dello stesso fornitore che utilizzano tensor-parallel size 4. Si tratta di quattro GPU mantenute allocate che arrivi traffico o meno.

Metti onestamente i due numeri a confronto: il paragone è tra una fattura a consumo che parte da zero e una spesa in conto capitale che parte da quattro GPU. A bassi volumi, Granite costa un ordine di grandezza in meno. A volumi elevati e sostenuti, un 33B self-hosted può vincere — ma solo se l'utilizzo è abbastanza alto da ammortizzare l'hardware, e solo se valuti il tempo di ingegneria a zero. La maggior parte dei team scopre che non è zero.

Nessuno dei due modelli è sul nostro router, e vale la pena dirlo chiaramente.

Oggi OrcaRouter non offre Nanbeige4.3-33B né Granite 4.2 30B. Non intendiamo fingere il contrario, perché chi si iscrive aspettandosi l'uno o l'altro modello perderebbe una giornata a scoprire che il catalogo non lo prevede.

Quello che il layer di routing continua a fare è mantenere economico il resto della decisione. Se già utilizzi un incumbent tramite il nostro endpoint, aggiungere un Nanbeige self-hosted dietro la stessa chiave e inviargli una parte del traffico è una modifica di configurazione anziché una seconda integrazione. Il nostro modello con markup 0% — prezzo di listino del provider trasferito senza ricarichi — significa anche che, quando IBM o un altro host modifica il prezzo di Granite, il numero che vedi si muove con esso invece di rimanere indietro rispetto al margine di un rivenditore. Questo non rende disponibile nessuno dei due modelli. Rende più economico condurre l'esperimento attorno a essi.

Una lista ristretta, non un vincitore

• Se hai bisogno di un contratto, di firme e di un percorso di supporto: Granite 4.2 30B, e il divario nei benchmark smette di contare.

• Se ti serve la migliore prestazione dichiarata di coding agentico in questa classe di dimensioni: Nanbeige4.3-33B, con l'avvertenza che il suo 80,9 su Terminal-Bench 2.1 non è mai stato riprodotto al di fuori della sua scheda.

• Se ti serve un input nativo da 512K con output lungo: Nanbeige4.3-33B. Granite raggiunge 512K tramite estensione e consiglia output da 8K.

• Se ti serve il cinese: entrambi i modelli lo elencano. La scheda di Granite cita il cinese tra 12 lingue; quella di Nanbeige elenca inglese e cinese. La lingua non è l'elemento decisivo qui.

• Se devi iniziare oggi senza GPU: Granite 4.2 30B tramite l'API di IBM. Nanbeige non ha alcuna opzione hosted.

Il riassunto scomodo è che questi modelli sono abbastanza vicini nella stessa classe che la decisione sarà determinata dai vincoli che li circondano — approvvigionamento, distribuzione, lingua, modalità — anziché dalla riga dei 51 punti. Quella riga potrebbe benissimo essere reale. È anche l'affermazione meno verificabile di questo articolo, e dovrebbe essere l'ultima ragione per cui scegli un modello, non la prima.