Nanbeige4.3-33B vs Granite 4.2 30B: 컴플라이언스에 반하는 주장

Nanbeige4.3-33B와 Granite 4.2 30B 중 무엇을 선택할지는 리더보드가 아니라 조달 회의에서 결정될 것이다. 둘 다 Apache 2.0 아래의 약 300억 매개변수 덴스 모델이고, 둘 다 이번 주에 다운로드할 수 있으며, 둘 다 512K 토큰 상한을 내세운다. 하지만 하나는 IBM이 서명된 아티팩트와 지원 계약을 갖춰 판매하는 제품이고, 다른 하나는 출시 발표를 내지 않은 중국 연구소의 이틀 된 저장소다. IBM의 Granite 4.2 30B는 2026년 8월 25일에 등장했고, Nanbeige4.3-33B는 2026년 10월 24일 Hugging Face에 나타났다. 이 둘은 같은 구매를 위한 진정한 경쟁자가 아니다. 바로 그렇기 때문에 이 비교는 신중하게 해 볼 가치가 있다.

다음은 승자를 가리는 결론이 아니다. 그것은 후보 압축의 논리, 곧 이 모델들을 실제로 갈라놓는 네 가지 질문이며, 각 답변이 기대는 근거와 그 근거가 겉보기보다 취약한 지점들을 함께 담고 있다.

같은 파라미터 수를 내세운 두 제품

Granite 4.2 30B는 IBM Granite 4.2 라인업의 최상위 모델입니다. 라인업은 3B, 8B, 30B로 구성되며 모두 dense 모델입니다. 이 모델은 Granite-4.1-30B-Base를 기반으로 약 15조 개 토큰(약 1조 개의 합성 코드 토큰 포함)으로 사전 학습되었고, 이후 8B와 30B 크기에는 에이전트형 강화 학습 단계를 적용했습니다. 세 가지 추론 모드(thinking, non-thinking, low-effort), OpenAI 형식의 네이티브 도구 호출, FP8 및 4비트 빌드를 제공합니다. IBM은 granite_thinking_parser를 포함한 네이티브 vLLM 및 SGLang 지원을 명시하고 있습니다.

Nanbeige4.3-33B는 BOSS Zhipin을 운영하는 기업 Kanzhun 산하 AI 팀인 Nanbeige LLM Lab의 단일 dense 체크포인트입니다. 모델 카드는 배포에 관해 유난히 구체적입니다: 33.1B 파라미터, 524,288 토큰 컨텍스트, 영어와 중국어, 기본적으로 켜져 있는 thinking, JSON보다 권장되는 XML 도구 호출 형식, 다중 턴 도구 사용을 겨냥한 preserve_thinking 플래그가 그것입니다. 이 모델은 아직 출시되지 않은 더 작은 형제 모델 Nanbeige4.3-3B의 교사 모델로 명시적으로 자리매김되어 있습니다.

의도 차이가 중요합니다. Granite는 기업 지원 경로를 갖춘 제품 라인입니다. Nanbeige4.3-33B는 하나의 제품군을 키워내기 위해 공개된 연구 결과물입니다. 하나는 판매를 목적으로 만들어졌고, 다른 하나는 증류의 원천으로 쓰이도록 만들어졌습니다.

두 연구실이 실제로 실행한 유일한 행

Nanbeige의 카드는 자사를 Qwen3.8-27B, Muse-Glimmer-30B, Gemma 4 31B와 비교한다. IBM의 Granite 자료에는 Nanbeige가 전혀 언급되지 않는다. 따라서 두 카드가 명목상으로라도 직접 대조가 가능한 벤치마크는 정확히 하나뿐이다: Terminal-Bench 2.1.

• Terminal-Bench 2.1 — Nanbeige4.3-33B 80.9(Nanbeige의 카드) 대 Granite 4.2 30B 29.24(IBM의 카드). Nanbeige에 유리한 51.7점 차이.

