Granite Switch 4.1 30B vs Granite 4.2 30B：競合しない2つのIBM 30B

の隣に置くと気まずくなるのは、ここだGranite Switch 4.1 30B を Granite 4.2 30B：両者は同じ種類の成果物ではないので、ほとんどの一騎打ち的な比較は、触れた途端に崩れてしまう。Granite 4.2 30B はモデルだ。IBM が Apache-2.0 の下で公開した高密度な 30B の推論モデルで、思考モードとエージェント的なツール呼び出しを備えている。2026年10月14日に重みが公開された Granite Switch 4.1 30B は、ランタイムだ。Granite のベースを凍結し、そこに切り替え可能なアダプターを取り付け、1つのチェックポイントから3つの能力を提供する。2つのモデルの間で選ぶようには、両者の間で選ぶことはできない。選ぶのは、モデルが欲しいのか、それとも合成レイヤーが欲しいのか、ということだ。

とはいえ、そのカテゴリーエラーの下には本当の決断が隠れており、それはベンチマークとは何の関係もない。Switch 4.1 30B は Granite 4.1 30B ベースで構築されている。Granite 4.2 30B は同じファミリーのより新しい世代で、測定可能なほどより強力な汎用モデルだ。したがって実際の問いは、スイッチング機構のためにベースモデルを1世代諦める価値があるかどうかであり、その答えは、モデルを呼び出す側なのか、モデルを出荷する側なのかによって異なる。

並べて、次元ごとに

• これは何か — Switch 4.1 30B は複合チェックポイント（凍結されたベース + 2つの有効化されたLoRAアダプタ + 音声エンコーダ）です。Granite 4.2 30B は単一の密なデコーダ専用モデルです。

• パラメータ — Switch 4.1 30B は 28,865,728,512 のベースに対して 29,989,814,272 を構成し、+3.89% の差分です。Granite 4.2 30B は 30B の高密度モデルで、アダプタがないためアダプタによる追加分はありません。

• コンテキスト — 両方ともネイティブで131,072トークン、IBMはGranite 4.2側で512Kへの長コンテキスト拡張を文書化しています。

• 思考モード — Granite 4.2 30B は、明示的な思考連鎖を<think> タグ内に備えており、労力を選択可能です。Switch 4.1 30B は、チャットテンプレートに推論モードが組み込まれていません。

• テキストの枠を超えて — Switch 4.1 30B は音声を受け取り、文字起こしとキャリブレーション済みの判定分布を返しますが、Granite 4.2 30B はどちらも行いません。

• 量子化 — Granite 4.2 30B は BF16 に加えて FP8、NVFP4、MXFP4、GGUF、MLX ビルドで提供されます。Switch チェックポイントは単一の精度で提供され、執筆時点では公式の量子化ビルドはありません。

• ライセンス — 両方とも Apache-2.0。

• 公開スコア — Granite 4.2 30B には完全なベンチマーク表がある（ベンダー実施）。一方 Switch 4.1 30B にあるのは Decision Index という1つの数値だけで、しかもそれはまったく別のものを測定している。

Granite 4.2 30Bが圧勝する場面

一般的な能力については、これはまったくの互角ではないし、そうなることを意図しているわけでもない。IBM自身のモデルカードは、Granite 4.2 30Bについて、MMLU-Proで77.60、AIME 2025で89.17、GPQAで66.41、SWE-bench Verifiedで57.00、Terminal-Bench 2.1で29.24を報告している——すべてベンダー報告であり、IBM自身の評価フレームワーク上でNeMoベースのハーネスを通して実行されたもので、IBM外部の誰によっても再現されていない。数値をベンダーの主張として扱うとしても、それでもこれは、どちらのモデルについても存在する唯一の比較データである。

構造上の点はスコアよりも重要だ。Granite 4.2 30B は、エージェント的強化学習を備えた推論モデルとして訓練されており、その周辺ツールも一緒に提供される。人々が実際に所有しているハードウェア向けの量子化ビルド、長コンテキスト拡張のための経路、そして文書化された思考モードの切り替えだ。Granite Switch 4.1 30B は、凍結されたベースとアダプターを組み合わせて構築されており、その下にあるベースは一世代古い。難しい質問によく答えられるモデルが1つ欲しいなら、より新しいdenseモデルこそが求めるものだ。

Granite Switch 4.1 30Bが圧勝する場面

三つの場所、そしてそのどれもベンチマークではない。

第一に、それは異なる形式の問いに答えるということです。決定アダプターは、状態とラベル付きの選択肢を持つ質問を受け取り、1回のフォワードパスでそれらのラベルに対する較正済みの確率分布を返します — カードの例では、A: 0.982、B: 0.0035、C: 0.014 のようなものが返されます。これは正規表現で解析するチャット補完ではありません。選択肢のロジットに対するソフトマックスでルーティングすることは、モデルにどうか1文字で返信するよう頼むのとは異なる操作であり、設計全体は、ボックス上に2つ目のモデルがなくても較正済みの読み出しが利用できるように構築されています。

2つ目は音声です。組み込まれた470MのGranite Speech 5.0 TurboCTCエンコーダーが入力音声を文字起こしし、音声コンテンツパートの代わりにその文字起こしをチャットコンテキストに差し込みます。そのため、音声リクエストはinput_audioパートを含む通常のチャットリクエストになります。それが良いアイデアかどうかは、IBMが自社のモデルカードに書き記したある但し書きに完全に左右されます。エンコーダーと言語モデルは共同で学習されておらず、両者を結びつける学習済みの射影も存在せず、出力は英語のみで、小文字かつ句読点なしです。文字起こしを誤ると、モデルが答える質問が、気づかれないうちに変わってしまいます。

