Granite Switch 4.1 30B vs Granite 4.2 30B: Två IBM 30B-modeller som inte konkurrerar

Det besvärliga här är att ställa Granite Switch 4.1 30B bredvid Granite 4.2 30B: de är inte samma typ av artefakt, så de flesta head-to-head-inramningar faller isär vid kontakt. Granite 4.2 30B är en modell – en dense 30B-resonerare som IBM publicerade under Apache-2.0 med tänkandelägen och agentisk verktygsanropning. Granite Switch 4.1 30B, vars vikter landade den 14 oktober 2026, är en runtime: den fryser en Granite-bas, fäster växlingsbara adaptrar på den och säljer tre förmågor till dig ur en enda checkpoint. Du väljer inte mellan dem på samma sätt som du väljer mellan två modeller. Du väljer om du vill ha en modell eller ett kompositionslager.

Med det sagt döljer sig ett verkligt beslut under kategorifelet, och det har ingenting med benchmarks att göra. Switch 4.1 30B är byggd på Granite 4.1 30B-basen. Granite 4.2 30B är en nyare generation av samma familj, och den är mätbart den starkare generella modellen. Så den egentliga frågan är om växlingsmekanismen är värd att ge upp en generation basmodell för – och svaret på det är olika beroende på om du anropar en modell eller skeppar en.

Sida vid sida, dimension för dimension

• Vad det är — Switch 4.1 30B är en sammansatt checkpoint (fryst bas + två aktiverade LoRA-adaptrar + en talencoder); Granite 4.2 30B är en enda tät decoder-only-modell.

• Parametrar — Switch 4.1 30B uppgår till 29 989 814 272 mot en bas på 28 865 728 512, ett delta på +3,89 %; Granite 4.2 30B är en tät 30B-modell utan adapterpåslag eftersom den inte har några adaptrar.

• Kontext — 131,072 tokens inbyggt på båda, med IBM som dokumenterar en långkontextutökning till 512K på Granite 4.2-sidan.

• Tankeläge — Granite 4.2 30B har explicit tankekedja inuti <think>-taggar med valbar ansträngning; Switch 4.1 30B har inget resonemangsläge inkopplat i chattmallen.

• Bortom text — Switch 4.1 30B tar emot ljud och returnerar en transkription plus en kalibrerad beslutsfördelning; Granite 4.2 30B gör inget av detta.

• Kvantiseringar — Granite 4.2 30B levereras i BF16 samt FP8, NVFP4, MXFP4, GGUF och MLX-byggen; Switch-checkpointarna levereras i en enda precision, utan något officiellt kvantiserat bygge vid skrivandets stund.

• Licens — Apache-2.0 på båda.

• Publicerade resultat — Granite 4.2 30B har en fullständig benchmarktabell (utförd av leverantören); Switch 4.1 30B har ett enda tal, Decision Index, och det mäter något helt annat.

Där Granite 4.2 30B vinner överlägset

När det gäller allmän förmåga är detta inte i närheten, och det är inte meningen att det ska vara det. IBM:s eget modellkort för Granite 4.2 30B rapporterar 77,60 på MMLU-Pro, 89,17 på AIME 2025 och 66,41 på GPQA, med 57,00 på SWE-bench Verified och 29,24 på Terminal-Bench 2.1 — allt är rapporterat av leverantören, kört genom en NeMo-baserad testrigg i IBM:s eget utvärderingsramverk, inget av det har reproducerats av någon utanför IBM. Betrakta siffrorna som en leverantörs påstående och de är fortfarande de enda jämförelsedata som finns för någon av modellerna.

Den strukturella aspekten spelar större roll än poängen. Granite 4.2 30B tränades som en resonemangsmodell med agentisk förstärkningsinlärning, och den levereras med verktygen runt omkring sig: kvantiserade byggen för den hårdvara folk faktiskt äger, en väg för lång kontextförlängning och en dokumenterad växlingsknapp för tankeläge. Granite Switch 4.1 30B byggdes genom att komponera en fryst bas med adaptrar, och basen under den är en generation äldre. Om du vill att en modell ska svara bra på svåra frågor är den nyare densa modellen vad du vill ha.

Där Granite Switch 4.1 30B vinner ohotat

Tre platser, och ingen av dem är ett riktmärke.

Det första är att den besvarar en annan typ av fråga. Beslutsadaptern tar ett tillstånd och en fråga med märkta alternativ och returnerar en kalibrerad sannolikhetsfördelning över dessa etiketter i en enda framåtpassning — kortets exempel returnerar något i stil med A: 0.982, B: 0.0035, C: 0.014. Det är inte en chattkomplettering som man tolkar med ett regex. Att routa utifrån en softmax över alternativens logits är en annan operation än att be en modell att vänligen svara med en bokstav, och hela designen är byggd så att den kalibrerade utläsningen finns tillgänglig utan en andra modell på maskinen.

Den andra är ljud. Den inbäddade 470M Granite Speech 5.0 TurboCTC-kodaren transkriberar inkommande ljud och fogar in transkriptionen i chattkontexten i stället för ljudinnehållsdelen, så en talförfrågan är en vanlig chattförfrågan med en input_audio del. Huruvida det är en bra idé beror helt och hållet på ett förbehåll som IBM skrev i sitt eget modellkort: kodaren och språkmodellen är inte gemensamt tränade, det finns ingen tränad projektion som kopplar dem samman, och utdata är endast på engelska, med gemener och utan skiljetecken. En feltranskription ändrar i tysthet frågan som modellen besvarar.

