LBS-27B vs Granite 4.2 30B: Denso por Design Contra uma Especificação Que Não Existe

A IBM fez uma escolha deliberada com Granite 4.2 30B: manteve o modelo denso. Sessenta e quatro camadas, um bloco feed-forward de 32.768 de largura, cada parâmetro lido para cada token. Num ano em que a maioria dos laboratórios desse porte recorreu ao roteamento mixture-of-experts, a IBM lançou um 30B direto e o precificou de acordo. Essa decisão é a lente certa para compará-lo com LBS-27B, porque a única coisa que sabemos sobre o novo repositório da inclusionAI é um nome e uma licença — e a primeira pergunta que esse nome precisa responder é se ele descreve um modelo denso ou um modelo esparso.

O Granite 4.2 30B tem um registro público completo: pesos desde agosto de 2026, uma licença Apache-2.0, uma ficha do modelo com dezenove linhas de benchmark e uma pilha documentada de chamada de ferramentas. O LBS-27B tem um repositório criado em 26 de outubro de 2026 contendo um .gitattributes arquivo e um README de 28 bytes que declara Apache-2.0 e não diz mais nada. Isto não é uma comparação entre dois modelos. É uma comparação de um modelo com uma especificação que ainda não foi escrita, e a saída útil é uma lista das coisas específicas que essa especificação precisaria conter.

O que a IBM realmente lançou

Granite 4.2 30B é um decodificador denso com 30 bilhões de parâmetros — o Hugging Face lista 29B em BF16 — em 64 camadas, tamanho oculto de 4.096, 32 cabeças de atenção e 8 cabeças de chave-valor em atenção de consulta agrupada. O vocabulário tem 100.352 tokens, o contexto nativo é de 131.072 e a IBM documenta uma extensão de contexto longo para 512K. É somente texto. O card lista doze idiomas testados: inglês, alemão, espanhol, francês, japonês, português, árabe, tcheco, italiano, coreano, holandês e chinês.

É um modelo de raciocínio no sentido comum de 2026. O cartão descreve os modos de pensamento completo, sem pensamento e de baixo esforço, com o raciocínio envolvido em tags think. Ele foi ajustado por fine-tuning a partir do Granite 4.1 30B Base, lançado sob Apache-2.0, e a IBM data o lançamento em 25 de agosto de 2026.

Denso não é uma deficiência técnica. É uma troca. Um modelo denso tem comportamento previsível de computação e memória por token, nenhum roteador para encaminhar um token de forma errada, nenhum sharding de paralelismo de especialistas para projetar, e uma história de fine-tuning que se comporta como a maioria das equipes espera. Em troca, custa mais atender por token do que um modelo esparso do mesmo tamanho total. A IBM está vendendo essa troca para empresas que preferem uma implantação entediante a uma barata.

Um perfil de benchmark com uma forma.

O card do Granite é incomumente completo, o que torna possível ver onde o modelo é forte e onde não é. Todas essas informações são fornecidas pelo fornecedor e não foram reproduzidas de forma independente.

• Matemática — AIME25 89,17 e HMMT de fevereiro de 2025 89,17. Esses são os números de destaque na ficha e ficam bem acima do que um modelo de 30B fazia há um ano.

• Conhecimento e ciência — GPQA 66,41, MMLU-Pro 77,60, MMLU-ProX lite 66,64, SciCode 38,76. Competente, mas não líder de categoria. A diferença entre uma pontuação AIME perto de 90 e uma pontuação GPQA na casa dos 60 e poucos é o formato deste modelo: ele é melhor em resolver um problema estruturado do que em recordar ou raciocinar sobre conhecimento abrangente de domínio.

• Engenharia de software — SWE-Bench Verified 57, SWE-Bench Pro 33.29, SWE-Bench Multilingual 41.89, Terminal-Bench 2.1 29.24, LiveCodeBench v6 75.77. A queda de LiveCodeBench para Terminal-Bench é grande, e isso importa: habilidade em programação competitiva não é o mesmo que concluir uma tarefa de várias etapas em um terminal real.

