Granite 4.2 30B vs Nemotron 3.5 Lightning: tänkaren och göraren

Granite 4.2 30B och Nemotron 3.5 Lightning är två 30B-modeller med öppna vikter som släpptes med fjorton dagars mellanrum och med nästan motsatta uppgifter. Nemotron 3.5 Lightning, som släpptes av NVIDIA den 11 augusti 2026, är en hybrid Mixture-of-Experts med totalt 30B / 3B aktiva parametrar – Mamba-2 state-space-lager, MoE och attention – byggd för att vara exekveringslagret i agentsystem: snabba verktygsanrop, loopar med hög volym, subagentarbete, som körs på ett enda GPU. Granite 4.2 30B, som IBM publicerade i det tysta på Hugging Face den 25 augusti 2026, är en tät resonemangsmodell med 29 miljarder parametrar – en tänkare, med valbara tankelägen och agentisk förstärkningsinlärning, även självhostbar. Båda är öppna (Apache 2.0 respektive OpenMDW-1.1), båda får plats på hårdvara som ett team faktiskt kan äga, och båda är augustisläpp vars riktmärken fortfarande i huvudsak är leverantörsrapporterade. Den intressanta frågan är inte vilken som är bättre utan vilken du behöver – en planerare, en exekutor eller båda.

Denna uppdelning mellan planerare och exekutor är inte en redaktionell uppfinning; det är NVIDIAs egen design. Nemotron 3.5 Lightning destillerades från den betydligt större Nemotron 3 Ultra specifikt för att en frontmodell ska kunna hantera planering medan Lightning kör loopen, och NVIDIA levererade den tillsammans med NeMo Switchyard, ett routingbibliotek som implementerar exakt den arbetsfördelningen. Granite 4.2 30B, däremot, försöker vara hela agenten i ett enda 30B-paket.

Granite 4.2 30B, tänkaren

IBMs flaggskeppsmodell Granite 4.2 är en tät Transformer med enbart avkodare och tre resonemangslägen — fullständigt tänkande (omslutet av think>.../think> taggar), tänkande med låg ansträngning och inget tänkande — plus OpenAI-kompatibla verktygsanrop och agentisk förstärkningsinlärning som tränade den att använda terminaler, köra kod och söka på webben i en sandlåda. Dess 128K inbyggda kontext utökas till 512K. IBMs datablad anger 89.17 på AIME 2025, 77.60 på MMLU-Pro och 57.00 på SWE-Bench Verified (i testmiljö) — allt leverantörsrapporterat, inget oberoende reproducerat, och det finns ännu ingen Artificial Analysis-post. Det är kort sagt en generalistisk resonemangsmodell som var hårt inriktad på agentiskt arbete och levereras i BF16 plus FP8, NVFP4/MXFP4 och GGUF-kvantiseringar så att team faktiskt kan köra den.

Nemotron 3.5 Lightning, göraren

NVIDIAs modell har en helt annan form. Namnet "30B A3B" betyder 30 miljarder totala parametrar med endast cirka 3 miljarder aktiva per token – en hybridarkitektur som blandar Mamba-2, MoE och attention, vilket gör att den genererar snabbt och billigt. Den levereras med spekulativ avkodning inbyggd: Multi-Token Prediction-huvuden, plus DFlash- och DSpark-draftmodeller, så att en liten draftmodell föreslår tokens som huvudmodellen verifierar parallellt. NVIDIA hävdar upp till 4x högre genereringshastighet jämfört med modeller av liknande storlek, och det hela körs på en enda GPU – en RTX 5090, DGX Spark eller Jetson – eller med 256K kontext på en H100, och modellen stödjer i princip upp till 1M kontext. Dess licens, OpenMDW-1.1, täcker vikterna, träningsdatan och recepten.

NVIDIA:s egen positionering är tydlig med vad Lightning inte är: en utvärdering de skickade med visade svag Terminal-Bench-prestanda som primär agent — LLM Stats verifierade oberoende cirka 24,6 på Terminal-Bench 2.1 — och vägledningen är att använda den som exekutor, inte planerare. Dess självrapporterade styrkor är MMLU Pro 81,94, GPQA Diamond 75,44, SWE-Bench Verified 51,56 och PinchBench med 86 % noggrannhet, samtidigt som den slutför uppgifter cirka 30 % snabbare än en Qwen 3.6 35B vid liknande noggrannhet. Varenda en av dessa är NVIDIA:s egna siffror.

Resultattavlan, ärligt märkt.

Den användbara jämförelsen är kolumnformen, inte radvärdena:

• Granite 4.2 30B — ~29B dense, alla parametrar aktiva; Apache 2.0; 128K nativ / 512K utökad; resoneringslägen du kan välja per förfrågan; leverantörsrapporterade SWE-Bench Verified 57.00, Terminal-Bench 2.1 29.24; tänkaren.

• Nemotron 3.5 Lightning — 30B totalt / 3B aktiv hybrid MoE; OpenMDW-1.1; 1M kontext (256K i praktiken på en H100); spekulativ avkodning (MTP/DFlash/DSpark); leverantörsrapporterad SWE-Bench Verified 51.56, ~24.6 Terminal-Bench 2.1 (verifierad av LLM Stats); den som gör jobbet.

Läs de raderna på det sätt NVIDIA avser: Lightnings svaghet i Terminal-Bench är en egenskap i dess design — den är inte tänkt att planera, den är tänkt att utföra. Granites siffror är en enda modell som påstår sig göra både och. Ingen av uppsättningarna är oberoende reproducerad vid lansering; båda kommer att vara det inom några veckor.

Stacken, inte modellen.

De två modellerna är mindre konkurrenter än närliggande komponenter i samma system. En agent behöver en planerare för att bryta ner en uppgift och en exekutor för att mala igenom tusen verktygsanrop. Granite 4.2 30B försöker slå ihop båda till en enda tät modell; Nemotron 3.5 Lightning är uttryckligen hälften av en stack med två modeller, med frontmodellen som den andra hälften. NVIDIA kallar den stacken för NeMo Switchyard; ett routningslager gör samma sak med valfri blandning av värdbaserade och självvärdbaserade modeller.

Det är här den ärliga routningsanteckningen hör hemma. Ingen av modellerna finns på OrcaRouter – vi routear varken Granite 4.2 30B eller Nemotron 3.5 Lightning, och tillgänglighetsraden för båda är din egen hårdvara eller leverantörens egna kanaler. Men det mönster med två modeller som de pekar på är precis vad en routnings-DSL är till för: komponera en självhostad Granite-endpoint för resonemangspasserna och en självhostad Lightning-endpoint för exekveringslooparna, sätt en hostad frontier-modell framför för planeringen som behöver mer utrymme, och driv alla tre från en enda API-nyckel med automatisk failover. Du behöver inte välja mellan tänkare och görare – du kan sätta ihop en stack som använder varje där den är stark, och låta routern avgöra.

Vilken först?

Om du vill ha en enda modell att äga, en kodbas och en serveringsstack, och är villig att ge den allt resonemangs- och exekveringsarbete, börja med Granite 4.2 30B — men vänta på det första oberoende riktmärket innan du litar på SWE-Bench-siffran 57.00. Om du bygger en högvolymsagent där de flesta anrop är korta verktygssteg och latensen är budgeten, börja med Nemotron 3.5 Lightning och låt en frontmodell eller en Granite-endpoint stå för tänkandet. Om du bygger något seriöst är svaret båda — vilket är ett beslut som en jämförelse med enbart 30B aldrig skulle ha synliggjort.