그것은 이 전체 비교에서 두 벤더 표 사이에서 주장된 가장 큰 차이이며, 의미를 가지려면 세 가지 단서가 필요합니다. 첫째, 두 수치 모두 벤더가 보고한 것입니다. 둘째, Nanbeige의 카드에는 Terminal-Bench 2.1 실행에 Terminus 2를 사용했다고 나와 있지만, IBM의 카드에는 스캐폴드가 명시되어 있지 않습니다. 셋째, 터미널 벤치마크는 모델에 에이전트 루프를 더한 것을 측정하며, 51점 차이는 가중치만큼이나 루프에서도 쉽게 발생할 수 있습니다. 잘 튜닝된 하네스를 갖춘 모델과 기본형 하네스를 갖춘 모델은 동일한 명목상 벤치마크에서 수십 점 차이를 보일 수 있습니다.

그다음으로 가장 가까운 공통 항목은 GPQA Diamond입니다. Nanbeige는 89.5를, IBM은 66.41을 보고합니다. 이는 지식 벤치마크에서 실제 격차이며, 하네스 차이에도 견딜 만큼 충분히 크지만, 에이전트형 코딩과는 다른 것을 측정합니다 — 장기적 도구 사용이 아니라 대학원 수준 과학 질문입니다. 이 증거에 따르면 Nanbeige가 둘 중 더 강한 추론자라고 말해 줍니다. 더 강한 에이전트라고 말하는 것은 아닙니다.

나머지는 비교할 수 없습니다. Nanbeige는 SWE-Bench Pro를 60.3으로 보고하고, IBM은 SWE-Bench Verified를 57.00으로 보고합니다 — 서로 다른 변형이고 난이도도 다릅니다. Nanbeige는 AIME 2026을 95.2로 보고하고, IBM은 AIME25를 89.17로 보고합니다 — 연도가 다릅니다. Nanbeige는 JobBench와 DeepPlanning을 보고하며, IBM은 τ³-bench 62.00, BFCL v4 61.39, MMLU-Pro 77.60, LiveCodeBench v6 75.77, RULER 128K 81.38을 보고합니다. 이 중 어느 것도 Nanbeige에 대응하는 항목이 없습니다.

동일한 청구가 아닌 두 건의 512K 청구

두 모델 모두 512K 상한을 광고한다. 하지만 거기에 도달하는 방식은 다르며, 그 차이는 각 벤더가 기꺼이 공개한 내용에서 드러난다.

• 네이티브 윈도우 — Nanbeige4.3-33B: 524,288 토큰, 네이티브. Granite 4.2 30B: 131,072 토큰, 네이티브.

• 확장된 상한 — Granite 4.2 30B는 512K까지의 긴 컨텍스트 확장을 제공합니다. Nanbeige는 그럴 필요가 없습니다; 512K가 학습된 윈도우입니다.

• 장문맥 근거 — IBM은 128K에서 RULER 81.38을 발표했습니다. Nanbeige는 장문맥 추론 벤치마크인 AA-LCR을 84.0으로 발표했지만, 명시된 깊이에서의 회상 벤치마크는 아닙니다.

• 출력 — Nanbeige의 카드에서는 추론 및 채팅에 최대 262,144개의 새 토큰을, 에이전트 및 도구 사용 작업에는 65,536개를 권장합니다. IBM의 권장 max_new_tokens는 사고 모드에서 8,192, 비사고 모드에서 2,048입니다.

마지막 문장이 실용적인 핵심입니다. 512K 입력 윈도에 8K 출력 권장 사항이 결합된 모델은 많이 읽고 짧게 답하도록 만들어진 모델입니다. 512K 윈도에 262K 생성 예산이 결합된 모델은 긴 결과물을 생산하도록 만들어진 모델입니다. 당신의 작업이 '리포지토리를 읽어 들이고 마이그레이션을 작성하는 것'이라면, 동일한 명목 컨텍스트 길이에서도 이들은 동등한 제품이 아닙니다.

