Granite Switch 4.1 30B против Granite 4.2 30B: два 30B от IBM, которые не конкурируют

Вот в чём неловкость, когда ставишь Granite Switch 4.1 30B рядом с Granite 4.2 30B: это не однотипные артефакты, поэтому большинство лобовых сопоставлений рассыпается при первом же контакте. Granite 4.2 30B — это модель: плотный 30B-рассуждатель, опубликованный IBM под Apache-2.0, с режимами размышления и агентным вызовом инструментов. Granite Switch 4.1 30B, чьи веса вышли 14 октября 2026 года, — это среда выполнения: она фиксирует базу Granite, прикрепляет к ней переключаемые адаптеры и продаёт вам три возможности из одного чекпоинта. Выбирать между ними — не то же самое, что выбирать между двумя моделями. Вы выбираете, нужна ли вам модель или слой композиции.

Тем не менее под категориальной ошибкой скрывается реальное решение, и оно не имеет ничего общего с бенчмарками. Switch 4.1 30B построен на базе Granite 4.1 30B. Granite 4.2 30B — это более новое поколение того же семейства, и оно измеримо сильнее как универсальная модель. Так что фактический вопрос в том, стоит ли механизм переключения того, чтобы ради него отказываться от целого поколения базовой модели, — и ответ зависит от того, вызываете вы модель или поставляете её.

Бок о бок, измерение за измерением

• Что это — Switch 4.1 30B — это композитный чекпоинт (замороженная база + два активированных LoRA-адаптера + речевой энкодер); Granite 4.2 30B — единая плотная модель, состоящая только из декодера.

• Параметры — Switch 4.1 30B в сумме составляет 29 989 814 272 против базовых 28 865 728 512, разница +3,89 %; Granite 4.2 30B — это плотная модель на 30B без надбавки за адаптеры, поскольку адаптеров у неё нет.

• Контекст — 131 072 токена у обоих нативно, при этом IBM документирует расширение длинного контекста до 512K на стороне Granite 4.2.

• Режим размышления — Granite 4.2 30B имеет явную цепочку рассуждений внутри <think>-тегов с выбираемым уровнем усилий; Switch 4.1 30B не имеет режима рассуждений, встроенного в шаблон чата.

• За пределами текста — Switch 4.1 30B принимает аудио и возвращает транскрипт вместе с калиброванным распределением решений; Granite 4.2 30B не умеет ни того, ни другого.

• Квантованные версии — Granite 4.2 30B поставляется в сборках BF16, а также FP8, NVFP4, MXFP4, GGUF и MLX; контрольные точки Switch поставляются в одной точности, и на момент написания официальных квантованных сборок не существует.

• Лицензия — Apache-2.0 для обоих.

• Опубликованные оценки — у Granite 4.2 30B есть полная таблица бенчмарков (от производителя); у Switch 4.1 30B есть только одно число — Decision Index, и измеряет он совсем другое.

Где Granite 4.2 30B одерживает безоговорочную победу

По общим возможностям это даже не близко, и так и задумано. Собственная карточка IBM для Granite 4.2 30B указывает 77,60 в MMLU-Pro, 89,17 в AIME 2025 и 66,41 в GPQA, наряду с 57,00 в SWE-bench Verified и 29,24 в Terminal-Bench 2.1 — все это заявлено производителем, прогнано через тестовый стенд на основе NeMo в собственной системе оценки IBM, ничто из этого не воспроизведено кем-либо за пределами IBM. Относитесь к этим цифрам как к заявлению производителя, и при этом они остаются единственными сравнительными данными, существующими для любой из этих моделей.

Структурный момент важнее показателей. Granite 4.2 30B обучалась как модель рассуждений с агентным обучением с подкреплением и поставляется вместе с сопутствующим инструментарием: квантованными сборками для оборудования, которое действительно есть у людей, путём расширения длинного контекста и документированным переключателем режима размышления. Granite Switch 4.1 30B была создана путём композиции замороженной базовой модели с адаптерами, а лежащая в её основе база на поколение старше. Если вы хотите, чтобы одна модель хорошо отвечала на сложные вопросы, вам нужна более новая плотная модель.

Где Granite Switch 4.1 30B одерживает безоговорочную победу

Три места, и ни одно из них не является эталоном.

Первое — это то, что он отвечает на вопрос другой формы. Адаптер принятия решений принимает состояние и вопрос с помеченными вариантами и возвращает калиброванное распределение вероятностей по этим меткам за один прямой проход — пример на карточке возвращает что-то вроде A: 0.982, B: 0.0035, C: 0.014. Это не чат-завершение, которое вы парсите с помощью регулярного выражения. Маршрутизация на основе softmax по логитам вариантов — это другая операция, нежели просьба к модели ответить одной буквой, и вся конструкция построена так, чтобы калиброванный вывод был доступен без второй модели на устройстве.

Второе — аудио. Встроенный энкодер 470M Granite Speech 5.0 TurboCTC транскрибирует входящий звук и вставляет транскрипт в контекст чата вместо части содержимого аудио, так что речевой запрос — это обычный запрос чата с частью input_audio. Хорошая ли это идея, полностью зависит от одной оговорки, которую IBM написала в своей карточке: энкодер и языковая модель не обучались совместно, нет обученной проекции, связывающей их, и вывод — только на английском, в нижнем регистре и без знаков препинания. Неверная расшифровка незаметно меняет вопрос, на который отвечает модель.

