Xing 4.0 29B-A4B vs Granite 4.2 30B: gęsty czyta wszystko, rzadki czyta jedną dziewiątą

Oto cały wywód architektoniczny w jednym zdaniu. G​ranite 4.2 30B, gęsty model rozumowania I​BM opublikowany na licencji Apache 2.0 25 sierpnia 2026 r., odczytuje wszystkie swoje trzydzieści miliardów parametrów, aby wygenerować każdy pojedynczy token. Xing 4.0 29B-A4B, rzadki model mieszaniny ekspertów China Telecom, którego wagi opublikowano 16 września 2026 r. i który stał się dostępny do wywoływania w połowie października, odczytuje około czterech miliardów ze swoich dwudziestu dziewięciu. Oba są na licencji Apache-2.0, oba należą do tej samej klasy wagowej, oba są przeznaczone do pracy agentowej, a ich uruchomienie wiąże się z zupełnie innymi kosztami: G​ranite wymaga mocy obliczeniowej przy każdym tokenie, a Xing wymaga pamięci na przechowywanie ekspertów, których nie używasz przy tym tokenie, oraz stosu serwującego, który wie, jak kierować ruch z pominięciem tych ekspertów. Wszystko poniżej wynika z tego.

Czym tak naprawdę jest każdy artefakt

Warto oddzielić je od etykiety, którą dzielą. „30B” mówi o rozmiarze pliku, a nie o kształcie obciążenia.

• G​ranite 4.2 30B — Flagowy model I​BM w rodzinie G​ranite 4.2, zbudowany na G​ranite-4.1-30B-Base. Gęsty transformer rozumujący typu decoder-only, 30B parametrów (w repozytorium podano 29B w tensorach BF16), uwaga grupowa z 32 głowami uwagi i 8 głowami klucz-wartość, RoPE przy θ = 10 000 000, SwiGLU MLP o rozmiarze warstwy ukrytej 32 768, niepowiązane embeddingi wejściowe i wyjściowe, RMSNorm przy ε = 1e-5. Dwanaście przetestowanych języków. Apache 2.0.

• Xing 4.0 29B-A4B — następca linii TeleChat firmy TeleAI. 40 warstw, rozmiar ukryty 3584, gęsta warstwa pośrednia FFN 9216 wobec warstwy pośredniej eksperta 1024, 64 ekspertów z routingiem, z czego 4 aktywnych na token, plus jeden współdzielony ekspert zawsze włączony, uwaga MLA ze skompresowanymi kluczami i wartościami zamiast GQA oraz spekulacyjne dekodowanie MTP wytrenowane w checkpointcie. W praktyce jeden przetestowany język na karcie. Apache 2.0.

• Kontekst — G​ranite 4.2 30B natywnie obsługuje 128K, z udokumentowanym rozszerzeniem długiego kontekstu do 512K oraz długością sekwencji konfiguracji wynoszącą 131,072. Xing 4.0 natywnie oferuje 256K, z deklarowaną możliwością rozszerzenia do 512K. Domyślne okno Xinga jest dwa razy szersze; ścieżka rozszerzenia G​ranite jest lepiej udokumentowana z tych dwóch.

• Opublikowane formaty — Granite 4.2 30B jest udostępniany w BF16 oraz w kwantyzacjach FP8, MXFP4 i NVFP4, z kompilacjami GGUF od IBM i od społeczności. Xing 4.0 jest udostępniany w BF16 safetensors oraz FP8, w8a8 i GGUF. Oba są tu wyjątkowo dobrze wyposażone, a oba stanowią prawdziwą przewagę nad wieloma otwartymi wydaniami, które publikują jeden shard bfloat16 i pozostawiają kwantyzację wolontariuszom.

• Dostępność — G​ranite 4.2 30B nie ma w naszym katalogu endpointu rozliczanego za tokeny; uruchamiasz go samodzielnie albo uzyskujesz do niego dostęp przez własną platformę I​BM i inne zewnętrzne platformy hostingowe. Xing 4.0 zyskał w połowie października komercyjny endpoint rozliczany za użycie z bezpłatnym poziomem promocyjnym, a także nie ma go w naszym katalogu.

