Granite 4.2 30B vs Nemotron 3.5 Lightning: o pensador e o executor

Granite 4.2 30B e Nemotron 3.5 Lightning são dois modelos de pesos abertos de 30B lançados com quatorze dias de diferença e com funções quase opostas. O Nemotron 3.5 Lightning, lançado pela NVIDIA em 11 de agosto de 2026, é um Mixture-of-Experts híbrido de 30B no total / 3B ativos — camadas de espaço de estados Mamba-2, MoE e atenção — criado para ser a camada de execução de sistemas de agentes: chamadas de ferramenta rápidas, loops de alto volume, trabalho de subagentes, rodando em uma única GPU. O Granite 4.2 30B, que a IBM publicou discretamente no Hugging Face em 25 de agosto de 2026, é um modelo denso de raciocínio com 29 bilhões de parâmetros — um pensador, com modos de pensamento selecionáveis e aprendizado por reforço agêntico, também auto-hospedável. Ambos são abertos (Apache 2.0 em contraposição ao OpenMDW-1.1), ambos cabem em hardware que uma equipe pode de fato possuir, e ambos são lançamentos de agosto cujos benchmarks ainda são essencialmente divulgados pelos próprios fornecedores. A pergunta interessante não é qual é melhor, mas qual deles você precisa — um planejador, um executor, ou ambos.

Essa divisão entre planejador/executor não é uma invenção editorial; é o design da própria NVIDIA. O Nemotron 3.5 Lightning foi destilado do muito maior Nemotron 3 Ultra especificamente para que um modelo de vanguarda pudesse lidar com o planejamento enquanto o Lightning executa o loop, e a NVIDIA o enviou junto com o NeMo Switchyard, uma biblioteca de roteamento que implementa exatamente essa divisão de trabalho. O Granite 4.2 30B, por outro lado, tenta ser o agente completo em um único pacote de 30B.

Granite 4.2 30B, o pensador

O principal modelo Granite 4.2 da IBM é um Transformer denso apenas com decodificador, com três modos de raciocínio — pensamento completo (envolto em tags think>.../think>), pensamento de baixo esforço e sem pensamento — além de chamada de ferramentas compatível com OpenAI e aprendizado por reforço agêntico que o treinou para operar terminais, executar código e pesquisar na web dentro de uma sandbox. Seu contexto nativo de 128K estende-se a 512K. A ficha técnica da IBM afirma 89.17 no AIME 2025, 77.60 no MMLU-Pro e 57.00 no SWE-Bench Verified (in-harness) — todos reportados pelo fornecedor, nenhum reproduzido de forma independente, e ainda não existe nenhuma entrada no Artificial Analysis. Em suma, é um modelo de raciocínio generalista fortemente direcionado ao trabalho agêntico e distribuído em quantizações BF16, FP8, NVFP4/MXFP4 e GGUF, para que as equipes possam realmente executá-lo.

Nemotron 3.5 Lightning, o executor

A entrada da NVIDIA tem um formato totalmente diferente. O nome "30B A3B" significa 30 bilhões de parâmetros totais com apenas cerca de 3 bilhões ativos por token — uma arquitetura híbrida que combina Mamba-2, MoE e atenção, permitindo gerar rápido e com baixo custo. Ele vem com decodificação especulativa integrada: cabeças de Multi-Token Prediction, além dos modelos de rascunho DFlash e DSpark, de modo que um pequeno rascunhador propõe tokens que o modelo principal verifica em paralelo. A NVIDIA afirma uma velocidade de saída até 4x maior em comparação a modelos de tamanho semelhante, e tudo isso roda em uma única GPU — uma RTX 5090, DGX Spark ou Jetson — ou com contexto de 256K em uma H100, com o modelo suportando até 1M de contexto em princípio. Sua licença, OpenMDW-1.1, cobre os pesos, os dados de treinamento e as receitas.

