Xing 4.0 29B-A4B против Granite 4.2 30B: плотная читает всё, разреженная — девятую часть

Вот весь архитектурный аргумент в одном предложении. G​ranite 4.2 30B, плотная модель рассуждений I​BM, опубликованная под Apache 2.0 25 августа 2026 года, считывает все свои тридцать миллиардов параметров, чтобы сгенерировать каждый отдельный токен. Xing 4.0 29B-A4B, разреженная смесь экспертов от China Telecom, чьи веса были выложены 16 сентября 2026 года и которая стала доступна для вызова в середине октября, считывает примерно четыре миллиарда из своих двадцати девяти. Обе — Apache-2.0, обе находятся в одном весовом классе, обе нацелены на агентную работу, и их запуск стоит для вас совершенно разных вещей: G​ranite тратит вычисления на каждый токен, Xing тратит память на хранение экспертов, которые не используются для этого токена, и стек обслуживания, который умеет обходить их маршрутизацией. Всё нижеследующее следует из этого.

Что на самом деле представляет собой каждый артефакт

Их стоит отделить от общего для них ярлыка. «30B» сообщает размер файла, а не форму рабочей нагрузки.

• Granite 4.2 30B — флагман IBM в семействе Granite 4.2, построенный на Granite-4.1-30B-Base. Декодерный плотный трансформер для рассуждений, 30 млрд параметров (в репозитории указано 29 млрд в тензорах BF16), групповое внимание запросов (GQA) с 32 головами внимания против 8 голов ключей-значений, RoPE при θ = 10 000 000, MLP SwiGLU со скрытым размером 32 768, несвязанные входные и выходные эмбеддинги, RMSNorm при ε = 1e-5. Двенадцать протестированных языков. Apache 2.0.

• Xing 4.0 29B-A4B — преемник линейки TeleChat от TeleAI. 40 слоёв, размер скрытого слоя 3 584, промежуточный слой плотной FFN — 9 216, а промежуточный слой эксперта — 1 024, 64 маршрутизируемых эксперта, из которых 4 активны на токен, плюс один общий эксперт, всегда включённый, внимание MLA со сжатыми ключами и значениями вместо GQA и спекулятивное декодирование MTP, встроенное в чекпойнт. Фактически один протестированный язык в карточке модели. Apache 2.0.

• Контекст — G​ranite 4.2 30B нативно поддерживает 128K с документированным расширением длинного контекста до 512K и длиной последовательности в конфигурации 131 072. Xing 4.0 нативно поддерживает 256K, заявлена возможность расширения до 512K. Окно по умолчанию у Xing вдвое шире; из двух лучше документирован путь расширения у G​ranite.

• Опубликованные форматы — Granite 4.2 30B поставляется в BF16, а также в вариантах квантования FP8, MXFP4 и NVFP4, со сборками GGUF от IBM и от сообщества. Xing 4.0 поставляется в BF16 safetensors, а также в FP8, w8a8 и GGUF. Оба здесь на удивление хорошо обеспечены, и оба дают реальное преимущество перед многими открытыми релизами, которые публикуют один шард bfloat16 и оставляют квантование добровольцам.

• Доступность — G​ranite 4.2 30B не имеет эндпоинта с оплатой за токены в нашем каталоге; вы запускаете его сами или получаете к нему доступ через собственную платформу I​BM и другие сторонние сервисные платформы. Xing 4.0 в середине октября получил коммерческий эндпоинт с оплатой по факту использования и бесплатным промо-тарифом, и он также отсутствует в нашем каталоге.