Kompromis między pamięcią a obliczeniami, przedstawiony uczciwie

Rzadkość nie jest zniżką na całą maszynę; to zniżka na jednej osi i dopłata na drugiej. G​ranite 4.2 30B potrzebuje mniej więcej tyle pamięci, co gęsty model 30B w bfloat16, i wykonuje obliczenia na całym modelu na token, więc jego przepustowość na jednostkę sprzętu jest przewidywalna, a zachowanie przy batchowaniu jest proste. Xing 4.0 musi utrzymywać pełne 29B w pamięci rezydentnej — każdy ekspert siedzi w pamięci, niezależnie od tego, czy ten token go dotyka — ale przez arytmetykę przechodzi tylko 4B wag na token, dlatego twierdzi się, że jego 4-bitowa kwantyzacja mieści się w około 15GB VRAM i dlatego jego zagregowana przepustowość przy wysokiej współbieżności ma zupełnie inny kształt.

To twierdzenie warto sprawdzić, zanim kupisz kartę pod to: repozytorium podaje 31B w tensorach pełnej precyzji, a wersja 4-bitowa modelu o łącznej liczbie 29B zajmująca 15GB sugeruje agresywną kwantyzację wag ekspertów. Spójrz na rzeczywisty rozmiar pliku GGUF, a nie na opis kolekcji.

Druga, cichsza różnica to dojrzałość ścieżki serwowania. G​ranite 4.2 30B to standardowy gęsty transformer, co oznacza, że każdy stos inferencyjny obsługuje go mniej lub bardziej domyślnie. Xing 4.0 wymaga własnych kerneli dla ograniczonych rozmaitością strumieni resztkowych hiperpołączeń i mechanizmu uwagi MLA — SGLang zawiera dedykowany kernel split-K dla układu czterech strumieni, vLLM ma tę architekturę, i taki jest stan rzeczy. Niestandardowy projekt łączący uwagę i residua to cena tej architektury, a nie jest to koszt jednorazowy, jeśli planujesz dostrajanie, kwantyzację lub uruchamianie nietypowych kształtów batchy.

Gdzie opublikowane liczby faktycznie się różnią

Obaj dostawcy publikują własne tabele, obie są wewnętrznie spójne i żadna nie została niezależnie odtworzona przez stronę trzecią na identycznych stanowiskach testowych. Porównuj je jako twierdzenia, a nie pomiary.

• 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 Granite 4.2 30B 29,24.

• Agentowe użycie narzędzi — Xing 4.0 Claw-Eval 76.55 i Tau3-Bench 64.63; G​ranite 4.2 30B τ³-bench 62.00 i BFCL v4 61.39.

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

• Matematyka i ogólne rozumowanie — G​ranite 4.2 30B AIME25 89.17, HMMT Feb25 89.17, GPQA 66.41, MMLU-Pro 77.60, LiveCodeBench v6 75.77. Karta Xing 4.0 nie podaje żadnej z tych wartości, więc kolumny pozostają puste, zamiast zamienić się w zwycięstwo.

• Długi kontekst — G​ranite 4.2 30B publikuje RULER przy 64K (89,96) i 128K (81,38). Xing 4.0 publikuje AA.LCR przy 61,00 i nic więcej w rodzinie długiego kontekstu. G​ranite wygrywa jedyny wiersz, w którym istnieją obie liczby, i jest to znaczące zwycięstwo: RULER przy 128K to znacznie trudniejszy test niż średni wynik wyszukiwania.

Czytaj kształt, a nie sumy. Granite jawi się jako szeroki, dobrze wyważony generalista z nietypowo uczciwą tabelą ewaluacyjną — 20 wierszy obejmujących kodowanie, matematykę, użycie narzędzi, zadania dokumentowe i długi kontekst, a przy tym wszystkim podany framework testowy: NeMo Evaluator SDK. Xing 4.0 jawi się jako wąski specjalista: ogromne przewagi w benchmarkach inżynierii oprogramowania i agentów terminalowych, porażka w podążaniu za instrukcjami i cisza wszędzie indziej. Model bez wyniku GPQA niekoniecznie jest zły w GPQA. To model, którego dostawca zdecydował się opublikować dziewięć wierszy.

Dwie uczciwe asymetrie

Granite 4.2 30B jest publicznie dostępny od siedmiu tygodni i podlega związanej z tym wnikliwej analizie, w tym niezależnym kwantyzacjom, szczegółowym opracowaniom podmiotów trzecich oraz opublikowanym przez IBM wartościom porównawczym dla jego modeli 8B i 3B z tej samej rodziny w każdym wierszu tabeli. Xing 4.0 jest publicznie dostępny od miesiąca, ma 53 000 pobrań z repozytorium, nie ma niezależnej oceny i porównuje się z ponownymi uruchomieniami modeli konkurencyjnych, które dostawca wykonał we własnym środowisku testowym. Wcześniejsze porównanie w tej serii omawia już, jak ta tabela porównawcza traktuje Gemma 4; argument strukturalny zachodzi dla dowolnej kolumny w niej.