도구 호출, 사고 모드, 그리고 통합 비용

Granite의 도구 호출은 OpenAI 형식이자 네이티브이며, IBM 자체 평가에서 BFCL v4 점수는 61.39입니다. 즉, 사용자 지정 파서 없이 표준 함수 호출 클라이언트에 바로 통합됩니다. IBM은 vLLM용 사고 파서도 공개하므로 추론 추적이 답변과 깔끔하게 분리됩니다.

Nanbeige4.3-33B는 반대 접근을 취합니다. 최상의 성능을 위해 tool_call_format="xml"을 권장하고, ChatML 스타일 템플릿을 제공하며, vLLM 또는 SGLang에서 Qwen3 추론 파서와 Qwen3-Coder 도구 파서를 사용하도록 요구합니다. 이는 결함이 아닙니다 — 많은 강력한 에이전트 모델이 XML 도구 호출을 사용합니다 — 하지만 통합 작업이 필요합니다. 여러분의 스택이 OpenAI 도구 JSON을 사용한다면, Nanbeige에는 번역 계층이나 JSON 모드가 필요하며, 카드에는 JSON 모드가 지원되지만 선호되지는 않는다고 나와 있습니다.

이것은 벤치마크 표가 결코 보여주지 않는 비용이다. 직접 다시 구축해야 하는 하네스에서 20점 더 나은 모델이 화요일에도 20점 더 나은 것은 아니다. 여기서 Granite의 장점은 성능이 아니라, 연결 방식이 문서화되어 있고 표준이며 버그 추적기를 갖춘 벤더의 지원을 받는다는 점이다.

컴플라이언스 라인

IBM은 암호화 서명, ISO 인증, 투명성 공개 자료를 갖춰 Granite를 제공합니다. 규제를 받는 구매자에게 이는 마케팅이 아니라, 승인 절차를 통과할 수 있는 모델과 그럴 수 없는 모델을 가르는 차이입니다. IBM은 또한 계약 상대방입니다. 계약이 있고, 지원 경로가 있으며, 조달 주기의 시간 범위 안에도 여전히 존재할 회사입니다.

Nanbeige4.3-33B는 Apache 2.0 라이선스를 갖고 있으며, 이는 법적으로 허용적이고 상업적으로 사용할 수 있습니다. 기업 지원 계약, 서명된 아티팩트 프로그램, 모델 카드 이상의 공개된 데이터 출처 명세는 없습니다. 이 연구소는 중국 상장사인 Kanzhun의 일부이며, 이 모델은 영어–중국어 이중 언어입니다. 그중 어느 것도 결격 사유가 되지 않습니다. 이 모든 것은 보안 검토에서 질문이 나올 만한 사안이며, 오늘날 솔직한 답은 Nanbeige 쪽의 증거가 더 빈약하다는 것입니다.

규제 프로세스 밖에 있는 팀에게 이 섹션은 무관하므로 건너뛰어도 됩니다. 규제 프로세스 안에 있는 팀에게는 벤치마크를 읽기도 전에 그 질문에 대한 답을 결정지을 수도 있습니다.

토큰에는 비용이 얼마나 들고, GPU에는 비용이 얼마나 드는가

Granite 4.2 30B는 관리형 API로 제공되며, 백만 입력 토큰당 $0.16, 백만 출력 토큰당 $0.65이고 75% 캐시 할인이 적용됩니다. 초당 약 47.5 출력 토큰, 첫 토큰까지 0.82초입니다. Artificial Analysis는 Intelligence Index 작업당 비용을 약 $0.07로 추정합니다. 가중치도 다운로드할 수 있으며, BF16 기준 약 60GB 또는 8비트 기준 30GB로 단일 GPU 배포가 가능합니다.

Nanbeige4.3-33B는 아무도 호스팅하지 않기 때문에 공개된 토큰당 가격이 없습니다. 모델 카드에는 어떤 추론 제공자도 이 모델을 배포하지 않는다고 분명히 명시되어 있습니다. 셀프 호스팅은 BF16 기준 약 66GB, 4비트 기준 대략 20GB를 의미하며, 벤더 자체 레시피는 텐서 병렬 크기 4를 사용합니다. 즉, 트래픽이 들어오든 안 들어오든 네 개의 GPU를 계속 열어 두어야 합니다.

