Nanbeige4.3-33B vs Granite 4.2 30B: Twierdzenia kontra zgodność

Decyzja między Nanbeige4.3-33B a Granite 4.2 30B zapadnie na spotkaniu zakupowym, a nie na rankingu. Oba to mniej więcej 30-miliardowe modele gęste na licencji Apache 2.0, oba można pobrać w tym tygodniu i oba deklarują limit 512K tokenów. Ale jeden jest sprzedawany przez IBM z podpisanymi artefaktami i umową wsparcia, a drugi to dwudniowe repozytorium od chińskiego laboratorium, które nie opublikowało ogłoszenia o premierze. Granite 4.2 30B od IBM pojawił się 25 sierpnia 2026 r.; Nanbeige4.3-33B pojawił się na Hugging Face 24 października 2026 r. Nie są to naprawdę rywale w tym samym zakupie, i właśnie dlatego porównanie warto przeprowadzić starannie.

To, co następuje, nie jest zwycięzcą. To logika krótkiej listy: cztery pytania, które faktycznie odróżniają te modele, wraz z dowodami, na których opiera się każda odpowiedź, oraz miejscami, w których dowody są słabsze, niż się wydają.

Dwa produkty o tej samej liczbie parametrów

Granite 4.2 30B to najwyższy model w linii Granite 4.2 firmy IBM — 3B, 8B i 30B, wszystkie typu dense. Został zbudowany na Granite-4.1-30B-Base, wstępnie wytrenowany na około 15 bilionach tokenów, w tym około biliona syntetycznych tokenów kodu, a następnie przeszedł etap uczenia ze wzmocnieniem agentowym dla rozmiarów 8B i 30B. Udostępnia trzy tryby rozumowania (myślenie, bez myślenia, niski wysiłek), natywne wywoływanie narzędzi w formacie OpenAI oraz wersje FP8 i 4-bitowe. IBM wymienia natywne wsparcie dla vLLM i SGLang, w tym granite_thinking_parser.

Nanbeige4.3-33B to pojedynczy gęsty checkpoint od Nanbeige LLM Lab, zespołu AI należącego do Kanzhun, firmy stojącej za BOSS Zhipin. Jego karta modelu jest niezwykle szczegółowa, jeśli chodzi o wdrożenie: 33,1 mld parametrów, kontekst 524 288 tokenów, język angielski i chiński, myślenie domyślnie włączone, format wywołań narzędzi XML zalecany zamiast JSON oraz flaga preserve_thinking przeznaczona do wieloturowego korzystania z narzędzi. Jest wyraźnie pozycjonowany jako model nauczyciel dla mniejszego odpowiednika, Nanbeige4.3-3B, który nie został jeszcze wydany.

Różnica w intencji ma znaczenie. Granite to linia produktowa ze ścieżką wsparcia enterprise. Nanbeige4.3-33B to artefakt badawczy udostępniony po to, by zapoczątkować rodzinę modeli. Jeden powstał, by go kupowano; drugi — by z niego destylowano.

Jedyny wiersz, który oba laboratoria faktycznie wykonały

Karta Nanbeige porównuje się z Qwen3.8-27B, Muse-Glimmer-30B i Gemma 4 31B. Materiały IBM Granite w ogóle nie wspominają o Nanbeige. Zatem obie karty mają dokładnie jeden wspólny benchmark, w którym bezpośrednie porównanie jest choćby nominalnie możliwe: Terminal-Bench 2.1.

• Terminal-Bench 2.1 — Nanbeige4.3-33B 80,9 (karta Nanbeige) w porównaniu z Granite 4.2 30B 29,24 (karta IBM). Różnica 51,7 punktu na korzyść Nanbeige.

To największa deklarowana różnica między dwiema tabelami dostawców w całym tym porównaniu i zanim cokolwiek będzie znaczyć, wymaga trzech zastrzeżeń. Po pierwsze, obie liczby są zgłoszone przez dostawców. Po drugie, karta Nanbeige podaje, że jej przebieg Terminal-Bench 2.1 używał Terminus 2; karta IBM nie podaje swojego szkieletu. Po trzecie, benchmark terminalowy mierzy model plus pętlę agenta, a różnica 51 punktów może wynikać z pętli równie łatwo jak z wag. Model z dobrze dostrojonym harnessem i model z domyślnym będą się różnić o dziesiątki punktów na tym samym nominalnym benchmarku.

Kolejny najbliższy wspólny wiersz to GPQA Diamond: Nanbeige podaje 89.5, IBM podaje 66.41. To rzeczywista różnica na benchmarku wiedzy i jest wystarczająco duża, by przetrwać różnice w harnessie, ale mierzy też coś innego niż programowanie agentowe — pytania naukowe na poziomie magisterskim, a nie długoterminowe korzystanie z narzędzi. Na podstawie tych dowodów wskazuje to, że Nanbeige jest spośród tych dwóch lepszym modelem rozumującym. Nie wskazuje natomiast, że jest silniejszym agentem.

