Granite Switch 4.1 30B vs Granite 4.2 30B: twee IBM 30B's die niet concurreren

Hier is het lastige deel van het naast elkaar plaatsen van Granite Switch 4.1 30B naast Granite 4.2 30B: ze zijn niet hetzelfde soort artefact, dus de meeste directe vergelijkingen vallen bij contact uiteen. Granite 4.2 30B is een model — een dense 30B-redeneerder die IBM onder Apache-2.0 heeft gepubliceerd, met denkmodi en agentische tool-calling. Granite Switch 4.1 30B, waarvan de weights op 14 oktober 2026 zijn verschenen, is een runtime: het bevriest een Granite-basis, koppelt er verwisselbare adapters aan en verkoopt je drie capaciteiten uit één checkpoint. Je kiest niet tussen hen zoals je tussen twee modellen kiest. Je kiest of je een model wilt of een compositielaag.

Dat gezegd hebbende, er schuilt een echte beslissing onder de categoriefout, en die heeft niets met benchmarks te maken. Switch 4.1 30B is gebouwd op de Granite 4.1 30B-basis. Granite 4.2 30B is een nieuwere generatie van dezelfde familie, en het is meetbaar het sterkere algemene model. De eigenlijke vraag is dus of de schakelmachinerie het waard is om een generatie basismodel op te geven — en dat antwoord verschilt al naargelang je een model aanroept of er een in productie brengt.

Zij aan zij, dimensie voor dimensie

• Wat het is — Switch 4.1 30B is een samengesteld checkpoint (bevroren basis + twee geactiveerde LoRA-adapters + een spraakencoder); Granite 4.2 30B is een enkel dense decoder-only-model.

• Parameters — Switch 4.1 30B komt uit op 29.989.814.272 tegen een basis van 28.865.728.512, een delta van +3,89%; Granite 4.2 30B is een dense model van 30B zonder adaptertoeslag, omdat het geen adapters heeft.

• Context — 131.072 tokens native op beide, waarbij IBM een long-context-uitbreiding naar 512K documenteert aan de kant van Granite 4.2.

• Denkmodus — Granite 4.2 30B heeft expliciete gedachteketen in <think>-tags met selecteerbare inspanning; Switch 4.1 30B heeft geen redeneermodus die in het chatsjabloon is ingebouwd.

• Verder dan tekst — Switch 4.1 30B accepteert audio en retourneert een transcript plus een gekalibreerde beslissingsverdeling; Granite 4.2 30B doet geen van beide.

• Kwantificaties — Granite 4.2 30B wordt geleverd in BF16 plus FP8-, NVFP4-, MXFP4-, GGUF- en MLX-builds; de Switch-checkpoints worden in één precisie geleverd, zonder officiële gekwantiseerde build op het moment van schrijven.

• Licentie — Apache-2.0 op beide.

• Gepubliceerde scores — Granite 4.2 30B heeft een volledige benchmarktabel (door de leverancier uitgevoerd); Switch 4.1 30B heeft één getal, de Decision Index, en die meet iets heel anders.

Waar Granite 4.2 30B ronduit wint

Op het gebied van algemene capaciteiten liggen ze niet dicht bij elkaar, en dat is ook niet de bedoeling. De eigen modelkaart van IBM voor Granite 4.2 30B rapporteert 77,60 op MMLU-Pro, 89,17 op AIME 2025 en 66,41 op GPQA, met 57,00 op SWE-bench Verified en 29,24 op Terminal-Bench 2.1 — allemaal opgegeven door de leverancier, gedraaid via een op NeMo gebaseerde harness binnen het eigen evaluatieraamwerk van IBM, en niets ervan is door iemand buiten IBM gereproduceerd. Behandel de cijfers als een bewering van de leverancier, en ze zijn nog steeds de enige vergelijkende gegevens die voor een van beide modellen bestaan.

Het structurele punt is belangrijker dan de scores. Granite 4.2 30B is getraind als een redeneermodel met agentische reinforcement learning, en het wordt geleverd met de bijbehorende tooling: gekwantiseerde builds voor de hardware die mensen daadwerkelijk bezitten, een uitbreidingspad voor lange context, en een gedocumenteerde schakelaar voor de denkmodus. Granite Switch 4.1 30B is gebouwd door een bevroren basis met adapters samen te stellen, en de basis daaronder is een generatie ouder. Als je één model moeilijke vragen goed wilt laten beantwoorden, dan is het nieuwere dense model wat je wilt.

Waar Granite Switch 4.1 30B overtuigend wint

Drie plekken, en geen ervan is een benchmark.

Het eerste is dat het een andere vraagvorm beantwoordt. De beslissingsadapter neemt een toestand en een vraag met gelabelde opties en retourneert in één forward pass een gekalibreerde kansverdeling over die labels — het voorbeeld op de kaart geeft iets als A: 0.982, B: 0.0035, C: 0.014. Dat is geen chat-completion die je met een regex parseert. Routeren op een softmax over optie-logits is een andere bewerking dan een model vragen om alsjeblieft met één letter te antwoorden, en het hele ontwerp is erop gebouwd zodat de gekalibreerde uitlezing beschikbaar is zonder een tweede model op de machine.

Het tweede is audio. De ingebouwde 470M Granite Speech 5.0 TurboCTC-encoder transcribeert binnenkomende audio en voegt het transcript in de chatcontext in op de plaats van het audiogegevenselement, zodat een spraakverzoek een gewoon chatverzoek is met een input_audio-onderdeel. Of dat een goed idee is, hangt volledig af van één voorbehoud dat IBM in zijn eigen kaart heeft opgeschreven: de encoder en het taalmodel zijn niet gezamenlijk getraind, er is geen getrainde projectie die hen koppelt, en de uitvoer is alleen in het Engels, in kleine letters en zonder leestekens. Een foutieve transcriptie verandert onopgemerkt de vraag die het model beantwoordt.

