LBS-27B против Granite 4.2 30B: плотная архитектура по замыслу против спецификации, которой не существует

IBM сделала осознанный выбор в пользу Granite 4.2 30B: сохранила модель плотной. Шестьдесят четыре слоя, блок feed-forward шириной 32 768, каждый параметр считывается для каждого токена. В год, когда большинство лабораторий такого масштаба обратились к маршрутизации mixture-of-experts, IBM выпустила обычную 30B-модель и назначила соответствующую цену. Это решение — правильный ракурс для сравнения её с LBS-27B, потому что единственное, что мы знаем о новом репозитории inclusionAI, — это название и лицензия, и первый вопрос, на который должно ответить это название, — описывает ли оно плотную модель или разреженную.

Granite 4.2 30B имеет полную публичную документацию: веса с августа 2026 года, лицензию Apache-2.0, карточку модели с девятнадцатью строками бенчмарков и документированный стек вызова инструментов. У LBS-27B есть репозиторий, созданный 26 октября 2026 года, содержащий .gitattributes-файл и README размером 28 байт, в котором указана лицензия Apache-2.0 и больше ничего не сказано. Это не сравнение двух моделей. Это сравнение одной модели со спецификацией, которая ещё не написана, и полезный результат — список конкретных вещей, которые эта спецификация должна будет содержать.

Что IBM на самом деле выпустила

Granite 4.2 30B — это плотный декодер с 30 миллиардами параметров — Hugging Face указывает 29B в BF16 — с 64 слоями, скрытым размером 4 096, 32 головами внимания и 8 головами ключей-значений при групповом запросном внимании. Словарь содержит 100 352 токена, нативный контекст — 131 072, а IBM документирует расширение длинного контекста до 512K. Модель работает только с текстом. В карточке перечислены двенадцать протестированных языков: английский, немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский.

Это reasoning-модель в обычном понимании 2026 года. В карточке описаны режимы full-thinking, non-thinking и low-effort, причём рассуждения обёрнуты в теги think. Она была дообучена на основе Granite 4.1 30B Base, выпущена под Apache-2.0, и IBM датирует её релиз 25 августа 2026 года.

Плотная модель — это не технический недостаток. Это компромисс. У плотной модели предсказуемые вычисления и потребление памяти на токен, нет маршрутизатора, который может направить токен не туда, не нужно проектировать шардирование с эксперсным параллелизмом, а процесс дообучения ведёт себя так, как ожидает большинство команд. Взамен обслуживание каждого токена обходится дороже, чем у разреженной модели того же общего размера. IBM продаёт этот компромисс предприятиям, которые предпочтут скучное развёртывание дешёвому.

Профиль бенчмарка с формой

Карточка Granite необычно полная, что позволяет увидеть, в чём модель сильна, а в чём нет. Все эти данные предоставлены производителем и не были независимо воспроизведены.

• Математика — AIME25 89.17 и HMMT February 2025 89.17. Это выдающиеся показатели в карточке, и они значительно выше того, что модель 30B показывала год назад.

• Знания и наука — GPQA 66.41, MMLU-Pro 77.60, MMLU-ProX lite 66.64, SciCode 38.76. Компетентно, но не на лидирующем уровне. Разрыв между результатом AIME около 90 и результатом GPQA в середине 60-х отражает характер этой модели: она лучше справляется с проработкой структурированной задачи, чем с припоминанием или рассуждением по широкому спектру предметных знаний.

• Разработка программного обеспечения — SWE-Bench Verified 57, SWE-Bench Pro 33,29, SWE-Bench Multilingual 41,89, Terminal-Bench 2.1 29,24, LiveCodeBench v6 75,77. Разрыв между LiveCodeBench и Terminal-Bench велик, и это важно: способность к спортивному программированию — не то же самое, что умение выполнить многошаговую задачу в реальном терминале.

