Nanbeige4.3-33B против Granite 4.2 30B: заявления против соответствия требованиям

Решение между Nanbeige4.3-33B и Granite 4.2 30B будет принято на закупочном совещании, а не в таблице лидеров. Обе — плотные модели с примерно 30 млрд параметров под Apache 2.0, обе можно скачать на этой неделе, и обе заявляют потолок в 512K токенов. Но одну продаёт IBM с подписанными артефактами и контрактом на поддержку, а другая — это репозиторий, которому два дня, от китайской лаборатории, которая не опубликовала анонс запуска. Granite 4.2 30B от IBM появилась 25 августа 2026 г.; Nanbeige4.3-33B появилась на Hugging Face 24 октября 2026 г. На самом деле они не конкуренты в одной закупке, и именно поэтому сравнение стоит проводить тщательно.

То, что следует далее, — не победитель. Это логика шортлиста: четыре вопроса, которые действительно отделяют эти модели друг от друга, с证据? Wait need Russian only. Let's craft final. Need no preamble. "То, что следует далее, — не победитель. Это логика шортлиста: четыре вопроса, которые действительно разделяют эти модели, с доказательствами, на которых держится каждый ответ, и местами, где доказательства слабее, чем кажутся." Good. Need maybe "шортлиста" acceptable. No markers. Output only. Need consider "winner" maybe "победитель". "shortlist logic" "логика отбора в шортлист". Fine. Final. Need no extra.То, что следует далее, — не победитель. Это логика шортлиста: четыре вопроса, которые действительно отделяют эти модели друг от друга, с доказательствами, на которых держится каждый ответ, и местами, где доказательства слабее, чем кажутся.

Два продукта с одинаковым количеством параметров

Granite 4.2 30B — флагман линейки Granite 4.2 от IBM: 3B, 8B и 30B, все dense. Она создана на базе Granite-4.1-30B-Base, предварительно обучена на примерно 15 трлн токенов, включая около 1 трлн синтетических токенов кода, а затем для размеров 8B и 30B прошла этап агентного обучения с подкреплением. Она поставляется с тремя режимами рассуждения (thinking, non-thinking, low-effort), нативным вызовом инструментов в формате OpenAI, а также сборками FP8 и 4-bit. IBM заявляет о нативной поддержке vLLM и SGLang, включая granite_thinking_parser.

Nanbeige4.3-33B — единый плотный чекпоинт от Nanbeige LLM Lab, AI-команды компании Kanzhun, стоящей за BOSS Zhipin. В её карточке необычно подробно описаны параметры развёртывания: 33,1 млрд параметров, контекст на 524 288 токенов, английский и китайский языки, режим размышления, включённый по умолчанию, рекомендуемый XML-формат вызова инструментов вместо JSON и флаг preserve_thinking, предназначенный для многоходового использования инструментов. Она явно позиционируется как учительская модель для меньшей родственной модели Nanbeige4.3-3B, которая ещё не выпущена.

Разница в намерении имеет значение. Granite — это линейка продуктов с корпоративной поддержкой. Nanbeige4.3-33B — исследовательский артефакт, выпущенный, чтобы заложить основу семейства. Один создан для продажи; другой — чтобы из него дистиллировали.

Единственная строка, которую обе лаборатории действительно прогнали

В карточке Nanbeige она сравнивается с Qwen3.8-27B, Muse-Glimmer-30B и Gemma 4 31B. Материалы IBM Granite вообще не упоминают Nanbeige. Таким образом, у двух карточек есть ровно один общий бенчмарк, где прямое сопоставление хотя бы номинально возможно: Terminal-Bench 2.1.

• Terminal-Bench 2.1 — Nanbeige4.3-33B 80,9 (по карточке Nanbeige) против Granite 4.2 30B 29,24 (по карточке IBM). Разрыв в 51,7 балла в пользу Nanbeige.

Это самая большая заявленная разница между двумя таблицами вендоров во всём этом сравнении, и она требует трёх оговорок, прежде чем что-либо означать. Во-первых, обе цифры сообщены вендорами. Во-вторых, в карточке Nanbeige указано, что в прогоне Terminal-Bench 2.1 использовался Terminus 2; в карточке IBM не указан её скаффолд. В-третьих, терминальный бенчмарк измеряет модель плюс агентный цикл, и разрыв в 51 пункт может возникать из-за цикла так же легко, как из-за весов. Модель с хорошо настроенной обвязкой и модель со стандартной разойдутся на десятки пунктов на одном и том же номинальном бенчмарке.

