Xing 4.0 29B-A4B vs Granite 4.2 30B: Dense leest alles, Sparse leest een negende

Hier is het hele architectonische argument in één zin. G​ranite 4.2 30B, I​BM's dense redeneermodel, gepubliceerd onder Apache 2.0 op 25 augustus 2026, leest alle dertig miljard van zijn parameters om elk afzonderlijk token te produceren. Xing 4.0 29B-A4B, China Telecoms sparse mixture-of-experts-model waarvan de gewichten op 16 september 2026 online werden gezet en dat halverwege oktober aanroepbaar werd, leest ongeveer vier miljard van zijn negenentwintig miljard. Beide zijn Apache-2.0, beide vallen in dezelfde gewichtsklasse, beide richten zich op agentisch werk, en ze kosten je totaal verschillende dingen om te draaien: G​ranite kost rekenkracht bij elk token, Xing kost geheugen om experts vast te houden die je bij dit token niet gebruikt, en een serving-stack die weet hoe hij daaromheen moet routeren. Alles hieronder volgt daaruit.

Wat elk artefact werkelijk is

Het is de moeite waard om ze te scheiden van het label dat ze delen. "30B" vertelt je de grootte van een bestand, niet de vorm van een workload.

• G​ranite 4.2 30B — I​BM's vlaggenschip in de G​ranite 4.2-familie, gebouwd op G​ranite-4.1-30B-Base. Een dense reasoning-transformer met alleen een decoder, 30B parameters (de repository vermeldt 29B in BF16-tensoren), grouped-query-attentie met 32 attention-heads tegenover 8 key-value-heads, RoPE bij θ = 10.000.000, SwiGLU-MLP met een hidden size van 32.768, niet-gekoppelde input- en output-embeddings, RMSNorm bij ε = 1e-5. Twaalf geteste talen. Apache 2.0.

• Xing 4.0 29B-A4B — TeleAI's opvolger van de TeleChat-lijn. 40 lagen, verborgen grootte 3.584, dense FFN-tussenlaag 9.216 tegenover een expert-tussenlaag van 1.024, 64 gerouteerde experts met 4 actief per token plus één gedeelde expert die altijd aan staat, MLA gecomprimeerde sleutel-waarde-attentie in plaats van GQA, en MTP speculatieve decoding die in het checkpoint is getraind. In de praktijk één geteste taal op de kaart. Apache 2.0.

• Context — G​ranite 4.2 30B ondersteunt standaard 128K, met een gedocumenteerde uitbreiding naar een lange context van 512K en een configuratiereekslengte van 131.072. Xing 4.0 biedt standaard 256K en zou uitbreidbaar zijn tot 512K. Het standaardvenster van Xing is twee keer zo breed; het uitbreidingspad van G​ranite is van de twee het best gedocumenteerd.

• Gepubliceerde formaten — G​ranite 4.2 30B wordt geleverd in BF16 plus FP8-, MXFP4- en NVFP4-kwantisaties, met GGUF-builds van I​BM en uit de community. Xing 4.0 wordt geleverd in BF16-safetensors plus FP8, w8a8 en GGUF. Beide zijn hier ongewoon goed uitgerust, en beide vormen een echt voordeel ten opzichte van de vele open releases die één bfloat16-shard publiceren en de kwantisatie aan vrijwilligers overlaten.

• Beschikbaarheid — Granite 4.2 30B heeft geen endpoint met prijs per token in onze catalogus; je draait het zelf, of je bereikt het via IBM's eigen platform en andere platforms van derden voor het serveren van modellen. Xing 4.0 kreeg medio oktober een commerciële endpoint met verbruiksmeting en een gratis promotielaag, en staat ook niet in onze catalogus.

De afweging tussen geheugen en rekenkracht, eerlijk verwoord

Sparsiteit is geen korting op de hele machine; het is een korting op de ene as en een toeslag op de andere. G​ranite 4.2 30B heeft ongeveer het geheugen nodig van een dense 30B-model in bfloat16 en rekent per token over het volledige model, dus de doorvoer per eenheid hardware is voorspelbaar en het gedrag onder batchverwerking is eenvoudig. Xing 4.0 moet de volledige 29B in het geheugen houden — elke expert staat in het geheugen, of deze token hem nu raakt of niet — maar verplaatst per token slechts 4B aan gewichten door de rekenkundige bewerkingen, wat de reden is dat een 4-bits kwantisatie ervan naar verluidt in ongeveer 15GB VRAM past en dat de geaggregeerde doorvoer bij hoge gelijktijdigheid een heel andere vorm heeft.