Wszystko inne nie jest porównywalne. Nanbeige podaje wynik SWE-Bench Pro na poziomie 60,3; IBM podaje SWE-Bench Verified na poziomie 57,00 — inne warianty, inny poziom trudności. Nanbeige podaje AIME 2026 na poziomie 95,2; IBM podaje AIME25 na poziomie 89,17 — inne lata. Nanbeige podaje JobBench i DeepPlanning; IBM podaje τ³-bench 62,00, BFCL v4 61,39, MMLU-Pro 77,60, LiveCodeBench v6 75,77 oraz RULER 128K 81,38. Żaden z nich nie ma odpowiednika po stronie Nanbeige.

Dwa twierdzenia o 512K, które nie są tym samym twierdzeniem

Oba modele deklarują limit 512K. Osiągają go inaczej, a różnica ujawnia się w tym, co każdy z dostawców był gotów opublikować.

• Okno natywne — Nanbeige4.3-33B: 524,288 tokenów, natywnie. Granite 4.2 30B: 131,072 tokenów, natywnie.

• Rozszerzony limit — Granite 4.2 30B oferuje rozszerzenie długiego kontekstu do 512K. Nanbeige nie potrzebuje takiego rozszerzenia; 512K to okno, na którym został wytrenowany.

• Dowody dotyczące długiego kontekstu — IBM publikuje RULER przy 128K: 81,38. Nanbeige publikuje AA-LCR z wynikiem 84,0 — benchmark rozumowania w długim kontekście, ale nie benchmark przywoływania przy podanej głębokości.

Dane wyjściowe — karta Nanbeige zaleca do 262 144 nowych tokenów na rozumowanie i czat oraz 65 536 do pracy agentowej i z użyciem narzędzi. Zalecana przez IBM wartość max_new_tokens wynosi 8192 w trybie myślenia i 2048 w trybie bez myślenia.

Ta ostatnia linia ma praktyczne znaczenie. Okno wejściowe 512K w połączeniu z rekomendacją dotyczącą wyjścia 8K to model zbudowany do czytania dużo i odpowiadania krótko. Okno 512K w połączeniu z budżetem generowania 262K to model zbudowany do tworzenia długich artefaktów. Jeśli twoja praca polega na „wczytaniu repozytorium i napisaniu migracji”, to nie są równoważne produkty, nawet przy tej samej nominalnej długości kontekstu.

Wywoływanie narzędzi, tryby myślenia i podatek integracyjny

Wywoływanie narzędzi w Granite odbywa się w formacie OpenAI i jest natywne, a BFCL v4 osiąga 61,39 w ewaluacji własnej IBM. Oznacza to, że można je podłączyć do standardowego klienta wywołującego funkcje bez niestandardowego parsera. IBM publikuje również parser myślenia dla vLLM, dzięki czemu ślady rozumowania oddzielają się czysto od odpowiedzi.

Nanbeige4.3-33B przyjmuje przeciwne podejście: zaleca tool_call_format="xml" dla najlepszej wydajności, dostarcza szablon w stylu ChatML i prosi o użycie parsera rozumowania Qwen3 oraz parsera narzędzi Qwen3-Coder w vLLM lub SGLang. To nie jest wada — wiele mocnych modeli agentowych używa wywołań narzędzi w XML — ale wymaga pracy integracyjnej. Jeśli Twój stos obsługuje JSON narzędzi OpenAI, Nanbeige potrzebuje albo warstwy tłumaczeniowej, albo swojego trybu JSON, który według karty jest obsługiwany, ale niepreferowany.

To jest koszt, którego tabele benchmarków nigdy nie pokazują. Model lepszy o 20 punktów na harnessie, który trzeba przebudować, nie jest o 20 punktów lepszy we wtorek. Przewaga Granite nie polega tu na możliwościach; polega na tym, że sposób integracji jest udokumentowany, standardowy i wspierany przez dostawcę z systemem śledzenia błędów.

Linia zgodności

IBM dostarcza Granite z podpisami kryptograficznymi, certyfikacją ISO i ujawnieniami dotyczącymi przejrzystości. Dla kupującego podlegającego regulacjom to nie marketing — to różnica między modelem, który może przejść proces zatwierdzania, a takim, który nie może. IBM jest także drugą stroną: istnieje umowa, ścieżka wsparcia i firma, która nadal będzie istnieć w horyzoncie czasowym cyklu zakupowego.

Nanbeige4.3-33B ma licencję Apache 2.0, która jest prawnie permisywna i możliwa do wykorzystania komercyjnie. Nie ma umowy wsparcia enterprise, programu podpisanych artefaktów ani opublikowanego oświadczenia o pochodzeniu danych poza kartą modelu. Laboratorium jest częścią Kanzhun, publicznej chińskiej spółki, a model jest dwujęzyczny angielsko-chiński. Nic z tego go nie dyskwalifikuje. Wszystko to są rzeczy, o które zapyta przegląd bezpieczeństwa, a uczciwa odpowiedź dzisiaj brzmi, że dowody są skromniejsze po stronie Nanbeige.

