
DaisyRose 27B 대 Granite 4.2 30B: 46점, 두 개의 하네스
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100만 토큰당 · 184 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100만 토큰당 · 494 tok/s
- AlibabaNEWQwen: Qwen4 Max2026-11-16$1.50 / $4.50 100만 토큰당 · 385 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 94 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 290 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 132 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 86 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100만 토큰당 · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 104 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 215 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100만 토큰당 · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
DaisyRose 27B와 Granite 4.2 30B는 둘 다 Terminal Bench 2.1에서 점수를 보고한다. 2026년 11월 18일 공개된 RadixArk의 Qwen3.8-27B 강화학습 전용 후속 학습 모델인 DaisyRose 27B는 기본 모델의 73.0점에 대해 75.5점을 기록한다. 2026년 8월 25일 공개된 IBM의 300억 파라미터 dense 모델인 Granite 4.2 30B는 29.24점을 기록한다. 이는 거의 동일한 크기의 두 dense 모델 사이에서 같은 벤치마크 이름에 대해 46점 격차가 난다는 뜻이며, 그 자연스러운 결론 — DaisyRose 27B가 에이전트형 터미널 작업에서 2.5배 더 뛰어나다는 결론 — 은 거의 확실히 틀렸다. 두 수치는 같은 방식으로 산출되지 않았으며, 이 페이지는 주로 46점 격차가 보이는 것보다 작을 수 있는 이유를 다룬다.
두 모델은 그 격차가 시사하는 것보다 공통점이 더 많습니다. 둘 다 dense 모델이고, 둘 다 약 300억 개 파라미터이며, 둘 다 Apache 2.0이고, 둘 다 벤더가 호스팅하는 API 가격을 제시할 수 없는 오픈 웨이트 릴리스이며, 둘 다 샌드박스 내부의 에이전트형 도구 사용을 위해 특별히 학습되었습니다. 이들은 아키텍처와 의도 면에서 이 시리즈에서 가장 잘 맞는 쌍이며, 바로 그렇기 때문에 각자의 카드에 적힌 숫자는 빼기보다 주의 깊게 읽을 가치가 있습니다.
46점 격차의 해부
각 업체가 그 수치가 어떻게 산출됐는지에 대해 말하는 내용부터 시작하십시오. 두 카드 모두 이례적으로 명시적이며 서로 다른 측정 방식을 설명하고 있기 때문입니다.
• DaisyRose 27B — Terminus 2 하네스에서 작업당 5회 실행했습니다. 비교 카드에는 Terminus 2가 명시되어 있고 실행 횟수도 기재되어 있습니다. 샘플링 설정은 temperature 1.0, top_p 0.95, top_k 20, reasoning effort xhigh였으며, 공개된 점수는 BF16과 FP8 실행 중 더 좋은 결과입니다.
• Granite 4.2 30B — Terminal-Bench 2.1에서 29.24, 모델 카드의 단일 표 행으로 보고됨. 해당 카드는 이 제품군의 에이전트형 학습을 상세히 문서화합니다 — 업샘플링된 에이전트형 소프트웨어 엔지니어링 데이터에 대한 두 번째 지도 미세 조정 패스, 그다음 샌드박스 내에서 SWE-bench 스타일 작업, 터미널 작업 및 웹 검색을 수행하는 에이전트형 강화 학습 — 그러나 Terminal-Bench 행 자체에는 명시된 실행 횟수, 하네스 이름 및 샘플링 구성이 없습니다.
그 비대칭성이 46점에 관한 모든 것을 말해 줍니다. 한 벤더는 최대 추론 노력으로 다섯 번 실행한, 세밀하게 계측된 점수를 공개했고, 다른 벤더는 표의 한 칸을 공개했습니다. 추론 노력 xhigh에서의 Terminal-Bench 결과는 기본 설정의 동일 모델과 비교해 수십 점 차이로 움직일 수 있습니다. 이 벤치마크는 셸 명령의 연속이며, 더 오래 생각하는 모델은 자신의 실수에서 복구할 시도를 더 많이 얻게 되기 때문입니다. 최선의 노력과 높은 노력으로 다섯 번 실행한 수치를 아무런 조건이 붙지 않은 단일 숫자와 비교하는 것은 비교라고 할 수 없습니다.