Следующая ближайшая общая строка — GPQA Diamond: Nanbeige сообщает 89.5, IBM сообщает 66.41. Это настоящий разрыв в бенчмарке на знания, и он достаточно велик, чтобы сохраниться при различиях в тестовой обвязке, но он также измеряет не то же самое, что агентное программирование — научные вопросы уровня выпускника, а не долгосрочное использование инструментов. Это говорит о том, что Nanbeige — более сильный в рассуждениях из двух на этих данных. Это не говорит о том, что он более сильный агент.

Всё остальное несопоставимо. Nanbeige сообщает SWE-Bench Pro на уровне 60.3; IBM сообщает SWE-Bench Verified на уровне 57.00 — разные варианты, разная сложность. Nanbeige сообщает AIME 2026 на уровне 95.2; IBM сообщает AIME25 на уровне 89.17 — разные годы. Nanbeige сообщает JobBench и DeepPlanning; IBM сообщает τ³-bench 62.00, BFCL v4 61.39, MMLU-Pro 77.60, LiveCodeBench v6 75.77 и RULER 128K 81.38. Ни для одного из них нет аналога от Nanbeige.

Два утверждения о 512K, которые не являются одним и тем же утверждением.

Обе модели заявляют потолок в 512K. Достигают они его по-разному, и эта разница видна в том, что каждый из производителей счёл нужным опубликовать.

• Нативное окно — Nanbeige4.3-33B: 524 288 токенов, нативно. Granite 4.2 30B: 131 072 токена, нативно.

• Расширенный потолок — Granite 4.2 30B предлагает расширение длинного контекста до 512K. Nanbeige в этом не нуждается; 512K — это обученное окно.

• Доказательства для длинного контекста — IBM публикует RULER на 128K: 81.38. Nanbeige публикует AA-LCR с результатом 84.0 — это бенчмарк рассуждений на длинном контексте, но не бенчмарк recall при указанной глубине.

Вывод — карточка Nanbeige рекомендует до 262 144 новых токенов для рассуждений и чата, 65 536 — для агентной работы и работы с инструментами. Рекомендуемое IBM значение max_new_tokens — 8 192 в режиме размышления и 2 048 в режиме без размышления.

Эта последняя строка — самая практичная. Окно ввода на 512K в сочетании с рекомендацией вывода на 8K — это модель, созданная для того, чтобы много читать и кратко отвечать. Окно на 512K в сочетании с бюджетом генерации 262K — это модель, созданная для создания длинных артефактов. Если ваша задача — «загрузить репозиторий, написать миграцию», то это не эквивалентные продукты, даже при одинаковой номинальной длине контекста.

Вызов инструментов, режимы мышления и налог на интеграцию

Вызов инструментов в Granite нативный и в формате OpenAI: BFCL v4 — 61,39 в собственной оценке IBM. Это значит, что он подключается к стандартному клиенту вызова функций без собственного парсера. IBM также публикует парсер рассуждений для vLLM, поэтому трассы рассуждений четко отделяются от ответа.

Nanbeige4.3-33B придерживается противоположного подхода: он рекомендует tool_call_format="xml" для наилучшей производительности, поставляет шаблон в стиле ChatML и просит использовать парсер рассуждений Qwen3 и парсер инструментов Qwen3-Coder в vLLM или SGLang. Это не недостаток — многие сильные агентные модели используют XML-вызовы инструментов — но это работа по интеграции. Если ваш стек работает с инструментами в формате JSON OpenAI, Nanbeige требуется либо слой трансляции, либо его JSON-режим, который, как указано в карточке, поддерживается, но не является предпочтительным.

Это та скрытая цена, которую никогда не показывают таблицы бенчмарков. Модель, которая на 20 пунктов лучше на тестовом стенде, который вам приходится пересобирать, не будет на 20 пунктов лучше во вторник. Преимущество Granite здесь не в возможностях; оно в том, что интеграция документирована, стандартна и поддерживается вендором с баг-трекером.

Линия комплаенса

IBM поставляет Granite с криптографическими подписями, сертификацией ISO и раскрытием информации о прозрачности. Для регулируемого заказчика это не маркетинг — это разница между моделью, которая может пройти процесс утверждения, и той, которая не может. IBM также является контрагентом: есть договор, канал поддержки и компания, которая всё ещё будет существовать в течение временных рамок цикла закупки.

