Xing 4.0 29B-A4B vs Granite 4.2 30B: il denso legge tutto, lo sparso legge un nono

Ecco l'intero argomento architetturale in una sola frase. G​ranite 4.2 30B, il modello di ragionamento dense di I​BM pubblicato con licenza Apache 2.0 il 25 agosto 2026, legge tutti e trenta i suoi miliardi di parametri per produrre ogni singolo token. Xing 4.0 29B-A4B, il modello sparse mixture-of-experts di China Telecom i cui pesi sono stati pubblicati il 16 settembre 2026 e che è diventato richiamabile a metà ottobre, ne legge circa quattro dei suoi ventinove miliardi. Entrambi sono Apache-2.0, entrambi si collocano nella stessa classe di peso, entrambi sono pensati per il lavoro agentico, e ti costano cose completamente diverse da eseguire: G​ranite costa calcolo su ogni token, Xing costa memoria per mantenere esperti che non stai usando su questo token e uno stack di serving che sappia come aggirarli. Tutto ciò che segue deriva da questo.

Che cosa è realmente ciascun artefatto

Vale la pena separarli dall'etichetta che condividono. "30B" ti dice la dimensione di un file, non la forma di un carico di lavoro.

• G​ranite 4.2 30B — il modello di punta di I​BM nella famiglia G​ranite 4.2, basato su G​ranite-4.1-30B-Base. Un transformer di ragionamento denso di tipo decoder-only, 30 miliardi di parametri (il repository ne indica 29 miliardi in tensori BF16), attenzione grouped-query con 32 teste di attenzione rispetto a 8 teste chiave-valore, RoPE con θ = 10.000.000, MLP SwiGLU con dimensione nascosta di 32.768, embedding di input e output non condivisi, RMSNorm con ε = 1e-5. Dodici lingue testate. Apache 2.0.

• Xing 4.0 29B-A4B — Il successore di TeleAI alla linea TeleChat. 40 strati, dimensione nascosta 3.584, intermedio FFN denso 9.216 contro un intermedio esperto di 1.024, 64 esperti instradati con 4 attivi per token più un esperto condiviso sempre attivo, attenzione MLA con chiave-valore compressa invece di GQA, e decodifica speculativa MTP addestrata nel checkpoint. Di fatto una sola lingua testata sulla scheda. Apache 2.0.

• Contesto — G​ranite 4.2 30B supporta nativamente 128K con un'estensione del contesto lungo documentata fino a 512K e una lunghezza di sequenza di configurazione di 131.072. Xing 4.0 porta nativamente 256K, dichiarato estensibile a 512K. La finestra predefinita di Xing è due volte più ampia; il percorso di estensione di G​ranite è il meglio documentato dei due.

• Formati pubblicati — G​ranite 4.2 30B è disponibile in BF16 più quantizzazioni FP8, MXFP4 e NVFP4, con build GGUF da I​BM e dalla community. Xing 4.0 è disponibile in safetensors BF16 più FP8, w8a8 e GGUF. Entrambi sono insolitamente ben forniti qui, ed entrambi rappresentano un vero vantaggio rispetto alle molte release open che pubblicano un singolo shard bfloat16 e lasciano la quantizzazione ai volontari.

• Disponibilità — G​ranite 4.2 30B non ha un endpoint con tariffazione a token nel nostro catalogo; lo esegui tu, oppure vi accedi tramite la piattaforma propria di I​BM e altre piattaforme di serving di terze parti. Xing 4.0 ha ottenuto un endpoint commerciale a consumo a metà ottobre con un piano promozionale gratuito, ed è anch'esso assente dal nostro catalogo.