• Contexto longo — RULER 64K 89,96 e RULER 128K 81,38. Este é o par mais tranquilizador da ficha, porque mede a recuperação ao longo da janela em vez de presumir que um contexto grande seja utilizável. Uma queda de sete pontos de 64K para 128K é uma inclinação suave.

• Seguimento de instruções e chat — IFBench 77,17, Arena-Hard-V2 67,93, tau3 com média de 62,00, BFCL v4 61,39.

A leitura honesta é que o Granite 4.2 30B é um modelo sólido e irregular: excelente em matemática de competição e recuperação de contexto longo, comum em conhecimento amplo e mediano em trabalho agêntico de software. Esse é um produto específico, não genérico.

A chamada de ferramentas é o argumento que a IBM está defendendo.

A expressão usada pela IBM é "reasoning-augmented tool calling" — o modelo raciocina sobre qual ferramenta invocar e por quê antes de invocá-la. Os detalhes de implementação são práticos e não exóticos: definições de funções no estilo OpenAI, um analisador de ferramentas do vLLM chamado qwen3_coder, resolução automática do SGLang para o mesmo analisador e integrações com OpenCode, Pi e OpenHands.

Se isso é melhor que as alternativas é uma questão empírica, e os próprios números do card são mistos. O BFCL v4 com 61,39 e o tau3 com 62,00 são respeitáveis, mas não dominantes; os modelos que lideram esses rankings geralmente são maiores. O que o Granite oferece é um caminho documentado e reproduzível para chamada de ferramentas, com licenciamento permissivo e um perfil de serviço denso — que muitas vezes é o que um projeto empresarial de agentes realmente precisa, mais do que uma coroa de leaderboard.

Esta é a área em que o LBS-27B será avaliado primeiro se for destinado ao mesmo comprador. Um modelo que não consegue chamar ferramentas de forma confiável não é candidato para trabalho agêntico, independentemente da sua pontuação no MMLU, e avaliações de chamada de ferramentas são exatamente o tipo de coisa que não aparece em um repositório até que o modelo esteja concluído.

O lado LBS-27B da página

Há muito pouco a dizer, e é importante dizê-lo com precisão em vez de preencher o espaço com inferências.

• O repositório existe. Foi criado às 05:36 UTC de 26 de outubro de 2026 e não foi modificado desde então.

• Contém dois arquivos: um de 1.519 bytes .gitattributes e um README de 28 bytes. O README é apenas o frontmatter da licença: license: apache-2.0.

• Não há pesos, nem configuração, nem tokenizador, nem cartão de modelo e nem dados de avaliação. Os downloads não são rastreados e as curtidas são zero. Não encontramos nenhum anúncio, artigo ou discussão pública.

• "27B" faz parte do nome do repositório. Nada no repositório confirma que seja uma contagem de parâmetros, e nada indica se o modelo é denso ou esparso.

Esse último ponto não é uma lacuna menor. Modelos 27B densos e esparsos são produtos diferentes, com economias de serviço diferentes, comportamentos de ajuste fino diferentes e modos de falha diferentes. Enquanto não existir um arquivo de configuração, a comparação com o Granite tem um lado totalmente especificado e outro vazio.

A comparação, dimensão por dimensão

• Parâmetros — O Granite 4.2 30B é um modelo denso de 30B (29B indicados em BF16); o LBS-27B é um modelo de 27B não verificado, sem arquitetura divulgada.

Camadas e largura — 64 camadas com tamanho oculto de 4.096 para Granite; desconhecido para LBS.

• Contexto — 131.072 nativos e uma extensão documentada de 512K para o Granite; desconhecido para o LBS.

• Modalidade — somente texto para o Granite; desconhecida para o LBS, com somente texto como o caso base razoável.

• Idiomas — doze idiomas testados para o Granite; desconhecido para o LBS.

• Modos de raciocínio — completo, sem pensamento e de baixo esforço para Granite; desconhecido para LBS.