De derde is de parameteroverhead, en dit is het getal dat de release zal overleven. De samengestelde checkpoint is 3,89% groter dan de basis, omdat elke adapter de KV-cache van het basismodel leest in plaats van zijn eigen attention-state bij te houden. In een conventionele multi-adapteropstelling is elke adapter waartussen je wisselt weer een extra set attention-state, en de geheugenrekening groeit met het aantal. Hier betaal je 1,12 miljard extra parameters voor een veiligheidsclassifier, een beslissingsengine en een spraakencoder, en de switch zelf is een requestparameter die de chat-template oplost — geen tweede deployment die je moet opzetten en warm houden.

De valkuil in de cijfers: 50,1 is geen kleinere 77,60

De allerwaarschijnlijkste manier om dit paar verkeerd te lezen is om de bij het Switch-model horende 50.1 naast de bij Granite 4.2 30B horende 77.60 te zetten en te concluderen dat het Switch-model twee derde van het model is. Die twee cijfers beschrijven niet hetzelfde en de vergelijking is zinloos.

De 50,1 is een Decision Index-score — editie v0.3, openbare snelle subset van 1.068 rijen — die meet hoe goed de beslissingsadapter gelabelde opties rangschikt, met een uitsplitsing per gebied: Kennis 32,4, Taal 58,6, Retrieval 49,8, Hulpmiddelen 76,5 en Kunsten 26,4. Het is een score voor één adapter die één taak uitvoert, en zegt helemaal niets over de chatkwaliteit van het basismodel, omdat het onderliggende basismodel niet door de adapter wordt aangetast. De 77,60 is MMLU-Pro, een benchmark voor algemene kennis voor het hele model. Verschillende assen, verschillende harnassen, verschillende auteurs. Het enige juiste gebruik van elk van beide getallen is als bewijs voor wat het daadwerkelijk heeft gemeten.

Lees de vorm van de Decision Index in plaats van de kop ervan, en je krijgt iets echt nuttigs: 76,5 op Tools naast 26,4 op Arts zegt dat deze adapter het waard is om in te zetten voor beslissingen in de trant van toolselectie, en dat er niet op vertrouwd mag worden bij creatieve of open-domeinclassificatie zonder je eigen evaluatie. Dat is een zin waar je meer mee kunt dan met welke totaalscore dan ook.

Wat bepaalt het eigenlijk

Als je een model aanroept — één endpoint, één prompt, één antwoord — is Granite 4.2 30B het nieuwere en betere model en er is geen reden om het Switch checkpoint heen te routeren om het te krijgen.

Als u er een uitbrengt, verandert de rekensom. Een team dat een systeem bouwt dat moet antwoorden, beslissen en transcriberen, draait anders drie processen met drie latenties en drie geheugenvoetafdrukken; de Switch-build brengt dat terug tot één checkpoint dat 3,89% meer kost dan de basis die het vervangt. Een team dat een gekalibreerde waarschijnlijkheid over een vaste labelset nodig heeft, heeft in Granite 4.2 30B helemaal geen equivalent, en erom prompten is niet hetzelfde.

Het addertje onder het gras is de basis. De compositielaag kopen betekent dat je de generatie-1-basis accepteert, en er is vandaag geen Switch-checkpoint dat op de Granite 4.2-basis is gebouwd. IBM heeft gezegd dat er "in de komende weken" meer data aankomt en heeft de composer beschreven als de weg vooruit — iedereen kan een Switch-checkpoint bouwen op basis van elke Granite-basis en elke subset van adapters, met de granite-switch-tooling. Of IBM dat voor de 4.2-lijn doet, is het punt om in de gaten te houden, want die release zou deze hele afweging wegnemen.

Beide draaien zonder op een van beide te wedden

Geen van beide modellen staat vandaag in de OrcaRouter-catalogus, dus beide betekenen je eigen hardware en de releasekanalen van IBM. Dat kun je maar beter ronduit zeggen in plaats van te suggereren dat er een gehost endpoint bestaat.

Wat het platform verandert, is de kosten om erachter te komen. Eén sleutel dekt 200+ modellen met automatische failover, en de listprijs van de provider wordt doorgegeven met 0% opslag, dus wanneer een model dat je evalueert wel een gehoste route krijgt, is het meten ervan tegen wat al in productie is een configuratiewijziging in plaats van een tweede leverancierscontract. In deze specifieke vergelijking maakt dat uit, omdat beide kanten op dezelfde manier onopgelost zijn: de benchmarktabel van Granite 4.2 30B is van IBM zelf en niet gereproduceerd, en Granite Switch 4.1 30B heeft in wezen één gepubliceerd cijfer en helemaal geen onafhankelijke evaluatie. Geen van beide verdient een productieplek op basis van de modelkaart. Beide verdienen een week van je eigen verkeer.

Vonnis

Granite 4.2 30B is het betere model. Granite Switch 4.1 30B is het interessantere artefact, en het is juist dat artefact dat je vertelt waar IBM denkt dat enterprise-inferentie naartoe gaat — niet een groter model, maar een kleinere rekening voor dezelfde reeks capaciteiten, verkregen door goedkope adapters op één bevroren basis samen te stellen en de KV-cache daartussen te delen.

Kies het 4.2-model als je antwoorden nodig hebt. Kies het Switch-checkpoint als je routeringsbeslissingen, een veiligheidsoordeel en een transcript uit één proces nodig hebt en je kunt leven met een basismodel dat één generatie achterloopt. Negeer iedereen die hun scores met elkaar vergelijkt; de cijfers meten niet hetzelfde.