Asymetria działa w drugą stronę na jednej osi. Granite 4.2 30B to model rozumujący o gęstym profilu obliczeniowym, co oznacza, że jest wolny na token w sposób nieodłączny od projektu i nie da się tego obejść za pomocą routingu. Cały argument Xing 4.0 sprowadza się do tego, że otrzymujesz ślad pamięciowy modelu 29B przy arytmetyce modelu 4B. Jeśli ten argument utrzymuje się na rzeczywistych obciążeniach, jest to naprawdę lepsza oferta dla ruchu agentowego o dużej skali — i to jest dokładnie ten argument, którego nie rozstrzygnie własny wiersz SWE-bench dostawcy.

Ile to kosztuje i gdzie pasuje router

Żaden z tych modeli nie znajduje się w katalogu OrcaRouter, więc nie jesteśmy drogą do żadnego z nich, a ten tekst nie będzie sugerować inaczej. Warto jednak wykonać odpowiednie obliczenia. Granite 4.2 30B kosztuje kartę graficzną i nic więcej, na zawsze, z zastrzeżeniem, że jego gęste obliczenia oznaczają, iż potrzebna karta graficzna jest większa. Xing 4.0 kosztuje GPU i weekend na integrację serwowania z góry albo rozliczaną ewaluację w darmowym planie już teraz — a darmowy plan to najtańszy sposób, by przekonać się, czy twierdzenia o możliwościach agentowych przetrwają w Twoim własnym repozytorium, a nie w harnessie terminus-2 uruchomionym przez autora modelu.

Miejscem, w którym router zarabia na siebie w przypadku dwóch modeli, których nie hostujemy, jest obwód. Nie zastępujesz modelu, który zna już Twoja ścieżka produkcyjna; uruchamiasz pretendenta obok niego na wycinku ruchu, zgodnie z określoną regułą i z automatycznym przełączaniem awaryjnym, tak aby zła odpowiedź lub zawieszenie upstream nigdy nie dotarło do użytkownika. OrcaRouter to jedno API przed ponad 200 hostowanymi modelami przy 0% marży — cena katalogowa dostawcy przekazywana bez żadnych dodatków — a DSL routingu służy do zdefiniowania tego wycinka. Gdy ewaluacja się kończy, reguła się zmienia, a dotychczasowy model odzyskuje ruch.

Jeśli Twój budżet ewaluacyjny obejmuje jeden model, wybierz Granite 4.2 30B, gdy praca jest szeroka — rozumowanie na długich dokumentach, generowanie wielojęzyczne, potoki mocno oparte na podążaniu za instrukcjami, cokolwiek, gdzie chcesz opublikowaną liczbę dla zadania, które faktycznie uruchamiasz. Wybierz Xing 4.0 29B-A4B, gdy praca jest wąska i agentowa, możesz ją zmierzyć samodzielnie, a argument przepustowości na kartę jest tym, co kupujesz. Jedynym wyborem, który jest wyraźnie błędny, jest wybranie Xing 4.0 wyłącznie na podstawie przewagi 75 do 57: te dwie liczby zostały wygenerowane przez różne laboratoria na różnych stanowiskach testowych, a jedyne, co wiarygodnie ustalają, to który dostawca opublikował wiersz SWE-bench.

Co by to rozstrzygnęło

Jedna niezależna ewaluacja Xing 4.0 na tym samym harnessie, na którym mierzono G​ranite, przy tym samym szkielecie, zlikwidowałaby większość niepewności w tym tekście w ciągu jednego popołudnia pracy osoby z wolnym GPU. Dopóki taka ewaluacja nie istnieje, model gęsty to ten, na którego liczbach można oprzeć działania, a model rzadki to ten, którego liczby trzeba sprawdzać. Oba stwierdzenia staną się równie nieaktualne w momencie, gdy drugie z nich przestanie być prawdziwe.

Nic z tego nie jest hipotetyczne: udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są zebrane w the OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, stopień ważności, ocenę pewności i oznaczenie sporne.