Il trade-off tra memoria e calcolo, detto onestamente

La sparsità non è uno sconto sull'intera macchina; è uno sconto su un asse e un sovrapprezzo sull'altro. G​ranite 4.2 30B richiede all'incirca la memoria di un modello denso da 30B in bfloat16 e per ogni token calcola su tutta quanta, quindi il suo throughput per unità di hardware è prevedibile e il suo comportamento con il batching è lineare. Xing 4.0 deve mantenere residenti tutti i 29B — ogni esperto resta in memoria indipendentemente dal fatto che questo token lo tocchi o meno — ma fa passare attraverso l'aritmetica solo 4B di pesi per token, ed è per questo che si sostiene che una sua quantizzazione a 4 bit stia in circa 15GB di VRAM e che il suo throughput aggregato ad alta concorrenza abbia una forma del tutto diversa.

Quell'affermazione vale la pena verificarla prima di comprare una scheda basandoti su di essa: il repository riporta 31B nei tensori a piena precisione, e una build a 4 bit di un modello complessivo da 29B che si attesta a 15GB implica una quantizzazione aggressiva dei pesi degli esperti. Guarda la dimensione effettiva del file GGUF invece della descrizione della raccolta.

La seconda differenza, più silenziosa, è la maturità del percorso di serving. Granite 4.2 30B è un transformer denso standard, il che significa che ogni stack di inferenza lo supporta più o meno di default. Xing 4.0 necessita di kernel personalizzati per i suoi flussi residui a iper-connessione vincolati alla varietà e la sua attenzione MLA — SGLang include un kernel split-K dedicato per il layout a quattro flussi, vLLM ha l'architettura, e questo è lo stato delle cose. Un design su misura di attenzione più residuo è il prezzo dell'architettura, e non è un costo una tantum se si prevede di fare fine-tuning, quantizzare o eseguire forme di batch insolite.

Dove i numeri pubblicati effettivamente divergono

Entrambi i fornitori pubblicano le proprie tabelle, entrambe sono coerenti al proprio interno e nessuna delle due è stata riprodotta in modo indipendente da terzi su banchi di prova identici. Confrontale come dichiarazioni, non come misurazioni.

• SWE-bench Verified — Xing 4.0 75,00 contro G​ranite 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 contro G​ranite 4.2 30B 29,24.

• Utilizzo agentico degli strumenti — Xing 4.0 Claw-Eval 76,55 e Tau3-Bench 64,63; G​ranite 4.2 30B τ³-bench 62,00 e BFCL v4 61,39.

• Rispetto delle istruzioni — Xing 4.0 IFBench 69,67 rispetto a G​ranite 4.2 30B IFBench 77,17.

• Matematica e ragionamento generale — G​ranite 4.2 30B AIME25 89,17, HMMT Feb25 89,17, GPQA 66,41, MMLU-Pro 77,60, LiveCodeBench v6 75,77. La scheda di Xing 4.0 non riporta nessuno di questi, quindi le colonne diventano vuote anziché trasformarsi in una vittoria.

• Contesto lungo — Granite 4.2 30B pubblica RULER a 64K (89.96) e a 128K (81.38). Xing 4.0 pubblica AA.LCR a 61.00 e nient'altro nella famiglia long-context. Granite vince l'unica riga in cui esistono entrambi i numeri, ed è una vittoria significativa: RULER a 128K è un test molto più difficile di un punteggio medio di retrieval.

Leggi la forma piuttosto che i totali. G​ranite si legge come un generalista ampio e ben misurato con una tabella di valutazione insolitamente onesta — 20 righe tra coding, matematica, uso di strumenti, attività documentali e contesto lungo, tutte con l'harness dichiarato come framework NeMo Evaluator SDK. Xing 4.0 si legge come uno specialista ristretto: margini enormi su benchmark di ingegneria del software e agenti da terminale, una perdita sull'instruction following, e silenzio ovunque altrove. Un modello senza un numero GPQA non è necessariamente scarso in GPQA. È un modello il cui fornitore ha scelto di pubblicare nove righe.