Компромисс между памятью и вычислениями, если говорить честно

Разреженность — это не скидка на всю машину; это скидка по одной оси и надбавка по другой. Granite 4.2 30B требует примерно столько же памяти, сколько плотная модель на 30B в bfloat16, и при обработке каждого токена выполняет вычисления по всем параметрам, поэтому её пропускная способность на единицу оборудования предсказуема, а поведение при батчинге — прямолинейно. Xing 4.0 должна держать все 29B резидентно — каждый эксперт находится в памяти независимо от того, затрагивает ли его этот токен, — но пропускает через арифметику лишь веса объёмом 4B на токен; именно поэтому утверждается, что её 4-битная квантизация помещается примерно в 15GB VRAM, и именно поэтому её совокупная пропускная способность при высокой параллельности имеет совершенно иную форму.

Это утверждение стоит проверить, прежде чем покупать под него карту: в репозитории указано 31B в тензорах полной точности, а 4-битная сборка модели общим размером 29B, занимающая 15 ГБ, подразумевает агрессивную квантизацию весов экспертов. Смотрите на фактический размер файла GGUF, а не на описание коллекции.

Второе, менее заметное различие — зрелость пути обслуживания. G​ranite 4.2 30B — стандартный плотный трансформер, а значит, любой стек инференса поддерживает его более или менее по умолчанию. Xing 4.0 требует специализированных ядер для своих ограниченных многообразием остаточных потоков гиперсвязей и для внимания MLA — SGLang содержит выделенное ядро split-K для четырёхпоточной раскладки, в vLLM эта архитектура есть, и таково положение дел. Специализированная схема attention-plus-residual — это плата за архитектуру, и это не единовременные затраты, если вы планируете дообучение, квантование или работу с необычными формами батчей.

Где опубликованные цифры на самом деле расходятся

Оба поставщика публикуют собственные таблицы, обе внутренне согласованы, и ни одна из них не была независимо воспроизведена третьей стороной на идентичных стендах. Сравнивайте их как заявления, а не как измерения.

• SWE-bench Verified — Xing 4.0 75.00 против G​ranite 4.2 30B 57.

• SWE-bench Multilingual — Xing 4.0 66.00 против G​ranite 4.2 30B 41.89.

• Terminal-Bench 2.1 — Xing 4.0 57,50 против Granite 4.2 30B 29,24.

• Агентное использование инструментов — Xing 4.0: Claw-Eval 76,55 и Tau3-Bench 64,63; Granite 4.2 30B: τ³-bench 62,00 и BFCL v4 61,39.

• Следование инструкциям — Xing 4.0 IFBench 69,67 против Granite 4.2 30B IFBench 77,17.

• Математика и общие рассуждения — G​ranite 4.2 30B AIME25 89.17, HMMT Feb25 89.17, GPQA 66.41, MMLU-Pro 77.60, LiveCodeBench v6 75.77. В карточке Xing 4.0 не сообщается ни об одном из этих показателей, поэтому столбцы остаются пустыми, а не превращаются в победу.

• Длинный контекст — G​ranite 4.2 30B публикует RULER на 64K (89.96) и 128K (81.38). Xing 4.0 публикует AA.LCR на 61.00 и больше ничего в семействе длинного контекста. G​ranite побеждает в единственной строке, где присутствуют оба числа, и это значимая победа: RULER на 128K — гораздо более сложный тест, чем средний балл по извлечению.

Смотрите на форму, а не на итоговые цифры. Granite выглядит как широкий, хорошо выверенный универсал с необычно честной таблицей оценок — 20 строк по программированию, математике, использованию инструментов, задачам с документами и длинному контексту, при этом везде тестовый стенд указан как фреймворк NeMo Evaluator SDK. Xing 4.0 выглядит как узкий специалист: огромные отрывы на бенчмарках по программной инженерии и терминальным агентам, проигрыш в следовании инструкциям и молчание во всём остальном. Модель без показателя GPQA не обязательно плоха в GPQA. Это модель, чей вендор решил опубликовать девять строк.