• Большой контекст — RULER 64K 89.96 и RULER 128K 81.38. Это самая обнадёживающая пара показателей на карточке, потому что она измеряет извлечение информации по всему окну, а не предполагает, что большой контекст уже пригоден для использования. Падение на семь пунктов с 64K до 128K — это плавный спад.

• Следование инструкциям и чат — IFBench 77,17, Arena-Hard-V2 67,93, tau3 в среднем 62,00, BFCL v4 61,39.

Честная оценка такова: Granite 4.2 30B — это крепкая, но неровная модель: превосходна в олимпиадной математике и извлечении информации из длинного контекста, обычна в широких знаниях и находится на среднем уровне в агентной работе с ПО. Это конкретный продукт, а не универсальный.

Вызов инструментов — вот аргумент, который приводит IBM.

Фраза, которую использует IBM, — «вызов инструментов с усиленным рассуждением»: модель рассуждает о том, какой инструмент вызвать и почему, прежде чем вызвать его. Детали реализации практичны, а не экзотичны: определения функций в стиле OpenAI, парсер инструментов vLLM под названием qwen3_coder, автоматическое сопоставление в SGLang с тем же парсером, а также интеграции с OpenCode, Pi и OpenHands.

Будет ли это лучше альтернатив — вопрос эмпирический, и собственные цифры карточки неоднозначны. BFCL v4 с 61,39 и tau3 с 62,00 — достойные результаты, но не доминирующие; модели, возглавляющие эти лидерборды, как правило, крупнее. Granite предлагает документированный, воспроизводимый путь вызова инструментов с разрешительным лицензированием и профилем обслуживания плотной модели — а это часто именно то, что реально нужно корпоративному агентскому проекту, больше, чем корона лидера лидерборда.

Именно по этой части LBS-27B будут судить в первую очередь, если он нацелен на того же покупателя. Модель, которая не может надёжно вызывать инструменты, не является кандидатом для агентной работы, независимо от её балла MMLU, а оценки вызова инструментов — это как раз то, что не появляется в репозитории, пока модель не готова.

Сторона страницы LBS-27B

Сказать почти нечего, и важно сказать это точно, а не заполнять пространство домыслами.

• Репозиторий существует. Он был создан в 05:36 UTC 26 октября 2026 года и с тех пор не изменялся.

• Он содержит два файла: 1519-байтовый .gitattributes и README размером 28 байт. README — это только лицензионный frontmatter: license: apache-2.0.

• Нет весов, нет конфигурации, нет токенизатора, нет карточки модели и нет данных оценки. Загрузки не отслеживаются, а лайков — ноль. Мы не обнаружили ни анонса, ни статьи, ни публичного обсуждения.

• «27B» — часть названия репозитория. Ничто в репозитории не подтверждает, что это количество параметров, и ничто не указывает, является ли модель плотной или разреженной.

Последний пункт — не мелкий пробел. Плотные и разреженные модели 27B — это разные продукты с разной экономикой обслуживания, разным поведением при дообучении и разными режимами отказов. Пока не существует файла конфигурации, у сравнения с Granite одна сторона полностью специфицирована, а другая пуста.

Сравнение, измерение за измерением

• Параметры — Granite 4.2 30B — плотная модель на 30B (в BF16 указано 29B); LBS-27B — непроверенная модель на 27B, архитектура не раскрыта.

• Слои и ширина — 64 слоя с размером скрытого слоя 4 096 для Granite; для LBS неизвестно.

• Контекст — 131,072 нативно и документированное расширение на 512K для Granite; для LBS неизвестно.

• Модальность — только текст для Granite; для LBS неизвестно, при этом разумным базовым вариантом является только текст.

• Языки — двенадцать протестированных языков для Granite; для LBS — неизвестно.

• Режимы рассуждения — полный, без размышления и с низкими усилиями для Granite; неизвестно для LBS.

Вызов инструментов — документированный путь вызова функций с показателями BFCL v4 61.39 и tau3 62.00 для Granite; для LBS ничего не опубликовано.

