Xing 4.0 29B-A4B vs Granite 4.2 30B: Denso lê tudo, esparso lê um nono

Eis todo o argumento arquitetural em uma única frase. G​ranite 4.2 30B, o modelo denso de raciocínio da I​BM publicado sob Apache 2.0 em 25 de agosto de 2026, lê todos os seus trinta bilhões de parâmetros para produzir cada token individual. Xing 4.0 29B-A4B, o modelo esparso de mistura de especialistas da China Telecom, cujos pesos foram disponibilizados em 16 de setembro de 2026 e que se tornou chamável em meados de outubro, lê cerca de quatro bilhões dos seus vinte e nove. Ambos são Apache-2.0, ambos estão na mesma classe de peso, ambos visam trabalho agêntico, e custam coisas completamente diferentes para você executar: o G​ranite custa computação a cada token, o Xing custa memória para manter especialistas que você não está usando neste token e uma pilha de serviço que saiba como contorná-los. Tudo o que vem a seguir decorre disso.

O que cada artefacto realmente é

Vale a pena separá-los do rótulo que compartilham. "30B" diz o tamanho de um arquivo, não a forma de uma carga de trabalho.

• G​ranite 4.2 30B — o carro-chefe da I​BM na família G​ranite 4.2, construído sobre o G​ranite-4.1-30B-Base. Um transformer denso de raciocínio apenas com decodificador, 30B parâmetros (o repositório lista 29B em tensores BF16), atenção de consulta agrupada com 32 cabeças de atenção contra 8 cabeças de chave-valor, RoPE em θ = 10.000.000, MLP SwiGLU com tamanho oculto de 32.768, embeddings de entrada e saída não compartilhados, RMSNorm em ε = 1e-5. Doze idiomas testados. Apache 2.0.

• Xing 4.0 29B-A4B — O sucessor da TeleAI para a linha TeleChat. 40 camadas, dimensão oculta de 3.584, intermediário da FFN densa de 9.216 contra um intermediário de especialista de 1.024, 64 especialistas roteados com 4 ativos por token, mais um especialista compartilhado sempre ativo, atenção MLA de chave-valor comprimida em vez de GQA e decodificação especulativa MTP treinada no checkpoint. Na prática, um idioma testado no card. Apache 2.0.

• Contexto — G​ranite 4.2 30B suporta nativamente 128K com extensão de contexto longo documentada para 512K e comprimento de sequência de configuração de 131.072. Xing 4.0 tem 256K nativamente, alegadamente extensível para 512K. A janela padrão do Xing é duas vezes mais ampla; o caminho de extensão do G​ranite é o mais bem documentado dos dois.

• Formatos publicados — G​ranite 4.2 30B vem em BF16, além de quantizações FP8, MXFP4 e NVFP4, com builds GGUF da I​BM e da comunidade. O Xing 4.0 vem em safetensors BF16, além de FP8, w8a8 e GGUF. Ambos estão incomumente bem equipados aqui, e ambos representam uma verdadeira vantagem em relação aos muitos lançamentos abertos que publicam um único shard bfloat16 e deixam a quantização a cargo de voluntários.

• Disponibilidade — G​ranite 4.2 30B não tem endpoint com preço por token no nosso catálogo; você o executa, ou o acessa por meio da própria plataforma da I​BM e de outras plataformas de disponibilização de terceiros. O Xing 4.0 ganhou um endpoint comercial com medição em meados de outubro, com um nível promocional gratuito, e também está ausente do nosso catálogo.

O trade-off entre memória e computação, dito com honestidade

A esparsidade não é um desconto sobre a máquina inteira; é um desconto em um eixo e uma sobretaxa no outro. O Granite 4.2 30B precisa de aproximadamente a memória de um modelo denso de 30B em bfloat16 e realiza cálculos em toda ela a cada token, de modo que seu throughput por unidade de hardware é previsível e seu comportamento sob processamento em lote é direto. O Xing 4.0 precisa manter os 29B completos residentes — cada expert fica na memória, quer este token o toque ou não — mas movimenta apenas o equivalente a 4B de pesos por token pela aritmética, e é por isso que se afirma que uma quantização de 4 bits dele cabe em cerca de 15 GB de VRAM e que seu throughput agregado em alta concorrência tem um formato totalmente diferente.

