Nanbeige4.3-33B vs Granite 4.2 30B: claims tegen compliance

De beslissing tussen Nanbeige4.3-33B en Granite 4.2 30B wordt genomen in een inkoopvergadering, niet op een leaderboard. Beide zijn ruwweg dichte modellen met 30 miljard parameters onder Apache 2.0, beide zijn deze week te downloaden, en beide claimen een limiet van 512K tokens. Maar de ene wordt verkocht door IBM met ondertekende artefacten en een supportcontract, en de andere is een twee dagen oude repository van een Chinees lab dat geen lanceringsaankondiging heeft gepubliceerd. IBM's Granite 4.2 30B verscheen op 25 augustus 2026; Nanbeige4.3-33B verscheen op 24 oktober 2026 op Hugging Face. Ze zijn niet echt rivalen voor dezelfde aankoop, en dat is precies waarom de vergelijking zorgvuldig de moeite waard is.

Wat volgt is geen winnaar. Het is een shortlistlogica: de vier vragen die deze modellen werkelijk van elkaar onderscheiden, met het bewijs waarop elk antwoord berust en de plekken waar dat bewijs zwakker is dan het lijkt.

Twee producten met hetzelfde aantal parameters

Granite 4.2 30B is het topmodel van IBM's Granite 4.2-lijn — 3B, 8B en 30B, allemaal dense. Het is gebouwd op Granite-4.1-30B-Base, vooraf getraind op ruwweg 15 biljoen tokens, waaronder ongeveer een biljoen synthetische codetokens, en heeft daarna een agentische reinforcement-learningfase gekregen voor de 8B- en 30B-modellen. Het wordt geleverd met drie redeneermodi (thinking, non-thinking, low-effort), native tool calling in OpenAI-formaat, en FP8- en 4-bit-builds. IBM vermeldt native ondersteuning voor vLLM en SGLang, inclusief een granite_thinking_parser.

Nanbeige4.3-33B is één enkel dense checkpoint van Nanbeige LLM Lab, het AI-team onder Kanzhun, het bedrijf achter BOSS Zhipin. De bijbehorende modelkaart is ongewoon specifiek over deployment: 33,1B parameters, een context van 524.288 tokens, Engels en Chinees, denken standaard ingeschakeld, een XML-indeling voor tool-aanroepen die boven JSON wordt aanbevolen, en een preserve_thinking-flag gericht op meerbeurtig toolgebruik. Het model wordt expliciet gepositioneerd als leraarmodel voor een kleiner zustermodel, Nanbeige4.3-3B, dat nog niet is uitgebracht.

Het verschil in intentie is belangrijk. Granite is een productlijn met een enterprise-ondersteuningstraject. Nanbeige4.3-33B is een onderzoeksartefact dat is uitgebracht om een familie op te starten. De ene is gemaakt om gekocht te worden; de andere is gemaakt om uit gedistilleerd te worden.

De enige rij die beide labs daadwerkelijk hebben uitgevoerd

De kaart van Nanbeige vergelijkt zichzelf met Qwen3.8-27B, Muse-Glimmer-30B en Gemma 4 31B. De Granite-materialen van IBM noemen Nanbeige helemaal niet. Dus de twee kaarten delen precies één benchmark waarop een directe vergelijking zelfs nominaal mogelijk is: Terminal-Bench 2.1.

• Terminal-Bench 2.1 — Nanbeige4.3-33B 80.9 (Nanbeige's kaart) tegen Granite 4.2 30B 29.24 (IBM's kaart). Een verschil van 51,7 punten in het voordeel van Nanbeige.

Dat is het grootste beweerde verschil tussen twee leverancierstabellen in deze hele vergelijking, en er zijn drie kanttekeningen nodig voordat het iets betekent. Ten eerste zijn beide cijfers door de leverancier gerapporteerd. Ten tweede staat op de kaart van Nanbeige dat de Terminal-Bench 2.1-run Terminus 2 gebruikte; op de kaart van IBM staat niet welk scaffold is gebruikt. Ten derde meet een terminalbenchmark een model plus een agent-loop, en een verschil van 51 punten kan net zo goed uit de loop komen als uit de gewichten. Een model met een goed afgestelde harness en een model met een standaardharness zullen op dezelfde nominale benchmark tientallen punten uit elkaar lopen.

De op één na dichtstbijzijnde gedeelde rij is GPQA Diamond: Nanbeige rapporteert 89,5, IBM rapporteert 66,41. Dat is een echte kloof op een kennisbenchmark en die is groot genoeg om verschillen in harnessen te overleven, maar het meet ook iets anders dan agentisch coderen — wetenschapsvragen op masterniveau, geen langdurig toolgebruik over een lange horizon. Het zegt dat Nanbeige op basis van dit bewijs de sterkere redeneerder van de twee is. Het zegt niet dat het de sterkere agent is.

