Nanbeige4.3-33B vs Granite 4.2 30B: Alegações contra a Conformidade

A decisão entre Nanbeige4.3-33B e Granite 4.2 30B será tomada em uma reunião de compras, não em um ranking. Ambos são modelos densos de cerca de 30 bilhões de parâmetros sob Apache 2.0, ambos podem ser baixados nesta semana e ambos alegam um limite de 512K tokens. Mas um é vendido pela IBM com artefatos assinados e um contrato de suporte, e o outro é um repositório de dois dias de um laboratório chinês que não publicou anúncio de lançamento. O Granite 4.2 30B da IBM chegou em 25 de agosto de 2026; o Nanbeige4.3-33B apareceu no Hugging Face em 24 de outubro de 2026. Eles não são realmente rivais para a mesma compra, e é exatamente por isso que a comparação vale a pena ser feita com cuidado.

O que segue não é um vencedor. É uma lógica de lista de finalistas: as quatro perguntas que de fato separam estes modelos, com as evidências nas quais cada resposta se apoia e os pontos em que essas evidências são mais frágeis do que aparentam.

Dois produtos com a mesma contagem de parâmetros

O Granite 4.2 30B é o topo da linha Granite 4.2 da IBM — 3B, 8B e 30B, todos densos. Ele é construído sobre o Granite-4.1-30B-Base, pré-treinado em cerca de 15 trilhões de tokens, incluindo aproximadamente um trilhão de tokens sintéticos de código, e depois passa por uma etapa de aprendizado por reforço agêntico nos tamanhos 8B e 30B. Ele traz três modos de raciocínio (pensamento, não pensamento e baixo esforço), chamada nativa de ferramentas no formato OpenAI e builds em FP8 e de 4 bits. A IBM lista suporte nativo a vLLM e SGLang, incluindo um granite_thinking_parser.

O Nanbeige4.3-33B é um checkpoint denso único do Nanbeige LLM Lab, a equipe de IA da Kanzhun, a empresa por trás do BOSS Zhipin. Seu card é incomumente específico sobre a implantação: 33,1B de parâmetros, contexto de 524.288 tokens, inglês e chinês, raciocínio ativado por padrão, um formato de chamada de ferramenta em XML recomendado em vez de JSON, e uma flag preserve_thinking voltada para o uso de ferramentas em múltiplos turnos. Ele é explicitamente posicionado como um modelo professor para um irmão menor, o Nanbeige4.3-3B, que ainda não foi lançado.

A diferença de intenção importa. Granite é uma linha de produtos com um caminho de suporte empresarial. Nanbeige4.3-33B é um artefato de pesquisa lançado para semear uma família. Um é feito para ser comprado; o outro é feito para ser destilado.

A única linha que os dois laboratórios realmente executaram

O card da Nanbeige compara-se ao Qwen3.8-27B, ao Muse-Glimmer-30B e ao Gemma 4 31B. Os materiais do Granite da IBM não mencionam a Nanbeige de modo algum. Assim, os dois cards compartilham exatamente um benchmark em que um contraste direto é sequer nominalmente possível: o Terminal-Bench 2.1.

• Terminal-Bench 2.1 — Nanbeige4.3-33B 80.9 (card da Nanbeige) contra Granite 4.2 30B 29.24 (card da IBM). Uma diferença de 51,7 pontos a favor da Nanbeige.

Essa é a maior diferença alegada entre duas tabelas de fornecedores em toda esta comparação, e ela precisa de três ressalvas antes de significar qualquer coisa. Primeiro, ambos os números são reportados pelos fornecedores. Segundo, o cartão da Nanbeige diz que sua execução no Terminal-Bench 2.1 usou o Terminus 2; o cartão da IBM não informa seu scaffold. Terceiro, um benchmark de terminal mede um modelo mais um loop de agente, e uma diferença de 51 pontos pode vir do loop tão facilmente quanto dos pesos. Um modelo com um harness bem ajustado e um modelo com um harness padrão divergirão em dezenas de pontos no mesmo benchmark nominal.

A próxima linha compartilhada mais próxima é GPQA Diamond: Nanbeige reporta 89,5, IBM reporta 66,41. Essa é uma lacuna genuína em um benchmark de conhecimento e é ampla o suficiente para sobreviver a diferenças de harness, mas também mede algo diferente de codificação agêntica — perguntas de ciências em nível de pós-graduação, não uso de ferramentas em horizonte longo. Isso indica que Nanbeige é o raciocinador mais forte dos dois com base nessa evidência. Não indica que seja o agente mais forte.