Vale a pena verificar essa alegação antes de comprar uma placa por causa dela: o repositório informa 31B nos tensores de precisão completa, e uma build de 4 bits de um modelo total de 29B que ocupa 15GB implica quantização agressiva dos pesos dos especialistas. Olhe o tamanho real do arquivo GGUF, e não o texto de apresentação da coleção.

A segunda diferença, mais discreta, é a maturidade do caminho de serving. O G​ranite 4.2 30B é um transformer denso padrão, o que significa que praticamente toda stack de inferência o suporta por padrão. O Xing 4.0 precisa de kernels personalizados para seus fluxos residuais de hiperconexão com restrição de variedade e sua atenção MLA — o SGLang carrega um kernel split-K dedicado para o layout de quatro fluxos, o vLLM tem a arquitetura, e esse é o estado das coisas. Um design sob medida de atenção mais resíduos é o preço da arquitetura, e não é um custo único se você pretende fazer fine-tuning, quantizar ou executar formatos de batch incomuns.

Onde os números publicados de fato divergem

Ambos os fornecedores publicam as suas próprias tabelas, ambas são internamente consistentes, e nenhuma foi reproduzida de forma independente por terceiros em harnesses idênticos. Compare-as como alegações, não como medições.

• SWE-bench Verified — Xing 4.0 75,00 vs. G​ranite 4.2 30B 57.

• SWE-bench Multilingual — Xing 4.0 66,00 vs G​ranite 4.2 30B 41,89.

• Terminal-Bench 2.1 — Xing 4.0 57.50 vs Granite 4.2 30B 29.24.

• Uso de ferramentas agênticas — Xing 4.0 Claw-Eval 76,55 e Tau3-Bench 64,63; G​ranite 4.2 30B τ³-bench 62,00 e BFCL v4 61,39.

• Seguimento de instruções — Xing 4.0 IFBench 69,67 vs G​ranite 4.2 30B IFBench 77,17.

• Matemática e raciocínio geral — Granite 4.2 30B AIME25 89,17, HMMT Feb25 89,17, GPQA 66,41, MMLU-Pro 77,60, LiveCodeBench v6 75,77. A ficha do Xing 4.0 não reporta nenhum desses dados, então as colunas ficam em branco em vez de se tornarem uma vitória.

• Contexto longo — Granite 4.2 30B publica RULER em 64K (89,96) e 128K (81,38). Xing 4.0 publica AA.LCR em 61,00 e nada mais na família de contexto longo. Granite vence na única linha em que ambos os números existem, e é uma vitória significativa: RULER em 128K é um teste muito mais difícil do que uma pontuação média de recuperação.

Leia o formato, não os totais. Granite se apresenta como um generalista amplo e bem equilibrado, com uma tabela de avaliação excepcionalmente honesta — 20 linhas abrangendo programação, matemática, uso de ferramentas, tarefas com documentos e contexto longo, todas com o harness declarado como o framework NeMo Evaluator SDK. Xing 4.0 se apresenta como um especialista restrito: margens enormes em benchmarks de engenharia de software e de agentes de terminal, uma perda no seguimento de instruções e silêncio em todo o resto. Um modelo sem número de GPQA não é necessariamente ruim em GPQA. É um modelo cujo fornecedor optou por publicar nove linhas.