Третье — это накладные расходы на параметры, и именно это число переживёт релиз. Скомпонованный чекпоинт на 3,89% больше базового, потому что каждый адаптер читает KV-кэш базовой модели, а не поддерживает собственное состояние внимания. В обычной мультиадаптерной конфигурации каждый из адаптеров, между которыми вы переключаетесь, — это ещё один набор состояния внимания, и расход памяти растёт с их числом. Здесь вы платите 1,12 миллиарда дополнительных параметров за классификатор безопасности, движок принятия решений и речевой энкодер, а само переключение — это параметр запроса, который обрабатывает шаблон чата, а не второе развёртывание, которое нужно поднять и держать прогретым.

Ловушка в числах: 50.1 — это не уменьшенное 77.60

Наиболее вероятный способ неверно истолковать эту пару — поставить показатель модели Switch, равный 50,1 рядом с показателем Granite 4.2 30B, равным 77,60 и заключить, что модель Switch составляет две трети модели. Эти два показателя описывают не одно и то же, и такое сравнение лишено смысла.

50,1 — это оценка Decision Index: редакция v0.3, публичное быстрое подмножество из 1 068 строк, — измеряющая, насколько хорошо адаптер решений ранжирует размеченные варианты, с разбивкой по областям: Знания 32,4, Язык 58,6, Поиск 49,8, Инструменты 76,5 и Искусство 26,4. Это оценка одного адаптера, выполняющего одну задачу, и она вообще ничего не говорит о качестве чата базовой модели, потому что базовая модель под ним не затронута адаптером. 77,60 — это MMLU-Pro, тест на общие знания для всей модели. Разные оси, разные тестовые стенды, разные авторы. Единственно правильное использование любого из этих чисел — как свидетельство о том, что оно фактически измерило.

Смотрите на структуру Decision Index, а не на его заголовок — и вы получите действительно полезную информацию: то, что по Tools 76,5, а по Arts 26,4, говорит о том, что этот адаптер стоит нацеливать на решения в стиле выбора инструментов и что ему не следует доверять в креативной классификации или классификации в открытой предметной области без вашей собственной оценки. Это более действенная фраза, чем любая общая оценка.

Что на самом деле решает это?

Если вы вызываете модель — один эндпоинт, один промпт, один ответ — Granite 4.2 30B — более новая и лучшая модель, и нет причин обходить чекпоинт Switch, чтобы получить её.

Если вы поставляете один, арифметика меняется. Команда, строящая систему, которая должна отвечать, принимать решения и транскрибировать, иначе запускает три процесса с тремя задержками и тремя объёмами памяти; сборка Switch сворачивает всё это в один чекпойнт, который стоит на 3,89% больше, чем заменяемая им база. У команды, которой нужна калиброванная вероятность по фиксированному набору меток, эквивалента в Granite 4.2 30B нет вообще, и промптинг для этого — не то же самое.

Загвоздка — в базе. Покупка слоя композиции означает, что вы принимаете базовую модель первого поколения, а на сегодняшний день не существует чекпоинта Switch, построенного на базе Granite 4.2. IBM заявила, что дополнительные данные появятся «в ближайшие недели», и назвала composer путём вперёд — любой может построить чекпоинт Switch из любой базы Granite и любого подмножества адаптеров с помощью инструментария granite-switch. Сделает ли IBM это для линейки 4.2 — вот за чем стоит следить, потому что этот выпуск устранил бы весь этот компромисс.

Запускать оба, не делая ставку ни на один из них

Сегодня ни одной из этих моделей нет в каталоге OrcaRouter, поэтому обе они означают ваше собственное оборудование и каналы выпуска IBM. Об этом стоит сказать прямо, а не подразумевать, что существует хостируемая конечная точка.

Что меняет платформа — это стоимость выяснения. Один ключ покрывает более 200 моделей с автоматическим переключением при сбое, а цена провайдера по прайс-листу передаётся с наценкой 0%, так что когда модель, которую вы оцениваете, всё же получает хостинговый маршрут, измерить её против того, что уже работает в продакшене, — это изменение конфигурации, а не второй контракт с вендором. В этом конкретном сравнении это важно, потому что обе стороны не подтверждены одинаковым образом: таблица бенчмарков Granite 4.2 30B — это собственная таблица IBM, и она не воспроизведена, а у Granite Switch 4.1 30B по сути одна опубликованная цифра и вообще нет независимой оценки. Ни одна из них не заслуживает места в продакшене на основании карточки модели. Обе заслуживают недели вашего собственного трафика.

Вердикт

Granite 4.2 30B — лучшая модель. Granite Switch 4.1 30B — более интересный артефакт, и именно он показывает, куда, по мнению IBM, движется корпоративный инференс: не более крупная модель, а меньший счёт за тот же набор возможностей, достигаемый за счёт компоновки дешёвых адаптеров поверх одной замороженной базовой модели и совместного использования KV-кэша между ними.

Выбирайте модель 4.2, если вам нужны ответы. Выбирайте чекпойнт Switch, если вам нужны решения о маршрутизации, заключение о безопасности и транскрипт из одного процесса, и вы готовы смириться с базовой моделью, отстающей на одно поколение. Игнорируйте всех, кто сравнивает их оценки друг с другом; эти числа измеряют не одно и то же.