Модель Nanbeige4.3-33B распространяется по лицензии Apache 2.0, которая юридически допускает широкое использование, в том числе коммерческое. У неё нет договора на корпоративную поддержку, программы подписанных артефактов или опубликованного заявления о происхождении данных помимо карточки модели. Лаборатория является частью Kanzhun — публичной китайской компании, а модель двуязычная (английский–китайский). Ничто из этого не является дисквалифицирующим фактором. Всё это — как раз то, о чём спросят на проверке безопасности, и честный ответ сегодня таков: доказательств со стороны Nanbeige меньше.

Для команды, работающей вне регулируемого процесса, этот раздел не имеет значения, и его можно пропустить. Для команды, работающей внутри такого процесса, он может решить вопрос ещё до того, как будут прочитаны результаты бенчмарков.

Сколько стоит токен и сколько стоит GPU

Granite 4.2 30B доступна в виде управляемого API по цене $0,16 за миллион входных токенов и $0,65 за миллион выходных, со скидкой 75% за кэширование, со скоростью примерно 47,5 выходных токенов в секунду и временем до первого токена 0,82 секунды. Artificial Analysis оценивает её стоимость примерно в $0,07 за задачу Intelligence Index. Веса также можно скачать — около 60 ГБ в BF16 или 30 ГБ при 8-битном квантовании, что позволяет развернуть модель на одном GPU.

У Nanbeige4.3-33B нет опубликованной цены за токен, потому что её никто не хостит. В карточке прямо указано, что ни один провайдер инференса не развёртывает модель. Самостоятельный хостинг означает около 66 ГБ в BF16 или примерно 20 ГБ при 4-битном квантовании, причём собственные рецепты производителя используют размер тензорного параллелизма 4. Это четыре GPU, которые остаются выделенными независимо от того, поступает трафик или нет.

Сравните два числа честно: с одной стороны — оплата по счётчику, которая начинается с нуля, с другой — капитальные затраты, которые начинаются с четырёх GPU. При малом объёме Granite дешевле на порядок. При устойчиво высоком объёме self-hosted 33B может выиграть — но только если загрузка достаточно высока, чтобы окупить оборудование, и только если вы оцениваете инженерное время в ноль. Большинство команд обнаруживают, что оно не равно нулю.

Ни одна из моделей не находится на нашем роутере, и об этом стоит сказать прямо.

OrcaRouter сегодня не поддерживает Nanbeige4.3-33B или Granite 4.2 30B. Мы не собираемся делать вид, что это не так, потому что читатель, который зарегистрируется в расчёте на любую из этих моделей, потратит день, прежде чем обнаружит, что в каталоге нет ни той, ни другой.

Слой маршрутизации по-прежнему делает оставшуюся часть решения недорогой. Если вы уже используете текущего поставщика через наш эндпоинт, то добавление самостоятельно размещённого Nanbeige за тем же ключом и направление на него части трафика — это изменение конфигурации, а не вторая интеграция. Наша модель с 0% наценки — цена из прайс-листа провайдера передаётся как есть — также означает, что когда IBM или другой хост меняет цену Granite, видимая вами цифра меняется вместе с ней, а не отстаёт на величину маржи реселлера. Это не делает доступной ни одну из моделей. Это делает эксперимент с ними дешевле в проведении.

Шортлист, а не победитель

• Если вам нужен контракт, подписи и путь поддержки: Granite 4.2 30B, и разрыв в бенчмарках перестаёт иметь значение.

• Если вам нужна самая высокая заявленная производительность агентного программирования в этом классе размера: Nanbeige4.3-33B, с оговоркой, что его {{1}}80.9 на Terminal-Bench 2.1{{/1}} никогда не воспроизводился за пределами его собственной карточки.

• Если вам нужен нативный ввод 512K с длинным выводом: Nanbeige4.3-33B. Granite достигает 512K за счёт расширения и рекомендует вывод 8K.

• Если вам нужен китайский: обе модели его указывают. В карточке Granite китайский назван среди 12 языков; в карточке Nanbeige перечислены английский и китайский. Язык здесь не является решающим фактором.

• Если вам нужно начать сегодня без графических процессоров: Granite 4.2 30B через API IBM. У Nanbeige вообще нет варианта с хостингом.

Неудобный вывод таков: эти модели настолько близки по классу, что решение будет определяться ограничениями вокруг них — закупками, развертыванием, языком, модальностью, — а не строкой с 51 баллом. Эта строка вполне может быть достоверной. Но это также наименее поддающееся проверке утверждение в этой статье, и оно должно быть последней причиной выбирать модель, а не первой.