• Лицензия — Apache-2.0 для Granite; Apache-2.0 заявлена для LBS, может быть изменена до выпуска весов.

• Доступность — Веса Granite уже сегодня можно скачать и развернуть самостоятельно; у LBS нечего скачивать.

Длина контекста — вот где эти два могут разойтись сильнее всего.

Нативное окно Granite в 128K с расширением до 512K — это осознанно предусмотренная корпоративная функция, и результаты RULER показывают, что это не просто маркетинг: 81,38 при 128K — вполне рабочий результат. Для проверки договоров, анализа логов, поиска по кодовой базе и длинных журналов аудита такое сочетание — документированный путь расширения плюс подтверждённое данными качество извлечения информации вблизи верхней границы окна — ценнее, чем большее число, за которым не стоит никаких доказательств.

Если LBS-27B выйдет с окном в 256K или 512K, интересным будет не само число. Интересным будет то, опубликует ли inclusionAI оценки retrieval на дальнем конце этого окна. Окно — это заявление о ёмкости; результаты в стиле RULER — это заявление о возможностях, и на практике эти два резко расходятся.

Развертывание, лицензирование и место маршрутизатора

Обе модели заявляют Apache-2.0 — это наиболее либеральный вариант для коммерческого использования и причина, по которой Granite популярен среди команд, которые не могут принять нестандартную лицензию. Granite 4.2 30B нет на OrcaRouter, как и LBS-27B; если вам нужен Granite, скачайте его и запустите самостоятельно или используйте хостинговую платформу.

Именно для такого развёртывания на собственной инфраструктуре гибридная архитектура и имеет смысл. Запускайте Granite на своём оборудовании для рутинной нагрузки — трафика классификации, извлечения данных и вызова инструментов, где плотной 30B-модели более чем достаточно, — а по-настоящему сложные случаи направляйте в облачную фронтирную модель. OrcaRouter полезен для второй части: один API-ключ для более чем 200 моделей, автоматическое переключение при деградации провайдера и DSL маршрутизации, который позволяет описать это разделение как политику, а не как код в трёх сервисах. Мы передаём цену провайдера по прайс-листу с наценкой 0%, поэтому облачная часть счёта — это цифра провайдера, а не наша с наценкой сверху.

Мы не станем утверждать, что какая-либо из моделей в этом сравнении доступна через нас. Это не так, и страница сравнения, которая подразумевает обратное, хуже, чем бесполезна.

Что могло бы разрешить это сравнение?

Три артефакта превратили бы эту страницу из упражнения по спецификации в настоящее сравнение.

Первое — это config.json с экспертными полями, который определяет выбор между плотной и разреженной архитектурой и даёт количество активных параметров. Если LBS-27B — разреженная модель с малым числом активных параметров, она обойдёт Granite по стоимости обслуживания, и сравнение превратится в компромисс между ценой и качеством. Если же она плотная, речь идёт о прямой замене, и зрелость инструментов IBM становится решающим фактором.

Второй — это оценка вызова инструментов на указанной версии харнесса. Показатели Granite в BFCL v4 и tau3 не впечатляют, а значит, новой модели не нужно быть впечатляющей, чтобы их превзойти — её нужно измерять на том же харнессе.

Третье — доказательства извлечения в длинном контексте при 128K и выше. Показатели Granite в RULER — его самый сильный аргумент в пользу применимости на предприятиях, и именно их следует требовать повторить от конкурента.

Для корпоративного покупателя, принимающего решение сегодня, Granite 4.2 30B — известная величина с разрешительной лицензией, документированным стеком инструментов и профилем обслуживания плотной модели, который предпочитают многие инфраструктурные команды. LBS-27B — это имя со строкой лицензии. Разрыв между ними — не приговор инженерной работе inclusionAI. Это просто разница между моделью, которая была опубликована, и той, которая была зарезервирована.