두 번째 비대칭성은 더 미묘하고 더 흥미롭습니다. DaisyRose 27B의 자체 베이스 모델인 Qwen3.8-27B는 같은 카드의 같은 행에서 73.0점을 기록합니다. 따라서 RadixArk의 포스트트레이닝은 Terminal Bench 2.1을 2.5점 향상시켰고, Granite와의 46점 격차는 베이스 모델 차이 44점과 학습 차이 2점으로 구성됩니다. 이 벤치마크에서 이 두 벤더를 구분하는 모든 것은 강화 학습이 아니라 출발점에 있습니다.
테이블들이 만나는 곳
두 개의 행이 더 공유되며, 둘 다 Terminal-Bench보다 비교 가능성이 더 높습니다.
• GPQA Diamond — DaisyRose 27B는 답변 순서를 재배열한 198개 질문에서 8회 실행에 걸쳐 90.7점; Granite 4.2 30B는 66.41점. 하네스 차이로는 그럴듯하게 설명할 수 없는 24점 격차다. DaisyRose의 베이스는 89.2점이므로, 포스트트레인은 이미 크게 앞서 있던 베이스 모델에 1.5점을 더했다.
• IFBench — DaisyRose 27B는 300개 프롬프트에서 4회 실행 기준, 공식 allenai 채점기를 사용해 사고 과정을 제외한 엄격한 프롬프트 수준 정확도 82.4; Granite 4.2 30B는 77.17로 카드에 "prompt"라고 표기됨. 5점 차이이며, 두 카드 중 어느 쪽에서든 사실상 동점에 가장 가까운 사례다.
GPQA 수치는 독자가 이 맞대결을 바라보는 방식을 바꿔야 하는 지표다. Granite 4.2 30B는 IBM이 엔터프라이즈 에이전틱 작업을 위해 만든 모델로, 테스트된 12개 언어, 3가지 추론 모드, 도구 호출, 512K까지 확장 가능한 128K 네이티브 컨텍스트를 갖추고 있으며 대학원 수준 과학에서 66.41점을 기록한다. DaisyRose 27B는 90.7점이다. Terminal-Bench의 하네스 관련 유의점이 무엇이든, 대학원 과학 문제에는 24점을 뒤흔드는 하네스가 없으며, 솔직한 해석은 RadixArk의 베이스 모델인 Qwen3.8-27B(89.2점)가 IBM이 출발점으로 삼은 베이스 모델보다 단순히 더 강력한 추론 모델이라는 것이다.

에이전트 훈련에 대한 두 가지 매우 다른 개념
두 모델 모두 샌드박스 안에서 작동하도록 훈련되었으며, 그 훈련에 관한 두 가지 설명은 두 카드 중 어느 쪽에서든 가장 많은 것을 드러내는 부분이다.
RadixArk의 접근 방식은 가능한 한 적게 변경하는 것이었습니다. DaisyRose 27B는 Qwen3.8-27B의 아키텍처, 토크나이저, 채팅 템플릿, 비전 타워, 262,144토큰 컨텍스트를 그대로 유지하고, Eigent AI로 구축한 약 1,200개의 선별된 장기 지평 과제에 강화 학습을 적용합니다. 이 과제들은 여러 문제를 연쇄적으로 연결하고, 보상 해킹에 저항하며, 최대 100만 토큰의 세션에서 실행되도록 설계되었습니다. 18일, H200 144대, 63,000 GPU 시간, 약 944,000개의 샌드박스. 지도 미세 조정도, 증류도 없습니다.