Todo o resto não é comparável. A Nanbeige informa SWE-Bench Pro em 60,3; a IBM informa SWE-Bench Verified em 57,00 — variantes diferentes, dificuldade diferente. A Nanbeige informa AIME 2026 em 95,2; a IBM informa AIME25 em 89,17 — anos diferentes. A Nanbeige informa JobBench e DeepPlanning; a IBM informa τ³-bench 62,00, BFCL v4 61,39, MMLU-Pro 77,60, LiveCodeBench v6 75,77 e RULER 128K 81,38. Nenhum desses tem contrapartida na Nanbeige.

Duas alegações de 512K que não são a mesma alegação

Ambos os modelos anunciam um limite de 512K. Eles chegam lá de formas diferentes, e a diferença aparece naquilo que cada fornecedor estava disposto a publicar.

• Janela nativa — Nanbeige4.3-33B: 524.288 tokens, nativa. Granite 4.2 30B: 131.072 tokens, nativa.

• Teto estendido — Granite 4.2 30B oferece uma extensão de contexto longo até 512K. Nanbeige não precisa de uma; 512K é a janela treinada.

• Evidência de contexto longo — IBM publica RULER em 128K: 81,38. Nanbeige publica AA-LCR em 84,0, um benchmark de raciocínio de contexto longo, mas não um benchmark de recall em uma profundidade declarada.

• Saída — o cartão da Nanbeige recomenda até 262.144 novos tokens para raciocínio e chat, 65.536 para trabalho agêntico e de uso de ferramentas. O max_new_tokens recomendado pela IBM é 8.192 no modo de pensamento e 2.048 no modo sem pensamento.

Essa última linha é a prática. Uma janela de entrada de 512K combinada com uma recomendação de saída de 8K é um modelo feito para ler muito e responder brevemente. Uma janela de 512K combinada com um orçamento de geração de 262K é um modelo feito para produzir artefatos longos. Se o seu trabalho é "absorver o repositório, escrever a migração", eles não são produtos equivalentes mesmo com o mesmo comprimento nominal de contexto.

Chamada de ferramentas, modos de pensamento e o custo de integração

O tool calling do Granite é nativo e no formato OpenAI, com BFCL v4 em 61,39 na própria avaliação da IBM. Isso significa que ele se encaixa em um cliente padrão de function calling sem um parser personalizado. A IBM também publica um parser de pensamento para o vLLM, então os traços de raciocínio se separam claramente da resposta.

O Nanbeige4.3-33B adota a abordagem oposta: recomenda tool_call_format="xml" para melhor desempenho, fornece um template no estilo ChatML e pede que você use o parser de raciocínio Qwen3 e o parser de ferramentas Qwen3-Coder no vLLM ou no SGLang. Isso não é um defeito — muitos modelos de agente fortes usam chamadas de ferramenta em XML —, mas é trabalho de integração. Se a sua stack fala JSON de ferramentas da OpenAI, o Nanbeige precisa de uma camada de tradução ou do seu modo JSON, que, segundo a ficha, é suportado, mas não é o preferido.

É esse o custo que as tabelas de benchmark nunca mostram. Um modelo que é 20 pontos melhor em um harness que você precisa reconstruir não é 20 pontos melhor na terça-feira. A vantagem do Granite aqui não é a capacidade; é que a integração é documentada, padronizada e suportada por um fornecedor com um rastreador de bugs.

A linha de conformidade

A IBM entrega o Granite com assinaturas criptográficas, certificação ISO e divulgações de transparência. Para um comprador regulado, isso não é marketing — é a diferença entre um modelo que pode passar por um processo de aprovação e um que não pode. A IBM também é a contraparte: há um contrato, um canal de suporte e uma empresa que ainda existirá no prazo do ciclo de compras.

O Nanbeige4.3-33B tem uma licença Apache 2.0, que é legalmente permissiva e utilizável comercialmente. Não tem um contrato de suporte empresarial, um programa de artefactos assinados ou uma declaração publicada de proveniência de dados para além do cartão do modelo. O laboratório faz parte da Kanzhun, uma empresa chinesa cotada em bolsa, e o modelo é bilingue inglês–chinês. Nada disso o desqualifica. Tudo isso é o tipo de coisa que uma revisão de segurança vai questionar, e a resposta honesta hoje é que as evidências são mais escassas do lado da Nanbeige.