O próprio posicionamento da NVIDIA é direto sobre o que o Lightning não é: uma avaliação que ela distribuiu mostrou desempenho fraco no Terminal-Bench como agente principal — a LLM Stats verificou de forma independente aproximadamente 24,6 no Terminal-Bench 2.1 — e a orientação é utilizá-lo como executor, não como planejador. Seus pontos fortes autodeclarados são MMLU Pro 81,94, GPQA Diamond 75,44, SWE-Bench Verified 51,56 e PinchBench com 86% de precisão, concluindo tarefas cerca de 30% mais rápido que um Qwen 3.6 35B com precisão semelhante. Cada um desses números é da própria NVIDIA.

O placar, honestamente rotulado

A comparação útil é o formato da coluna, não os valores das linhas:

• Granite 4.2 30B — ~29B denso, todos os parâmetros ativos; Apache 2.0; 128K nativo / 512K estendido; modos de raciocínio que você pode selecionar por solicitação; SWE-Bench Verified 57.00 e Terminal-Bench 2.1 29.24 relatados pelo fornecedor; o pensador.

• Nemotron 3.5 Lightning — 30B total / 3B ativo MoE híbrido; OpenMDW-1.1; contexto de 1M (256K prático em um H100); decodificação especulativa (MTP/DFlash/DSpark); SWE-Bench Verified 51.56 relatado pelo fornecedor, ~24.6 Terminal-Bench 2.1 (verificado pelo LLM Stats); o executor.

Leia essas linhas como a NVIDIA pretende: a fraqueza do Lightning no Terminal-Bench é uma característica do seu design — ele não deve planejar, deve executar. Os números do Granite são um único modelo que afirma fazer ambos. Nenhum dos conjuntos é reproduzido de forma independente no lançamento; ambos estarão disponíveis em algumas semanas.

A stack, não o modelo.

Os dois modelos são menos concorrentes do que componentes adjacentes do mesmo sistema. Um agente precisa de um planejador para decompor uma tarefa e de um executor para enfrentar milhares de chamadas de ferramentas. O Granite 4.2 30B tenta reunir ambos em um único modelo denso; o Nemotron 3.5 Lightning é explicitamente metade de uma pilha de dois modelos, com o modelo de fronteira como a outra metade. A NVIDIA chama essa pilha de NeMo Switchyard; uma camada de roteamento faz o mesmo com qualquer combinação de modelos hospedados e auto-hospedados.

É aqui que cabe a nota honesta sobre roteamento. Nenhum dos modelos está no OrcaRouter — não roteamos nem o Granite 4.2 30B nem o Nemotron 3.5 Lightning, e a linha de disponibilidade para ambos é o seu próprio hardware ou os canais do próprio fornecedor. Mas o padrão de dois modelos que eles indicam é exatamente para o que serve um DSL de roteamento: compor um endpoint Granite auto-hospedado para as passadas de raciocínio e um endpoint Lightning auto-hospedado para os laços de execução, colocar um modelo frontier hospedado na frente para o planejamento que precisa de mais espaço, e acionar todos os três com uma única chave de API com failover automático. Você não precisa escolher entre o pensador e o executor — você pode montar uma stack que usa cada um onde ele é forte, e deixar o roteador arbitrar.

Qual primeiro?

Se você quer que um único modelo seja dono de um único codebase e de uma única stack de serving, e está disposto a dar a ele todo o trabalho de raciocínio e execução, comece com o Granite 4.2 30B — mas espere pelo primeiro benchmark independente antes de confiar no número 57.00 do SWE-Bench. Se você está construindo um agente de alto volume em que a maioria das chamadas são passos curtos de ferramentas e a latência é o orçamento, comece com o Nemotron 3.5 Lightning e deixe o raciocínio por conta de um modelo de fronteira ou de um endpoint Granite. Se você está construindo algo sério, a resposta é ambos — uma decisão que uma comparação apenas com 30B nunca teria revelado.