Al het overige is niet vergelijkbaar. Nanbeige rapporteert SWE-Bench Pro op 60,3; IBM rapporteert SWE-Bench Verified op 57,00 — verschillende varianten, verschillende moeilijkheidsgraad. Nanbeige rapporteert AIME 2026 op 95,2; IBM rapporteert AIME25 op 89,17 — verschillende jaren. Nanbeige rapporteert JobBench en DeepPlanning; IBM rapporteert τ³-bench 62,00, BFCL v4 61,39, MMLU-Pro 77,60, LiveCodeBench v6 75,77 en RULER 128K 81,38. Geen daarvan heeft een tegenhanger bij Nanbeige.

Twee 512K-claims die niet dezelfde claim zijn

Beide modellen adverteren met een plafond van 512K. Ze bereiken dat op verschillende manieren, en het verschil blijkt uit wat elke leverancier bereid was te publiceren.

• Native contextvenster — Nanbeige4.3-33B: 524,288 tokens, native. Granite 4.2 30B: 131,072 tokens, native.

• Verruimd plafond — Granite 4.2 30B biedt een uitbreiding van de lange context tot 512K. Nanbeige heeft die niet nodig; 512K is het getrainde venster.

• Bewijs voor lange context — IBM publiceert RULER op 128K: 81,38. Nanbeige publiceert AA-LCR op 84,0, een benchmark voor redeneren met lange context, maar geen recall-benchmark op een vermelde diepte.

• Uitvoer — Nanbeiges kaart adviseert tot 262.144 nieuwe tokens voor redeneren en chatten, en 65.536 voor agentisch en tool-gebruik-werk. IBM's aanbevolen max_new_tokens is 8.192 in denkmodus en 2.048 in niet-denkmodus.

Die laatste zin is de praktische. Een invoervenster van 512K gecombineerd met een aanbevolen uitvoer van 8K is een model dat is gebouwd om veel te lezen en kort te antwoorden. Een venster van 512K gecombineerd met een generatiebudget van 262K is een model dat is gebouwd om lange artefacten te produceren. Als je werk erin bestaat "de repository in te lezen, de migratie te schrijven", dan zijn het geen gelijkwaardige producten, zelfs niet bij dezelfde nominale contextlengte.

Tool calling, denkmodi en de integratiebelasting

Het tool calling van Granite is native en in OpenAI-formaat, met een score van 61,39 op BFCL v4 in IBM's eigen evaluatie. Dat betekent dat het direct werkt in een standaardclient voor functieaanroepen, zonder een aangepaste parser. IBM publiceert ook een thinking-parser voor vLLM, zodat de redeneersporen netjes gescheiden worden van het antwoord.

Nanbeige4.3-33B hanteert de tegenovergestelde aanpak: het raadt tool_call_format="xml" aan voor de beste prestaties, levert een ChatML-achtige sjabloon mee en vraagt je om de Qwen3 reasoning-parser en Qwen3-Coder tool-parser in vLLM of SGLang te gebruiken. Dat is geen defect — veel sterke agentmodellen gebruiken XML-toolcalls — maar het is integratiewerk. Als jouw stack OpenAI tool-JSON spreekt, heeft Nanbeige ofwel een vertaallaag nodig ofwel zijn JSON-modus, die volgens de kaart wordt ondersteund maar niet de voorkeur heeft.

Dit is de prijs die benchmarktabellen nooit laten zien. Een model dat 20 punten beter is op een harness die je zelf moet herbouwen, is op dinsdag geen 20 punten beter. Het voordeel van Granite hier is niet capaciteit; het is dat de bedrading gedocumenteerd, standaard en ondersteund is door een leverancier met een bugtracker.

De compliance-lijn

IBM levert Granite met cryptografische handtekeningen, ISO-certificering en transparantieverklaringen. Voor een gereguleerde koper is dat geen marketing — het is het verschil tussen een model dat een goedkeuringsproces kan doorlopen en een dat dat niet kan. IBM is ook de wederpartij: er is een contract, een ondersteuningspad en een bedrijf dat nog steeds bestaat binnen het tijdsbestek van de inkoopcyclus.

Nanbeige4.3-33B heeft een Apache 2.0-licentie, die juridisch ruimhartig en commercieel bruikbaar is. Er is geen enterprise-supportcontract, geen programma voor ondertekende artefacten en geen gepubliceerde verklaring over de herkomst van gegevens verder dan de modelkaart. Het lab maakt deel uit van Kanzhun, een beursgenoteerd Chinees bedrijf, en het model is tweetalig Engels–Chinees. Niets daarvan diskwalificeert het. Dit is allemaal precies waar een beveiligingsbeoordeling naar zal vragen, en het eerlijke antwoord vandaag is dat het bewijs aan de Nanbeige-kant dunner is.