Due oneste asimmetrie

Granite 4.2 30B è pubblico da sette settimane e porta con sé lo scrutinio che ciò implica, incluse quantizzazioni indipendenti, dettagliate analisi di terze parti e i valori di confronto pubblicati da IBM stessa per i suoi modelli fratelli 8B e 3B su ogni singola riga della tabella. Xing 4.0 è pubblico da un mese, ha 53.000 download dal repository, non ha alcuna valutazione indipendente e si misura contro riesecuzioni di modelli rivali eseguite dal fornitore nel proprio ambiente di test. Un confronto precedente in questa serie copre già come quella tabella di confronto tratta Gemma 4; il punto strutturale vale per qualsiasi colonna al suo interno.

L'asimmetria va nella direzione opposta su un asse. Granite 4.2 30B è un modello di ragionamento con un profilo di calcolo denso, il che significa che è lento per token in modo intrinseco al design e non aggirabile. L'intero argomento di Xing 4.0 è che si ottiene l'occupazione di memoria di un modello da 29B con l'aritmetica di un modello da 4B. Se quell'argomento regge su carichi di lavoro reali, è un affare davvero migliore per il traffico ad alto volume degli agenti — ed è esattamente l'argomento che la riga SWE-bench di un fornitore non può dirimere.

Quanto costa, e dove si colloca un router

Nessuno dei due modelli è nel catalogo di OrcaRouter, quindi non siamo una route verso nessuno dei due, e questo articolo non suggerirà il contrario. Vale comunque la pena fare i calcoli rilevanti. G​ranite 4.2 30B costa una scheda e nient'altro, per sempre, con l'avvertenza che il suo calcolo denso significa che la scheda di cui hai bisogno è più grande. Xing 4.0 costa una GPU e un weekend di integrazione del serving in anticipo, oppure una valutazione a consumo del piano gratuito subito — e il piano gratuito è il modo più economico per scoprire se le affermazioni agentiche sopravvivono nel tuo repository piuttosto che in un harness terminus-2 eseguito dall'autore del modello.

Dove un router si dimostra indispensabile con due modelli che non ospitiamo è al perimetro. Non sostituisci il modello che il tuo percorso di produzione già conosce; esegui lo sfidante accanto a esso su una porzione di traffico, sotto una regola dichiarata, con failover automatico, così che una risposta scadente o uno stallo a monte non raggiunga mai un utente. OrcaRouter è una sola API davanti a oltre 200 modelli ospitati con markup dello 0% — il prezzo di listino del provider passato così com'è, senza aggiungere nulla — e il DSL di routing è il modo in cui la porzione viene definita. Quando la valutazione termina, la regola cambia e il modello in carica riprende il traffico.

Se il tuo budget di valutazione è un solo modello, scegli Granite 4.2 30B quando il lavoro è ampio — ragionamento su documenti lunghi, generazione multilingue, pipeline a forte intensità di istruzioni, qualsiasi cosa per cui tu voglia un numero pubblicato per l'attività che esegui davvero. Scegli Xing 4.0 29B-A4B quando il lavoro è ristretto e agentico, puoi misurarlo da solo e l'argomento del throughput per scheda è ciò che stai comprando. L'unica scelta che è chiaramente sbagliata è scegliere Xing 4.0 sulla sola forza del 75 contro 57: quei due numeri sono stati prodotti da laboratori diversi su harness diversi, e l'unica cosa che stabiliscono in modo affidabile è quale fornitore ha pubblicato una riga di SWE-bench.

Cosa lo risolverebbe

Una singola valutazione indipendente di Xing 4.0 sullo stesso harness su cui è stato misurato G​ranite, con lo stesso scaffolding, farebbe crollare gran parte dell'incertezza di questo pezzo con un solo pomeriggio di lavoro da parte di qualcuno con una GPU di riserva. Finché non esisterà, il modello denso è quello sui cui numeri puoi agire e il modello sparso è quello i cui numeri devi verificare. Entrambe le affermazioni saranno ugualmente obsolete nel momento in cui la seconda smetterà di essere vera.

Niente di tutto ciò è ipotetico: i fallimenti documentati dell'IA e gli incidenti degli agenti alla base di rilasci come questo sono raccolti in l'OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, la gravità, il grado di confidenza e il flag di contestazione.