Dla zespołu działającego poza procesem regulowanym ta sekcja jest nieistotna i można ją pominąć. Dla zespołu działającego w takim procesie może ona rozstrzygnąć tę kwestię, zanim zostaną odczytane benchmarki.

Ile kosztuje token, a ile kosztuje GPU

Granite 4.2 30B jest dostępny jako zarządzane API za 0,16 USD za milion tokenów wejściowych i 0,65 USD za milion tokenów wyjściowych, z 75% zniżką za cache, około 47,5 tokenu wyjściowego na sekundę i czasem do pierwszego tokenu wynoszącym 0,82 s. Artificial Analysis szacuje jego koszt na około 0,07 USD na zadanie Intelligence Index. Wagi można również pobrać — około 60 GB w BF16 lub 30 GB w 8 bitach — co pozwala na wdrożenie na jednym GPU.

Nanbeige4.3-33B nie ma publikowanej ceny za token, ponieważ nikt go nie hostuje. Karta modelu wprost stwierdza, że żaden dostawca usług inferencji nie wdraża tego modelu. Samodzielne hostowanie oznacza około 66 GB w BF16 lub mniej więcej 20 GB w 4 bitach, a własne przepisy dostawcy zakładają rozmiar równoległości tensorowej 4. To cztery GPU utrzymywane w gotowości niezależnie od tego, czy napływa ruch.

Zestaw te dwie liczby uczciwie obok siebie, a porównanie dotyczy rachunku rozliczanego za zużycie, który zaczyna się od zera, i nakładu kapitałowego, który zaczyna się od czterech GPU. Przy niskim wolumenie Granite jest tańszy o rząd wielkości. Przy utrzymującym się wysokim wolumenie samodzielnie hostowany model 33B może wygrać — ale tylko wtedy, gdy wykorzystanie jest wystarczająco wysokie, by zamortyzować sprzęt, i tylko jeśli wyceniasz czas inżynierów na zero. Większość zespołów odkrywa, że nie jest on zerowy.

Żaden z tych modeli nie znajduje się na naszym routerze i warto to powiedzieć wprost.

OrcaRouter nie oferuje dziś modeli Nanbeige4.3-33B ani Granite 4.2 30B. Nie będziemy udawać, że jest inaczej, ponieważ czytelnik, który zarejestruje się w oczekiwaniu na którykolwiek z tych modeli, straciłby dzień, zanim odkryłby, że nie ma go w katalogu.

To, co nadal robi warstwa routingu, sprawia, że pozostała część decyzji pozostaje tania. Jeśli już uruchamiasz obecne rozwiązanie przez nasz endpoint, dodanie samodzielnie hostowanego Nanbeige za tym samym kluczem i skierowanie do niego części ruchu jest zmianą konfiguracji, a nie drugą integracją. Nasz model 0% marży — cena katalogowa dostawcy przekazywana bez zmian — oznacza również, że gdy IBM lub inny host zmienia cenę Granite, widoczna kwota zmienia się wraz z nią, zamiast pozostawać w tyle za marżą odsprzedawcy. To nie sprawia, że którykolwiek z modeli jest dostępny. Sprawia, że eksperyment wokół nich jest tańszy w przeprowadzeniu.

Lista skrócona, a nie zwycięzca

• Jeśli potrzebujesz umowy, podpisów i ścieżki wsparcia: Granite 4.2 30B, a różnica w wynikach benchmarków przestaje mieć znaczenie.

• Jeśli potrzebujesz najsilniejszej deklarowanej wydajności kodowania agentowego w tej klasie rozmiaru: Nanbeige4.3-33B, z zastrzeżeniem, że jej wynik 80,9 w Terminal-Bench 2.1 nigdy nie został odtworzony poza jej własną kartą.

• Jeśli potrzebujesz natywnego wejścia 512K z długim wyjściem: Nanbeige4.3-33B. Granite osiąga 512K dzięki rozszerzeniu i zaleca wyjścia 8K.

• Jeśli potrzebujesz chińskiego: każdy z modeli go wymienia. Karta Granite wymienia chiński wśród 12 języków; karta Nanbeige wymienia angielski i chiński. Język nie jest tu czynnikiem rozstrzygającym.

• Jeśli musisz zacząć już dziś bez GPU: Granite 4.2 30B przez API IBM. Nanbeige nie ma w ogóle opcji hostowanej.

Niewygodne podsumowanie jest takie, że te modele są na tyle bliskie w swojej klasie, że o wyborze zdecydują ograniczenia wokół nich — zakupy, wdrożenie, język, modalność — a nie wiersz z 51 punktami. Ten wiersz może być całkiem realny. Jest też jedynym najmniej weryfikowalnym twierdzeniem w tym artykule i powinien być ostatnim powodem, dla którego wybierasz model, a nie pierwszym.