Den tredje är parameteroverheaden, och det här är siffran som kommer att överleva lanseringen. Den sammansatta checkpointen är 3,89 % större än basen, eftersom varje adapter läser basmodellens KV-cache i stället för att upprätthålla sitt eget attention-tillstånd. I en konventionell multiadapterkonfiguration är varje adapter du växlar mellan ytterligare en uppsättning attention-tillstånd, och minneskostnaden växer med antalet. Här betalar du 1,12 miljarder extra parametrar för en säkerhetsklassificerare, en beslutsmodul och en talencoder, och själva växlingen är en begärandeparameter som chattmallen löser upp — inte en andra driftsättning att sätta upp och hålla varm.

Fällan i siffrorna: 50.1 är inte en mindre 77.60

Det enskilt mest sannolika sättet att misstolka det här paret är att ställa Switch-modellens 50.1 bredvid Granite 4.2 30B:s 77.60 och dra slutsatsen att Switch-modellen är två tredjedelar av modellen. De två siffrorna beskriver inte samma sak och jämförelsen är meningslös.

50,1 är en poäng i Decision Index — utgåva v0.3, offentlig snabb delmängd på 1 068 rader — som mäter hur väl beslutsadaptern rangordnar etiketterade alternativ, med en uppdelning per område: Kunskap 32,4, Språk 58,6, Sökning 49,8, Verktyg 76,5 och Konst 26,4. Det är en poäng för en adapter som utför ett jobb, och den säger ingenting alls om basmodellens chattkvalitet, eftersom basen under den är orörd av adaptern. 77,60 är MMLU-Pro, ett allmänkunskapsbenchmark för hela modellen. Olika axlar, olika testramverk, olika författare. Det enda korrekta sättet att använda endera siffran är som bevis för det den faktiskt mätte.

Läs formen på Decision Index i stället för dess rubrik och du får något genuint användbart: 76,5 på Tools intill 26,4 på Arts säger att den här adaptern är värd att rikta mot beslut i stil med verktygsval och inte bör litas på för kreativ eller öppen domänklassificering utan din egen utvärdering. Det är en mer handlingsbar mening än någon övergripande poäng.

Vad avgör det egentligen?

Om du anropar en modell — en slutpunkt, en prompt, ett svar — är Granite 4.2 30B den nyare och bättre modellen och det finns ingen anledning att routa runt Switch-checkpointen för att få den.

Om du levererar en, förändras aritmetiken. Ett team som bygger ett system som måste svara, besluta och transkribera kör annars tre processer med tre latenser och tre minnesavtryck; Switch-bygget slår ihop det till en enda checkpoint som kostar 3,89 % mer än basen den ersätter. Ett team som behöver en kalibrerad sannolikhet över en fast etikettuppsättning har ingen motsvarighet i Granite 4.2 30B alls, och att prompta för det är inte samma sak.

Haken är basen. Att köpa kompositionslagret innebär att acceptera generation-1-basen, och det finns ingen Switch-checkpoint byggd på Granite 4.2-basen i dag. IBM har sagt att mer data kommer ”under de kommande veckorna” och har beskrivit composern som vägen framåt – vem som helst kan bygga en Switch-checkpoint från vilken Granite-bas som helst och vilken delmängd av adaptrar som helst, med hjälp av granite-switch-verktygen. Huruvida IBM gör det för 4.2-serien är det man bör hålla ögonen på, eftersom den lanseringen skulle undanröja hela den här avvägningen.

Att köra båda utan att satsa på endera

Ingen av modellerna finns i OrcaRouter-katalogen i dag, så båda innebär din egen hårdvara och IBMs releasekanaler. Det är värt att säga rakt ut i stället för att antyda att det finns en hostad slutpunkt.

Det plattformen förändrar är kostnaden för att ta reda på det. En enda nyckel täcker fler än 200 modeller med automatisk failover, och leverantörens listpris förs vidare med 0 % påslag, så när en modell du utvärderar faktiskt får en hostad rutt är att mäta den mot vad som redan finns i produktion en konfigurationsändring snarare än ett andra leverantörsavtal. I just den här jämförelsen spelar det roll eftersom båda sidorna är oklara på samma sätt: Granite 4.2 30B:s benchmarktabell är IBM:s egen och inte reproducerad, och Granite Switch 4.1 30B har i praktiken bara en publicerad siffra och ingen oberoende utvärdering alls. Ingen av dem förtjänar en produktionsplats enbart utifrån modellkortet. Båda förtjänar en vecka av din egen trafik.

Dom

Granite 4.2 30B är den bättre modellen. Granite Switch 4.1 30B är den mer intressanta artefakten, och det är den som berättar vart IBM tror att företagsinferens är på väg – inte en större modell, utan en mindre räkning för samma uppsättning förmågor, köpt genom att komponera billiga adaptrar ovanpå en frusen bas och dela KV-cachen mellan dem.

Välj 4.2-modellen om det du behöver är svar. Välj Switch-checkpointen om det du behöver är routingbeslut, ett säkerhetsutlåtande och en utskrift från en och samma process, och du kan leva med en basmodell som ligger en generation efter. Ignorera alla som jämför deras poäng med varandra; siffrorna mäter inte samma sak.