• Chamada de ferramentas — caminho documentado de chamada de funções com BFCL v4 61.39 e tau3 62.00 para Granite; nada publicado para LBS.

• Licença — Apache-2.0 para o Granite; Apache-2.0 declarada para o LBS, alterável antes do envio dos pesos.

• Disponibilidade — Os pesos do Granite podem ser baixados e auto-hospedados hoje; o LBS não tem nada para baixar.

O comprimento do contexto é onde os dois poderiam divergir mais.

A janela nativa de 128K do Granite com extensão para 512K é um recurso empresarial deliberado, e as pontuações do RULER sugerem que não se trata apenas de marketing: 81,38 em 128K é um resultado utilizável. Para revisão de contratos, análise de logs, recuperação em bases de código e trilhas de auditoria longas, essa combinação — um caminho de extensão documentado somado a evidências de recuperação próximas ao topo da janela — é mais valiosa do que um número maior sem evidências por trás.

Se o LBS-27B for lançado com uma janela de 256K ou 512K, a pergunta interessante não será o número. Será se a inclusionAI publica avaliações de recuperação no limite extremo dessa janela. Uma janela é uma alegação de capacidade; resultados no estilo RULER são uma alegação de habilidade, e as duas divergem acentuadamente na prática.

Implantação, licenciamento e onde um roteador se encaixa

Ambos os modelos declaram Apache-2.0, que é o resultado mais permissivo para uso comercial e o motivo pelo qual o Granite é popular entre equipes que não podem aceitar uma licença personalizada. O Granite 4.2 30B não está no OrcaRouter, e o LBS-27B também não; se você quiser o Granite, baixe-o e hospede-o por conta própria, ou use uma plataforma de hospedagem.

Essa implantação auto-hospedada é exatamente onde uma arquitetura híbrida faz sentido. Execute o Granite no seu próprio hardware para o volume rotineiro — o tráfego de classificação, extração e chamadas de ferramentas, em que um modelo denso de 30B é mais que suficiente — e encaminhe os casos realmente difíceis para um modelo frontier hospedado. O OrcaRouter é útil para essa segunda metade: uma única chave de API para mais de 200 modelos, failover automático se um provedor degradar, e uma DSL de roteamento que permite expressar a divisão como política, em vez de código em três serviços. Repassamos o preço de tabela do provedor com 0% de markup, então a parte hospedada da fatura é o número do provedor, não o nosso com uma margem em cima.

O que não afirmaremos é que qualquer um dos modelos nesta comparação esteja disponível por nosso intermédio. Não está, e uma página de comparação que sugira o contrário é pior do que inútil.

O que resolveria esta comparação

Três artefactos transformariam esta página de um exercício de especificação num confronto real.

O primeiro é um config.json com campos de especialistas, que define denso versus esparso e fornece a contagem de parâmetros ativos. Se o LBS-27B for esparso com poucos parâmetros ativos, ele terá custo de serving menor que o Granite e a comparação se torna uma troca entre preço e qualidade. Se for denso, é uma questão de substituição direta e a maturidade das ferramentas da IBM se torna o critério de desempate.

A segunda é uma avaliação de chamada de ferramentas em uma versão nomeada do harness. Os números do Granite no BFCL v4 e no tau3 não são espetaculares, o que significa que um novo modelo não precisa ser espetacular para superá-los — ele precisa ser medido no mesmo harness.

O terceiro é a evidência de recuperação em contexto longo a 128K ou mais. Os números do RULER do Granite são seu argumento mais forte para relevância corporativa, e são o número que um desafiante deveria ser instado a igualar.

Para um comprador empresarial que decide hoje, o Granite 4.2 30B é um valor conhecido, com uma licença permissiva, um stack de ferramentas documentado e um perfil de serving denso que muitas equipes de infraestrutura preferem. O LBS-27B é um nome com uma linha de licença. A diferença entre eles não é um veredito sobre a engenharia da inclusionAI. É simplesmente a diferença entre um modelo que foi publicado e um que foi reservado.