Duas assimetrias honestas

O Granite 4.2 30B está público há sete semanas e carrega o escrutínio que isso implica, incluindo quantizações independentes, análises detalhadas de terceiros e os próprios valores de comparação publicados pela IBM para os seus irmãos 8B e 3B em cada linha da tabela. O Xing 4.0 está público há um mês, tem 53 000 downloads do repositório, não tem avaliação independente e faz benchmarks contra re-execuções de modelos rivais que o fornecedor realizou no seu próprio harness. Uma comparação anterior nesta série já aborda como essa tabela de comparação trata o Gemma 4; o ponto estrutural mantém-se para qualquer coluna da mesma.

A assimetria corre no sentido oposto em um eixo. O Granite 4.2 30B é um modelo de raciocínio com um perfil de computação denso, o que significa que ele é lento por token de uma forma inerente ao design e que não pode ser contornada por roteamento. Todo o argumento do Xing 4.0 é que você obtém o consumo de memória de um modelo de 29B com a capacidade aritmética de um modelo de 4B. Se esse argumento se sustentar em cargas de trabalho reais, ele é genuinamente um negócio melhor para tráfego de agentes em grande volume — e é exatamente o argumento que a própria linha de SWE-bench de um fornecedor não consegue decidir.

Quanto custa, e onde um roteador se encaixa

Nenhum dos modelos está no catálogo da OrcaRouter, portanto não somos uma via para nenhum deles, e este artigo não sugerirá o contrário. Ainda assim, vale a pena fazer as contas relevantes. O G​ranite 4.2 30B custa uma placa e nada mais, para sempre, com a ressalva de que sua computação densa significa que a placa de que você precisa é maior. O Xing 4.0 custa uma GPU e um fim de semana de integração de serving de antemão, ou uma avaliação medida no nível gratuito agora mesmo — e o nível gratuito é a maneira mais barata de descobrir se as alegações agênticas sobrevivem ao seu próprio repositório, em vez de a um harness terminus-2 executado pelo autor do modelo.

Onde um roteador se justifica com dois modelos que não hospedamos é no perímetro. Você não substitui o modelo que o seu caminho de produção já conhece; você coloca o desafiante ao lado dele numa fração do tráfego, sob uma regra declarada, com failover automático para que uma resposta ruim ou um travamento no upstream nunca chegue ao usuário. O OrcaRouter é uma única API à frente de mais de 200 modelos hospedados com 0% de margem — o preço de tabela do provedor é repassado sem nada acrescentado — e a DSL de roteamento é o que define a fração. Quando a avaliação termina, a regra muda e o incumbente retoma o tráfego.

Se o seu orçamento de avaliação for de um único modelo, escolha o Granite 4.2 30B quando o trabalho for amplo — raciocínio sobre documentos longos, geração multilíngue, pipelines que dependem pesadamente de seguir instruções, qualquer coisa em que você queira um número publicado para a tarefa que você realmente executa. Escolha o Xing 4.0 29B-A4B quando o trabalho for estreito e agêntico, você puder medi-lo por conta própria, e o argumento de throughput por placa for aquilo que você está comprando. A única escolha claramente errada é optar pelo Xing 4.0 com base apenas no 75 contra 57: esses dois números foram produzidos por laboratórios diferentes, em harnesses diferentes, e a única coisa que eles estabelecem de forma confiável é qual fornecedor publicou uma linha do SWE-bench.

O que resolveria isso

Uma avaliação independente do Xing 4.0 no mesmo harness em que o G​ranite foi medido, com a mesma estrutura de suporte, resolveria a maior parte da incerteza deste artigo no trabalho de uma única tarde por alguém com uma GPU sobrando. Enquanto isso não existir, o modelo denso é aquele cujos números você pode usar para agir, e o modelo esparso é aquele cujos números você precisa conferir. Ambas as afirmações estarão igualmente obsoletas no momento em que a segunda deixar de ser verdadeira.

Nada disso é hipotético: as falhas de IA documentadas e os incidentes com agentes por trás de lançamentos como este estão reunidos no Arquivo de Incidentes de IA da OrcaRouter, onde cada entrada traz as suas próprias fontes, gravidade, grau de confiança e sinalização de contestação.