Voor een team dat buiten een gereguleerd proces valt, is deze sectie irrelevant en kun je die overslaan. Voor een team dat binnen een dergelijk proces valt, kan deze sectie de kwestie al beslechten voordat de benchmarks zijn gelezen.

Wat een token kost, en wat een GPU kost

Granite 4.2 30B is beschikbaar als beheerde API voor $0,16 per miljoen invoertokens en $0,65 per miljoen uitvoertokens, met 75% korting op cache, ongeveer 47,5 uitvoertokens per seconde en een tijd tot het eerste token van 0,82 seconden. Artificial Analysis schat de kosten op ongeveer $0,07 per Intelligence Index-taak. De gewichten zijn ook downloadbaar, ongeveer 60GB in BF16 of 30GB bij 8-bit — een implementatie op één GPU.

Nanbeige4.3-33B heeft geen gepubliceerde prijs per token, omdat niemand het host. De modelkaart vermeldt duidelijk dat geen enkele inferentieprovider het model inzet. Zelf hosten betekent ongeveer 66 GB in BF16, of ruwweg 20 GB bij 4-bit, waarbij de eigen recepten van de leverancier tensor-parallelgrootte 4 gebruiken. Dat zijn vier GPU's die bezet worden gehouden, of er nu verkeer binnenkomt of niet.

Zet de twee getallen eerlijk naast elkaar, en de vergelijking gaat tussen een factuur op basis van verbruik die bij nul begint en een kapitaaluitgave die bij vier GPU's begint. Bij laag volume is Granite een orde van grootte goedkoper. Bij aanhoudend hoog volume kan een zelfgehoste 33B winnen — maar alleen als de bezettingsgraad hoog genoeg is om de hardware af te schrijven, en alleen als je de engineeringtijd op nul waardeert. De meeste teams ontdekken dat die niet nul is.

Geen van beide modellen staat op onze router, en dat is het waard om ronduit te zeggen.

OrcaRouter heeft vandaag geen Nanbeige4.3-33B of Granite 4.2 30B in het aanbod. We gaan niet doen alsof dat anders is, want een lezer die zich aanmeldt in de verwachting een van beide modellen aan te treffen, zou een dag verliezen aan de ontdekking dat de catalogus ze niet bevat.

Wat de routeringslaag nog doet, is de rest van de beslissing goedkoop houden. Als je al een gevestigd model via ons endpoint draait, is een zelfgehoste Nanbeige achter dezelfde sleutel toevoegen en er een deel van het verkeer naartoe sturen een configuratiewijziging in plaats van een tweede integratie. Ons model met 0% markup — de lijstprijs van de provider wordt doorgegeven — betekent ook dat wanneer IBM of een andere host de Granite-prijs wijzigt, het getal dat je ziet meebeweegt in plaats van achter te lopen op de marge van een reseller. Dat maakt geen van beide modellen beschikbaar. Het maakt het experiment eromheen goedkoper om uit te voeren.

Een shortlist, geen winnaar

• Als je een contract, handtekeningen en een ondersteuningstraject nodig hebt: Granite 4.2 30B, en dan maakt de kloof in de benchmarks niet meer uit.

• Als je de sterkste geclaimde agentische codeerprestaties in deze grootteklasse nodig hebt: Nanbeige4.3-33B, met de kanttekening dat de 80,9 op Terminal-Bench 2.1 nooit buiten de eigen modelkaart is gereproduceerd.

• Als je native 512K-invoer met lange uitvoer nodig hebt: Nanbeige4.3-33B. Granite bereikt 512K door extensie en raadt 8K-uitvoer aan.

• Als je Chinees nodig hebt: beide modellen vermelden het. De modelkaart van Granite noemt Chinees onder 12 talen; die van Nanbeige vermeldt Engels en Chinees. Taal is hier niet de doorslaggevende factor.

• Als je vandaag zonder GPU's moet beginnen: Granite 4.2 30B via IBM's API. Nanbeige heeft helemaal geen gehoste optie.

De ongemakkelijke samenvatting is dat deze modellen qua klasse zo dicht bij elkaar liggen dat de beslissing wordt bepaald door de beperkingen eromheen — inkoop, implementatie, taal, modaliteit — en niet door de rij van 51 punten. Die rij is misschien wel echt. Het is ook de minst verifieerbare bewering in dit artikel, en het zou de laatste reden moeten zijn om een model te kiezen, niet de eerste.