Xing 4.0 29B-A4B mot Granite 4.2 30B: Dense läser allt, Sparse läser en niondel

Här är hela det arkitektoniska argumentet i en mening. G​ranite 4.2 30B, I​BMs täta resonemangsmodell som publicerades under Apache 2.0 den 25 augusti 2026, läser alla sina trettio miljarder parametrar för att producera varje enskild token. Xing 4.0 29B-A4B, China Telecoms glesa mixture-of-experts-modell vars vikter lades upp den 16 september 2026 och som blev anropbar i mitten av oktober, läser ungefär fyra miljarder av sina tjugonio. Båda är Apache-2.0, båda ligger i samma viktklass, båda riktar sig mot agentiskt arbete, och de kostar dig helt olika saker att köra: G​ranite kostar beräkningskraft för varje token, Xing kostar minne för att hålla experter som du inte använder för den här token och en serveringsstack som vet hur man dirigerar runt dem. Allt nedan följer av detta.

Vad varje artefakt faktiskt är

Det är värt att skilja dem från etiketten de delar. "30B" talar om filens storlek, inte formen på en arbetsbelastning.

• G​ranite 4.2 30B — IBMs flaggskepp i G​ranite 4.2-familjen, byggd på G​ranite-4.1-30B-Base. En decoder-only dense reasoning-transformer, 30B parametrar (repot listar 29B i BF16-tensorer), grouped-query attention med 32 attention heads mot 8 key-value heads, RoPE vid θ = 10 000 000, SwiGLU-MLP med en hidden size på 32 768, okopplade in- och utbäddningar, RMSNorm vid ε = 1e-5. Tolv testade språk. Apache 2.0.

• Xing 4.0 29B-A4B — TeleAI:s efterföljare till TeleChat-serien. 40 lager, dold storlek 3 584, tät FFN-mellanstorlek 9 216 mot en expertmellanstorlek på 1 024, 64 routade experter med 4 aktiva per token plus en delad expert som alltid är aktiv, MLA-attention med komprimerad nyckel-värde i stället för GQA, och MTP-spekulativ avkodning tränad in i checkpointen. I praktiken ett testat språk på kortet. Apache 2.0.

• Kontext — G​ranite 4.2 30B har inbyggt stöd för 128K med en dokumenterad långkontextförlängning till 512K och en konfigurationssekvenslängd på 131 072. Xing 4.0 har 256K inbyggt och uppges kunna utökas till 512K. Xings standardfönster är dubbelt så brett; G​ranites förlängningsväg är den bättre dokumenterade av de två.

• Publicerade format — Granite 4.2 30B levereras i BF16 plus FP8, MXFP4- och NVFP4-kvantiseringar, med GGUF-byggen från IBM och från communityn. Xing 4.0 levereras i BF16-safetensors plus FP8, w8a8 och GGUF. Båda är ovanligt väl utrustade här, och båda är en verklig fördel gentemot de många öppna utgåvor som publicerar en enda bfloat16-shard och lämnar kvantiseringen till volontärer.

• Tillgänglighet — Granite 4.2 30B har ingen tokenprissatt slutpunkt i vår katalog; du kör den själv, eller så når du den via IBMs egen plattform och andra tredjepartsplattformar för serving. Xing 4.0 fick en mätarbaserad kommersiell slutpunkt i mitten av oktober med en gratis kampanjnivå, och saknas också i vår katalog.

Avvägningen mellan minne och beräkningskraft, ärligt uttryckt

Gleshet är inte en rabatt på hela maskinen; det är en rabatt på en axel och ett påslag på den andra. Granite 4.2 30B behöver ungefär minnet hos en 30B tät modell i bfloat16 och beräknar över hela den per token, så dess genomströmning per hårdvaruenhet är förutsägbar och dess beteende vid batchning är enkelt. Xing 4.0 behöver hålla hela 29B resident — varje expert ligger i minnet oavsett om denna token vidrör den eller inte — men flyttar bara 4B värde av vikter per token genom aritmetiken, vilket är varför en 4-bitars kvantisering av den påstås rymmas i omkring 15GB VRAM och varför dess aggregerade genomströmning vid hög samtidighet har en helt annan form.

Det påståendet är värt att kontrollera innan du köper ett grafikkort baserat på det: repositoriet rapporterar 31B i tensorerna med full precision, och ett 4-bitarsbygge av en total modell på 29B som landar på 15GB antyder aggressiv kvantisering av expertvikterna. Titta på den faktiska GGUF-filstorleken i stället för samlingens beskrivning.

Den andra, tystare skillnaden är mognaden hos serveringsvägen. Granite 4.2 30B är en vanlig dense transformer, vilket innebär att varje inferensstack stöder den mer eller mindre som standard. Xing 4.0 kräver anpassade kernels för sina mångfaldsbegränsade hyperkopplade residualströmmar och sin MLA-attention — SGLang har en dedikerad split-K-kernel för fyrströmslayouten, vLLM har arkitekturen, och så ser läget ut. En skräddarsydd attention-plus-residual-design är priset för arkitekturen, och det är inte en engångskostnad om du planerar att finjustera, kvantisera eller köra ovanliga batchformer.

Där de publicerade siffrorna faktiskt inte stämmer överens

Båda leverantörerna publicerar sina egna tabeller, båda är internt konsistenta, och ingen av dem har oberoende reproducerats av en tredje part på identiska testbäddar. Jämför dem som påståenden, inte som mätningar.

• SWE-bench Verified — Xing 4.0 75,00 mot G​ranite 4.2 30B 57.

• SWE-bench Multilingual — Xing 4.0 66,00 vs G​ranite 4.2 30B 41,89.

• Terminal-Bench 2.1 — Xing 4.0 57,50 mot G​ranite 4.2 30B 29,24.