Die bewering is het waard om te controleren voordat je op basis daarvan een kaart koopt: de repository rapporteert 31B in de volledige-precisie-tensoren, en een 4-bits build van een totaal model van 29B die op 15GB uitkomt, impliceert agressieve kwantisatie van de expertgewichten. Kijk naar de werkelijke GGUF-bestandsgrootte in plaats van de beschrijving van de collectie.

Het tweede, stilere verschil is de volwassenheid van het serving-pad. G​ranite 4.2 30B is een standaard dense transformer, wat betekent dat vrijwel elke inferentiestack het min of meer standaard ondersteunt. Xing 4.0 heeft aangepaste kernels nodig voor zijn manifold-beperkte hyper-connection-residuestromen en zijn MLA-attentie — SGLang heeft een speciale split-K-kernel voor de vierstromenindeling, vLLM heeft de architectuur, en dat is de stand van zaken. Een op maat gemaakt attention-plus-residual-ontwerp is de prijs van de architectuur, en het is geen eenmalige kostenpost als je van plan bent om te fine-tunen, te kwantiseren of ongebruikelijke batchvormen te draaien.

Waar de gepubliceerde cijfers daadwerkelijk van elkaar afwijken

Beide leveranciers publiceren hun eigen tabellen, beide zijn intern consistent, en geen van beide is onafhankelijk gereproduceerd door een derde partij op identieke testopstellingen. Vergelijk ze als beweringen, niet als metingen.

• SWE-bench Verified — Xing 4.0 75.00 vs G​ranite 4.2 30B 57.

• SWE-bench Multilingual — Xing 4.0 66.00 vs. Granite 4.2 30B 41.89.

• Terminal-Bench 2.1 — Xing 4.0 57,50 vs G​ranite 4.2 30B 29,24.

• Agentisch toolgebruik — Xing 4.0 Claw-Eval 76.55 en Tau3-Bench 64.63; G​ranite 4.2 30B τ³-bench 62.00 en BFCL v4 61.39.

• Instructieopvolging — Xing 4.0 IFBench 69,67 vs G​ranite 4.2 30B IFBench 77,17.

• Wiskunde en algemeen redeneren — G​ranite 4.2 30B AIME25 89.17, HMMT Feb25 89.17, GPQA 66.41, MMLU-Pro 77.60, LiveCodeBench v6 75.77. De kaart van Xing 4.0 vermeldt geen van deze, dus de kolommen blijven leeg in plaats van een overwinning te worden.

• Lange context — G​ranite 4.2 30B publiceert RULER op 64K (89,96) en 128K (81,38). Xing 4.0 publiceert AA.LCR op 61,00 en verder niets in de lange-contextfamilie. G​ranite wint de enige rij waar beide getallen bestaan, en het is een betekenisvolle overwinning: RULER op 128K is een veel moeilijkere test dan een gemiddelde retrievalscore.

Kijk naar de vorm, niet naar de totalen. Granite komt over als een brede, goed afgemeten generalist met een ongewoon eerlijke evaluatietabel — 20 rijen voor coderen, wiskunde, toolgebruik, documenttaken en lange context, allemaal met de harness vermeld als een NeMo Evaluator SDK-framework. Xing 4.0 komt over als een smalle specialist: enorme marges op software-engineering- en terminal-agent-benchmarks, een verlies op instruction following, en stilte overal elders. Een model zonder GPQA-getal is niet per se slecht in GPQA. Het is een model waarvan de leverancier ervoor koos om negen rijen te publiceren.