두 숫자를 솔직하게 나란히 놓고 보면, 비교는 0에서 시작하는 사용량 기반 청구서와 GPU 4대에서 시작하는 자본 지출 사이의 비교입니다. 낮은 볼륨에서는 Granite가 10배 더 저렴합니다. 지속적으로 높은 볼륨에서는 자체 호스팅 33B가 이길 수 있습니다. 하지만 하드웨어 비용을 상각할 만큼 활용률이 충분히 높아야 하고, 엔지니어링 시간을 0으로 평가할 때만 그렇습니다. 대부분의 팀은 그 시간이 0이 아니라는 사실을 알게 됩니다.

두 모델 모두 우리 라우터에 없으며, 이 점은 분명히 말할 가치가 있습니다.

OrcaRouter는 현재 Nanbeige4.3-33B나 Granite 4.2 30B를 제공하지 않습니다. 우리는 아닌 척하지 않겠습니다. 두 모델 중 하나를 기대하고 가입한 독자라면 카탈로그에 해당 모델이 없다는 사실을 확인하느라 하루를 허비하게 될 테니까요.

라우팅 계층이 여전히 하는 일은 나머지 의사결정을 저렴하게 유지하는 것입니다. 이미 기존 모델을 우리 엔드포인트를 통해 운영하고 있다면, 동일한 키 뒤에 자체 호스팅 Nanbeige를 추가하고 트래픽의 일부를 보내는 것은 두 번째 통합이 아니라 구성 변경입니다. 제공업체 정가를 그대로 전달하는 0% 마크업 모델은 또한 IBM이나 다른 호스트가 Granite 가격을 변경할 때 여러분이 보는 숫자가 리셀러 마진 뒤에 뒤처지지 않고 그에 맞춰 움직인다는 것을 의미합니다. 그것이 두 모델 중 어느 하나를 사용 가능하게 만드는 것은 아닙니다. 그 주변의 실험을 더 저렴하게 실행할 수 있게 할 뿐입니다.

최종 후보 명단일 뿐, 우승자는 아닙니다

• 계약, 서명, 지원 경로가 필요하다면: Granite 4.2 30B이며, 그러면 벤치마크 격차는 더 이상 중요하지 않습니다.

• 이 크기 클래스에서 가장 강력하다고 주장되는 에이전틱 코딩 성능이 필요하다면: Nanbeige4.3-33B, 단 Terminal-Bench 2.1에서의 80.9 점수는 자사 모델 카드 외부에서 재현된 적이 없다는 점을 유의해야 합니다.

• 네이티브 512K 입력과 긴 출력이 필요하다면: Nanbeige4.3-33B. Granite는 확장을 통해 512K에 도달하며 8K 출력을 권장합니다.

• 중국어가 필요하다면: 두 모델 모두 중국어를 나열합니다. Granite의 카드는 12개 언어 중 중국어를 명시하고, Nanbeige는 영어와 중국어를 나열합니다. 여기서 언어는 결정적 기준이 아닙니다.

• GPU 없이 오늘 바로 시작해야 한다면: IBM의 API를 통한 Granite 4.2 30B. Nanbeige는 호스팅 옵션이 전혀 없습니다.

불편한 요약은 이것입니다. 이 모델들은 같은 등급 안에서 충분히 비슷하기 때문에, 결정은 51점 차이 행이 아니라 그 주변의 제약—조달, 배포, 언어, 모달리티—에 의해 내려질 것입니다. 그 행은 실제일 수도 있습니다. 그것은 또한 이 글에서 가장 검증하기 어려운 단일 주장이며, 모델을 선택하는 마지막 이유가 되어야지 첫 번째 이유가 되어서는 안 됩니다.