IBM의 접근 방식은 동작을 단계적으로 바꾸는 것이었다. Granite 4.2 30B 패밀리는 업샘플링된 에이전트형 소프트웨어 엔지니어링 데이터에 대해 두 번째 지도 미세 조정 패스를 받았고, 이어서 SWE-bench 스타일 작업, 터미널 작업 및 웹 검색에서 모델을 샌드박스 내부에서 실행하는 에이전트형 강화 학습을 받았다. 모델 카드는 30B가 추론 집약적 및 에이전트형 작업에서 패밀리 중 가장 강력한 성능을 내는 모델임을 분명히 밝히고 있다. 또한 전체 일반 역량 표, 테스트된 12개 언어, 세 가지 사고 모드, 내장된 사고의 연쇄를 갖추고 있다.
어느 벤더의 학습 설명도 상대의 벤치마크 프로파일을 예측하지 못하며, 그것이 바로 표가 보여주는 바입니다: DaisyRose 27B는 추론 비중이 높은 행에서 압도적으로 앞서고 다국어나 비전에 관해서는 아무것도 공개하지 않습니다; Granite 4.2 30B는 엔터프라이즈 제품군 전반에 걸쳐 결과를 공개합니다 — MMLU-Pro 77.60, AIME25 89.17, LiveCodeBench v6 75.77, Arena-Hard-V2 67.93, BFCL v4 61.39, τ³-bench 62.00, SWE-bench Verified 57 — 그리고 두 모델이 과학에서 겹치는 부분에서는 66.41점을 기록합니다.
컨텍스트, 메모리 그리고 배포 이야기
Granite의 512K 확장은 어떤 벤치마크 행에서도 포착되지 않는 진정한 차별화 요소이며, 모델 카드가 주장하는 바를 정확히 짚고 넘어갈 가치가 있습니다. 128K 네이티브, "장문 맥락 512K까지 확장", 모델 표에는 시퀀스 길이 131,072로 기재되어 있습니다. 확장은 네이티브와 같은 것이 아니며, 모델 카드의 RULER 수치는 그 비용을 보여줍니다. 동일 모델에서 64K에서는 89.96, 128K에서는 81.38입니다. DaisyRose 27B는 반대 입장을 취합니다. 장문 맥락 변형 없이 262,144 토큰을 고정으로 제공하며, 이는 Qwen3.8-27B에서 물려받은 것입니다. 그리고 RadixArk는 자체적인 긴 사고 실행이 수만 토큰에 이른다고 지적하는데, 실제로 그 컨텍스트 창의 상당 부분이 여기에 쓰입니다.
• DaisyRose 27B 가중치 — BF16 약 52 GB, FP8 약 29 GB, NVFP4 약 23 GB이며 Blackwell 전용, 그리고 Qwen3.8-27B-DSpark 추측 디코딩 드래프터. RadixArk는 DSpark와 함께 SGLang을 권장하며 FP8 KV 캐시를 사용하는 4-GPU 참조 구성을 공개합니다.
• Granite 4.2 30B 가중치 — bfloat16으로 저장된 약 29B, Apache 2.0, BF16 릴리스와 함께 FP8, NVFP4/MXFP4 및 GGUF 양자화가 제공됩니다. 30B dense 기준으로는 DaisyRose의 BF16 빌드와 거의 같은 메모리 등급에 속하므로, 어느 쪽도 논쟁할 만한 풋프린트 우위는 없습니다.
배포 차이는 규모가 아니라 지원의 차이입니다. Granite 4.2 30B는 석 달 동안 다운로드 및 실행이 가능했고, IBM이 여러 런타임용 양자화를 공개했으며, 이미 실패 모드를 겪어본 사람들로 구성된 생태계가 있습니다. DaisyRose 27B는 출시된 지 사흘 되었고, 세 가지 정밀도와 한 가지 권장 서빙 경로가 있으며, 어떤 하드웨어 구성에 대해서도 공개된 처리량 수치가 없습니다.