Twee eerlijke asymmetrieën

Granite 4.2 30B is nu zeven weken openbaar en krijgt de kritische aandacht die dat met zich meebrengt, waaronder onafhankelijke kwantisaties, gedetailleerde artikelen van derden en IBM's eigen gepubliceerde vergelijkingswaarden voor zijn 8B- en 3B-broertjes op elke afzonderlijke rij van de tabel. Xing 4.0 is nu een maand openbaar, heeft 53.000 repositorydownloads, heeft geen onafhankelijke evaluatie en benchmarkt zichzelf tegen herhaalde runs van rivaliserende modellen die de leverancier in zijn eigen harness heeft uitgevoerd. Een eerdere vergelijking in deze serie behandelt al hoe die vergelijkingstabel Gemma 4 behandelt; het structurele punt geldt voor elke kolom erin.

De asymmetrie loopt op één as de andere kant op. Granite 4.2 30B is een redeneermodel met een dense compute-profiel, wat betekent dat het per token traag is op een manier die inherent is aan het ontwerp en niet kan worden omzeild. Het hele argument van Xing 4.0 is dat je de geheugenvoetafdruk van een 29B-model krijgt met de rekenkracht van een 4B-model. Als dat argument op echte workloads standhoudt, is het een werkelijk betere deal voor grootschalig agentverkeer — en het is precies het argument dat de eigen SWE-bench-rij van een leverancier niet kan beslechten.

Wat het kost, en waar een router in past

Geen van beide modellen staat in de catalogus van OrcaRouter, dus wij vormen voor geen van beide een route, en dit stuk zal niet het tegendeel suggereren. Het is nog steeds de moeite waard om de relevante rekensom te maken. Granite 4.2 30B kost een kaart en verder niets, voor altijd, met de kanttekening dat je vanwege de dense compute een grotere kaart nodig hebt. Xing 4.0 kost vooraf een GPU en een weekend voor serving-integratie, of nu direct een evaluatie in de gratis tier met verbruiksmeting — en de gratis tier is de goedkoopste manier om erachter te komen of de agentische claims standhouden in je eigen repository in plaats van in een terminus-2-harness die door de auteur van het model is gedraaid.

Waar een router zijn waarde bewijst met twee modellen die we niet hosten, is aan de perimeter. Je vervangt niet het model dat je productiepad al kent; je laat de challenger ernaast draaien op een deel van het verkeer, onder een vastgestelde regel, met automatische failover, zodat een slecht antwoord of een hapering upstream nooit een gebruiker bereikt. OrcaRouter is één API vóór meer dan 200 gehoste modellen met 0% opslag — de lijstprijs van de provider wordt ongewijzigd doorgegeven, er komt niets bij — en met de routing-DSL wordt bepaald hoe de slice wordt gedefinieerd. Wanneer de evaluatie eindigt, verandert de regel en neemt de incumbent het verkeer weer over.

Als je evaluatiebudget één model bedraagt, neem dan Granite 4.2 30B wanneer het werk breed is — redeneren over lange documenten, meertalige generatie, pipelines waarin het opvolgen van instructies centraal staat, alles waarvoor je een gepubliceerd cijfer wilt voor de taak die je daadwerkelijk uitvoert. Neem Xing 4.0 29B-A4B wanneer het werk smal en agentisch is, je het zelf kunt meten, en het argument van doorvoer per kaart precies datgene is wat je koopt. De enige keuze die duidelijk verkeerd is, is Xing 4.0 kiezen op basis van alleen 75-versus-57: die twee cijfers zijn geproduceerd door verschillende laboratoria op verschillende evaluatieharnassen, en het enige wat ze betrouwbaar vaststellen, is welke leverancier een SWE-bench-rij heeft gepubliceerd.

Wat zou het beslechten?

Eén onafhankelijke evaluatie van Xing 4.0 op dezelfde harness waarop G​ranite is gemeten, met dezelfde scaffolding, zou het grootste deel van de onzekerheid in dit stuk in één middag werk door iemand met een reserve-GPU kunnen wegnemen. Zolang dat niet bestaat, is het dense model het model waarvan je de cijfers kunt gebruiken en is het sparse model het model waarvan je de cijfers moet controleren. Beide uitspraken zullen even achterhaald zijn op het moment dat de tweede niet meer waar is.

Niets daarvan is hypothetisch: de gedocumenteerde AI-fouten en agent-incidenten achter releases zoals deze zijn verzameld in the OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en markering voor betwisting bevat.