Para uma equipe fora de um processo regulamentado, esta seção é irrelevante e você pode pulá-la. Para uma equipe dentro dele, ela pode decidir a questão antes que os benchmarks sejam lidos.

Quanto custa um token, e quanto custa uma GPU

O Granite 4.2 30B está disponível como uma API gerenciada a US$ 0,16 por milhão de tokens de entrada e US$ 0,65 por milhão de tokens de saída, com 75% de desconto de cache, aproximadamente 47,5 tokens de saída por segundo e 0,82 segundo até o primeiro token. A Artificial Analysis estima seu custo em cerca de US$ 0,07 por tarefa do Intelligence Index. Os pesos também podem ser baixados, com cerca de 60 GB em BF16 ou 30 GB em 8 bits — uma implantação em GPU única.

O Nanbeige4.3-33B não tem preço por token publicado porque ninguém o hospeda. O card declara claramente que nenhum provedor de inferência implanta o modelo. A auto-hospedagem significa cerca de 66 GB em BF16, ou aproximadamente 20 GB em 4 bits, com as receitas do próprio fornecedor usando tamanho de paralelismo de tensor 4. Isso são quatro GPUs mantidas abertas, quer chegue tráfego ou não.

Coloque os dois números lado a lado com honestidade e a comparação é entre uma conta medida que começa em zero e uma despesa de capital que começa em quatro GPUs. Em baixo volume, o Granite é mais barato em uma ordem de magnitude. Em alto volume sustentado, um modelo 33B auto-hospedado pode vencer — mas somente se a utilização for alta o suficiente para amortizar o hardware, e somente se você avaliar o tempo de engenharia como zero. A maioria das equipes descobre que ele não é zero.

Nenhum dos dois modelos está no nosso roteador, e vale dizer isso sem rodeios.

A OrcaRouter não oferece o Nanbeige4.3-33B nem o Granite 4.2 30B hoje. Não vamos fingir o contrário, porque um leitor que se cadastre esperando qualquer um dos dois modelos perderia um dia para descobrir que o catálogo não os tem.

O que a camada de roteamento ainda faz é manter barato o restante da decisão. Se você já usa um provedor atual pelo nosso endpoint, adicionar um Nanbeige auto-hospedado atrás da mesma chave e enviar a ele uma parte do tráfego é uma alteração de configuração, e não uma segunda integração. Nosso modelo de 0% de markup — com o preço de tabela do provedor repassado — também significa que, quando a IBM ou outro host altera o preço do Granite, o número que você vê acompanha essa mudança em vez de ficar atrás da margem de um revendedor. Isso não torna nenhum dos dois modelos disponível. Torna mais barato executar o experimento em torno deles.

Uma lista de finalistas, não um vencedor.

• Se você precisa de um contrato, assinaturas e um caminho de suporte: Granite 4.2 30B, e a diferença nos benchmarks deixa de importar.

• Se você precisa do mais forte desempenho alegado de codificação agêntica nesta classe de tamanho: Nanbeige4.3-33B, com a ressalva de que sua pontuação de 80,9 no Terminal-Bench 2.1 nunca foi reproduzida fora do seu próprio cartão.

• Se você precisa de entrada nativa de 512K com saída longa: Nanbeige4.3-33B. O Granite atinge 512K por extensão e recomenda saídas de 8K.

• Se você precisa de chinês: qualquer um dos modelos o lista. O card do Granite nomeia o chinês entre 12 idiomas; o do Nanbeige lista inglês e chinês. O idioma não é o critério de desempate aqui.

• Se você precisa começar hoje sem GPUs: Granite 4.2 30B por meio da API da IBM. O Nanbeige não tem nenhuma opção hospedada.

O resumo desconfortável é que esses modelos são próximos o suficiente em categoria para que a decisão seja tomada pelas restrições ao redor deles — aquisição, implantação, idioma, modalidade — e não pela linha dos 51 pontos. Essa linha pode muito bem ser real. Ela também é a afirmação menos verificável deste artigo, e deveria ser o último motivo para você escolher um modelo, não o primeiro.