• Agentisk verktygsanvändning — Xing 4.0 Claw-Eval 76,55 och Tau3-Bench 64,63; G​ranite 4.2 30B τ³-bench 62,00 och BFCL v4 61,39.

• Instruktionsföljning — Xing 4.0 IFBench 69,67 mot G​ranite 4.2 30B IFBench 77,17.

• Matematik och allmänt resonemang — G​ranite 4.2 30B AIME25 89,17, HMMT Feb25 89,17, GPQA 66,41, MMLU-Pro 77,60, LiveCodeBench v6 75,77. Xing 4.0:s kort rapporterar inget av detta, så kolumnerna lämnas tomma i stället för att förvandlas till en vinst.

• Lång kontext — G​ranite 4.2 30B publicerar RULER vid 64K (89,96) och 128K (81,38). Xing 4.0 publicerar AA.LCR vid 61,00 och inget annat i långkontextfamiljen. G​ranite vinner den enda raden där båda siffrorna finns, och det är en betydelsefull vinst: RULER vid 128K är ett mycket svårare test än ett genomsnittligt hämtningsresultat.

Läs formen snarare än totalerna. Granite framstår som en bred, välavvägd generalist med en ovanligt ärlig utvärderingstabell — 20 rader över kodning, matematik, verktygsanvändning, dokumentuppgifter och lång kontext, alla med testramverket angivet som ett NeMo Evaluator SDK-ramverk. Xing 4.0 framstår som en smal specialist: enorma marginaler på mjukvaruutvecklings- och terminalagent-benchmarks, en förlust på instruktionsföljning och tystnad överallt annars. En modell utan GPQA-siffra är inte nödvändigtvis dålig på GPQA. Det är en modell vars leverantör valde att publicera nio rader.

Två ärliga asymmetrier

Granite 4.2 30B har varit tillgänglig i sju veckor och utsätts för den granskning som det innebär, inklusive oberoende kvantiseringar, detaljerade tredjepartsgenomgångar och IBMs egna publicerade jämförelsevärden för dess 8B- och 3B-syskon på varje enskild rad i tabellen. Xing 4.0 har varit tillgänglig i en månad, har 53 000 nedladdningar från repo, har ingen oberoende utvärdering och benchmarkar sig mot omkörningar av konkurrerande modeller som leverantören utförde i sin egen testmiljö. En tidigare jämförelse i den här serien tar redan upp hur den jämförelsetabellen behandlar Gemma 4; den strukturella poängen gäller för vilken kolumn som helst i den.

Asymmetrin går åt andra hållet på en axel. Granite 4.2 30B är en resonemangsmodell med en tät beräkningsprofil, vilket innebär att den är långsam per token på ett sätt som är inneboende i designen och inte går att dirigera runt. Xing 4.0:s hela argument är att man får en 29B-modells minnesavtryck med en 4B-modells aritmetik. Om det argumentet håller för verkliga arbetsbelastningar är det en genuint bättre affär för högvolymstrafik från agenter — och det är exakt det argument som en leverantörs egen SWE-bench-rad inte kan avgöra.

Vad det kostar, och var en router passar in

Ingen av modellerna finns i OrcaRouters katalog, så vi är ingen väg till någon av dem, och den här artikeln kommer inte att antyda något annat. Den relevanta aritmetiken är fortfarande värd att göra. G​ranite 4.2 30B kostar ett kort och inget annat, för evigt, med förbehållet att dess densa beräkningar innebär att kortet du behöver är ett större. Xing 4.0 kostar en GPU och en helg för serveringsintegration i förskott, eller en mätad utvärdering på gratisnivån just nu — och gratisnivån är det billigaste sättet att ta reda på om de agentiska påståendena överlever ditt eget repositorium snarare än en terminus-2-harness som körs av modellens upphovsperson.

Det är vid periferin som en router gör nytta med två modeller som vi inte hostar. Du ersätter inte modellen som din produktionsväg redan känner till; du kör utmanaren bredvid den på en andel av trafiken, enligt en angiven regel, med automatisk failover så att ett dåligt svar eller ett stopp uppströms aldrig når en användare. OrcaRouter är ett API framför 200+ hostade modeller utan påslag — leverantörens listpris förs vidare utan något tillägg — och routing-DSL:en är hur andelen definieras. När utvärderingen är slut ändras regeln och den befintliga modellen tar tillbaka trafiken.

Om din utvärderingsbudget är en modell, välj G​ranite 4.2 30B när arbetet är brett – långdokumentresonemang, flerspråkig generering, pipeliner med tung instruktionsföljning, allt där du vill ha en publicerad siffra för den uppgift du faktiskt kör. Välj Xing 4.0 29B-A4B när arbetet är smalt och agentiskt, du kan mäta det själv, och argumentet om genomströmning per kort är det du köper. Det enda valet som är uppenbart fel är att välja Xing 4.0 enbart utifrån 75 mot 57: de två siffrorna togs fram av olika laboratorier med olika testramverk, och det enda de tillförlitligt fastställer är vilken leverantör som publicerade en SWE-bench-rad.

Vad skulle avgöra det?

En oberoende utvärdering av Xing 4.0 på samma testbänk som Granite mättes på, med samma stödstruktur, skulle undanröja det mesta av osäkerheten i den här artikeln genom en enda eftermiddags arbete av någon med en extra GPU. Tills den finns är den täta modellen den vars siffror man kan agera på, och den glesa modellen den vars siffror man måste kontrollera. Båda påståendena kommer att vara lika obsoleta i samma stund som det andra upphör att vara sant.

Inget av detta är hypotetiskt: de dokumenterade AI-felen och agentincidenterna bakom släpp som detta samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, tillförlitlighetsgrad och omtvistad flagga.