둘 중 어느 것도 여기 호스팅된 엔드포인트에 있지 않습니다.
이 비교에서 가장 만족스럽지 않은 부분이며, 분명히 말할 가치가 있습니다: DaisyRose 27B도 Granite 4.2 30B도에는OrcaRouter의 카탈로그작성 시점 기준으로 나타나지 않습니다. RadixArk는 호스팅된 DaisyRose API를 공개하지 않고 SGLang, vLLM, Docker를 가리킵니다. IBM의 Granite 4.2 30B는 오픈 웨이트 릴리스로, 실질적인 경로는 자체 호스팅이며 인용할 벤더 요금이 없습니다. DaisyRose에 대한 타사 목록은 백만 입력 토큰당 $0.15, 백만 출력 토큰당 $1.88을 제시하는데, 이는 벤더 가격이 아니라 호스트의 최초 제시가이며 그렇게 읽어야 합니다.
결정을 내리려는 독자에게 이것이 의미하는 바는, 이 비교가 기본 URL을 바꾸는 것만으로 결론 날 수 있는 문제가 아니라는 점입니다. 두 모델 모두 GPU를 필요로 하며, 솔직한 조언은 더 저렴한 실험을 먼저 해보라는 것입니다. 워크로드가 Granite 4.2 30B의 128K 네이티브 컨텍스트와 공개된 역량 표에 부합한다면, 이 모델에는 다른 사람들이 이미 저지른 세 달치 실수가 밑바탕에 있으므로 하루 만에 해당 작업에서 실패하는지 알아낼 수 있습니다.
이 비교를 실제로 만들려면 무엇이 필요할까
하네스 하나에서 한 번만 실행해도 이 페이지의 논쟁 대부분은 정리될 것이다. Terminal-Bench는 공개되어 있고 과제도 고정되어 있으며, 두 모델 모두 비슷한 정밀도로 llama.cpp 계열 런타임에서 로드된다. 누군가 DaisyRose 27B와 Granite 4.2 30B를 동일한 하네스, 동일한 샘플링 설정으로 결과를 공개한다면, 46점 격차는 실제 수치가 무엇이든 그 값으로 좁혀질 것이다. 아마 두 벤더 수치 사이 어딘가일 텐데, DaisyRose 쪽은 xhigh effort에서 두 번 중 최고값을 취한 것이고 Granite 쪽은 아무런 조건 표기가 없는 값이기 때문이다.
그때까지 방어 가능한 해석은 더 좁지만 여전히 유용하다. 하네스가 가장 덜 중요한 대학원 수준 과학 분야에서 RadixArk의 모델은 IBM의 모델을 크게 앞서는데, 그 격차는 실행 횟수로도 답변 순서 섞기로도 설명할 수 없다. 명령 수행에서는 둘이 비슷하다. 터미널 에이전트 작업에 대해서는 누구도 단언할 수 없으며, 공개된 46점 격차는 두 모델을 측정하는 만큼이나 두 평가 환경을 측정한 것이기도 하다.
오늘 선택해야 하는 팀에게 결정은 벤치마크 표보다 성숙도에 더 달려 있습니다. Granite 4.2 30B는 양자화와 다국어 표를 갖춘, 완성되고 문서화된 3개월 된 엔터프라이즈 모델입니다. DaisyRose 27B는 인상적인 벤더 수치들과 이를 뒷받침하는 단 하나의 공유 행, 그리고 어떤 종류의 독립적 재현도 없는 18일 된 강화학습 실험입니다. 워크로드가 프로덕션이고 마감이 지금이라면, 그 차이가 결정을 내립니다. 워크로드가 당신이 통제하는 에이전트이고 벤치마크할 여유가 있다면, DaisyRose 27B의 GPQA 및 IFBench 행은 오늘 실행 중인 모델과 동일한 하네스에 올려놓고 어떤 일이 일어나는지 볼 충분한 이유가 됩니다.