Две честные асимметрии

G​ranite 4.2 30B находится в открытом доступе уже семь недель и сопровождается соответствующим пристальным вниманием, включая независимые квантования, подробные сторонние обзоры и собственные опубликованные I​BM сравнительные значения для его 8B и 3B собратьев в каждой отдельной строке таблицы. Xing 4.0 находится в открытом доступе уже месяц, имеет 53 000 загрузок из репозитория, не имеет независимой оценки и сравнивает себя с повторными запусками конкурирующих моделей, которые производитель выполнил в своей собственной среде тестирования. Более раннее сравнение в этой серии уже рассматривает, как эта сравнительная таблица трактует Gemma 4; структурный момент справедлив для любого столбца в ней.

Асимметрия действует в обратную сторону по одной оси. G​ranite 4.2 30B — это модель рассуждений с плотным вычислительным профилем, а значит, она медленна в расчёте на токен так, что это присуще самой конструкции, и её нельзя обойти маршрутизацией. Весь аргумент Xing 4.0 состоит в том, что вы получаете объём памяти 29B-модели при арифметике 4B-модели. Если этот аргумент подтверждается на реальных нагрузках, это действительно более выгодное предложение для больших объёмов агентского трафика — и именно этот аргумент не может разрешить собственная строка результатов SWE-bench вендора.

Сколько это стоит и при чём тут роутер

Ни одна из этих моделей не входит в каталог OrcaRouter, так что мы не являемся маршрутом ни к одной из них, и этот материал не будет утверждать обратное. Соответствующая арифметика всё же стоит того, чтобы её выполнить. Granite 4.2 30B стоит одну карту и больше ничего, навсегда, с оговоркой, что его плотные вычисления означают, что нужная вам карта — более крупная. Xing 4.0 стоит GPU и выходные на интеграцию сервинга сразу, либо измеряемую пробную оценку на бесплатном тарифе прямо сейчас — и бесплатный тариф — самый дешёвый способ выяснить, выдерживают ли агентные заявления ваш собственный репозиторий, а не прогон terminus-2 harness, выполненный автором модели.

Именно на периметре роутер по-настоящему оправдывает себя с двумя моделями, которые мы не хостим. Вы не заменяете модель, которую уже знает ваш продакшн-путь; вы запускаете претендента рядом с ней на части трафика, по заданному правилу, с автоматическим переключением при сбое, чтобы плохой ответ или зависание на стороне апстрима никогда не дошли до пользователя. OrcaRouter — это один API перед более чем 200 хостируемыми моделями с наценкой 0% — цена по прайс-листу провайдера передаётся как есть, без каких-либо надбавок, — и DSL маршрутизации — именно так определяется эта доля трафика. Когда оценка завершается, правило меняется, и действующий вариант забирает трафик обратно.

Если ваш бюджет на оценку — одна модель, берите G​ranite 4.2 30B, когда работа широкая — рассуждения по длинным документам, многоязычная генерация, конвейеры с высокой нагрузкой на следование инструкциям, всё, где вы хотите опубликованное число для задачи, которую вы действительно запускаете. Берите Xing 4.0 29B-A4B, когда работа узкая и агентная, вы можете измерить её сами, и аргумент пропускной способности на карту — это то, что вы покупаете. Единственный выбор, который явно неверен, — выбрать Xing 4.0, опираясь только на 75 против 57: эти два числа были получены разными лабораториями на разных стендах, и единственное, что они надёжно устанавливают, — это то, какой вендор опубликовал строку в SWE-bench.

Что бы это уладило

Одна независимая оценка Xing 4.0 на том же стенде, на котором измеряли Granite, с тем же каркасом, устранила бы большую часть неопределённости в этом материале за один день работы человека с запасным GPU. Пока этого не существует, плотная модель — это та, на чьи числа можно опираться, а разреженная — та, чьи числа приходится проверять. Оба утверждения станут одинаково устаревшими в тот момент, когда второе перестанет быть верным.

Ничего из этого не гипотетично: задокументированные сбои ИИ и инциденты с агентами, стоящие за такими релизами, как этот, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, уровень серьёзности, класс уверенности и флаг оспаривания.