第三はパラメータのオーバーヘッドであり、これこそがこのリリースより長く生き残る数字です。合成されたチェックポイントはベースより3.89%大きくなっています。それは各アダプタが独自のアテンション状態を維持するのではなく、ベースモデルのKVキャッシュを読み取るためです。従来のマルチアダプタ構成では、切り替える各アダプタがもう1つのアテンション状態のセットになり、メモリコストはその数とともに増えていきます。ここでは、安全分類器、意思決定エンジン、音声エンコーダのために11億2000万個の追加パラメータを支払いますが、切り替え自体はチャットテンプレートが解決するリクエストパラメータであり、立ち上げてウォーム状態に保つ2つ目のデプロイではありません。

数字の罠——50.1は77.60の小型版ではない

この2つを誤読する最もありがちなパターンは、Switch モデルの50.1を Granite 4.2 30B の77.60と並べて、Switch モデルはそのモデルの3分の2にすぎないと結論づけることだ。この2つの数値は同じものを指しておらず、比較自体が無意味である。

50.1はDecision Indexスコアです — エディションv0.3、1,068行の公開ファストサブセット — 意思決定アダプターがラベル付き選択肢をどれだけ適切に順位付けするかを測定したもので、領域別の内訳はKnowledge 32.4、Language 58.6、Retrieval 49.8、Tools 76.5、Arts 26.4です。これは1つのアダプターが1つの仕事をこなすためのスコアであり、その土台となるベースモデルはアダプターによって一切変更されていないため、ベースモデルのチャット品質については何も示しません。77.60はMMLU-Proで、モデル全体を対象とした一般知識ベンチマークです。異なる軸、異なるハーネス、異なる作成者です。どちらの数値も、正しい使い方は、それが実際に測定した対象についての証拠として用いることだけです。

Decision Index は見出しの数字ではなく、その形を読むと、本当に役立つことがわかります。Tools の 76.5 の隣に Arts の 26.4 があるということは、このアダプターはツール選択型の意思決定に向ける価値があり、自分で評価しない限り、創造的またはオープンドメインの分類では信頼すべきではない、ということを示しています。これは、どんな総合スコアよりも行動に移しやすい一文です。

実際に決めるのは何なのか

もしあなたが呼び出しているモデルなら — 1つのエンドポイント、1つのプロンプト、1つの回答 — Granite 4.2 30B はより新しく優れたモデルであり、それを入手するために Switch チェックポイントを迂回する理由はありません。

もしあなたがそれを出荷するなら、計算は変わってくる。応答し、判断し、文字起こししなければならないシステムを構築しているチームは、そうでなければ、3つのレイテンシと3つのメモリフットプリントを抱える3つのプロセスを動かしていることになる。Switchビルドはそれを、置き換えるベースより3.89%高いコストがかかる1つのチェックポイントに集約する。固定ラベルセット上で較正された確率を必要とするチームには、Granite 4.2 30Bにまったく相当するものがない。そして、それをプロンプトで求めることは同じではない。

問題はベースだ。構成レイヤーを買うということは、第1世代のベースを受け入れることを意味し、今日ではGranite 4.2ベース上に構築されたSwitchチェックポイントは存在しない。IBMは「今後数週間で」さらに多くのデータが来ると述べており、composerを今後の道筋として説明している——誰でもgranite-switchツールを使って、任意のGraniteベースと任意のアダプターのサブセットからSwitchチェックポイントを構築できる。IBMが4.2系でそれを行うかどうかが注目すべき点だ。というのも、そのリリースはこのトレードオフ全体を消し去ることになるからだ。

どちらにも賭けずに両方を走らせる

どちらのモデルも現在OrcaRouterのカタログには含まれていないため、どちらも自社ハードウェアとIBMのリリースチャネルを意味します。ホスト型エンドポイントが存在するかのようにほのめかすのではなく、率直に明言しておく価値があります。

プラットフォームが変えるのは、確かめるためのコストだ。 1つのキーで200以上のモデルをカバーし、自動フェイルオーバーに対応、そして プロバイダーの定価が0%のマークアップでそのまま適用される。だから、評価中のモデルにホストされたルートが用意されたとき、すでに本番環境にあるものと比較して測定するのは、2つ目のベンダー契約ではなく、設定変更で済む。この特定の対決ではそれが重要になる。なぜなら、両者とも同じように未解決だからだ。Granite 4.2 30Bのベンチマーク表はIBM自身によるもので再現されておらず、Granite Switch 4.1 30Bには公表された数値が実質的に1つしかなく、独立した評価は皆無である。どちらもモデルカードの強みだけで本番枠に値するわけではない。どちらも、あなた自身のトラフィックを1週間かけて試す価値がある。

評決

Granite 4.2 30Bはより優れたモデルだ。Granite Switch 4.1 30Bはより興味深い成果物であり、IBMがエンタープライズ推論をどこへ向かわせようとしているかを教えてくれるのはこちらだ——より大きなモデルではなく、同じ能力セットに対するより小さな請求額を、安価なアダプタを単一の凍結ベースに組み合わせ、それらの間でKVキャッシュを共有することで実現するのだ。

答えが必要なら4.2モデルを選べ。ルーティングの判断、安全性の判定、そして1つのプロセスから得られるトランスクリプトが必要で、1世代前のベースモデルでも構わないなら、Switchチェックポイントを選べ。互いのスコアを比べている連中は無視しろ。あの数字は同じものを測っているわけではない。