Granite Switch 4.1 30B กับ Granite 4.2 30B: สองโมเดล 30B ของ IBM ที่ไม่แข่งขันกัน

นี่คือส่วนที่ชวนอึดอัดของการนำGranite Switch 4.1 30Bมาเทียบวางข้างGranite 4.2 30B: ทั้งสองไม่ใช่ชิ้นงานชนิดเดียวกัน ดังนั้นกรอบการเปรียบเทียบแบบตัวต่อตัวส่วนใหญ่จึงพังทลายลงทันทีที่ได้สัมผัส Granite 4.2 30B คือโมเดล — โมเดลให้เหตุผลแบบ dense ขนาด 30B ที่ IBM เผยแพร่ภายใต้ Apache-2.0 พร้อมโหมดคิดและการเรียกใช้เครื่องมือแบบเอเจนต์ ส่วน Granite Switch 4.1 30B ซึ่งน้ำหนักโมเดลเผยแพร่เมื่อวันที่ 14 ตุลาคม 2026 นั้นเป็นรันไทม์: มันตรึงฐาน Granite ไว้ แนบอะแดปเตอร์ที่สลับได้เข้ากับฐานนั้น แล้วขายความสามารถสามอย่างจากเช็กพอยต์เดียวให้คุณ คุณไม่ได้เลือกระหว่างสองสิ่งนี้เหมือนที่คุณเลือกระหว่างสองโมเดล คุณเลือกว่าระหว่างต้องการโมเดลหรือเลเยอร์การประกอบ

แต่อย่างไรก็ตาม ภายใต้ข้อผิดพลาดเชิงหมวดหมู่นั้นยังมีทางเลือกจริงอยู่ และมันไม่เกี่ยวข้องกับเบนช์มาร์กเลย Switch 4.1 30B สร้างอยู่บนฐาน Granite 4.1 30B ส่วน Granite 4.2 30B เป็นเจเนอเรชันใหม่กว่าของตระกูลเดียวกัน และเมื่อวัดแล้วถือเป็นโมเดลทั่วไปที่แข็งแกร่งกว่า ดังนั้นคำถามที่แท้จริงคือ กลไกการสลับนี้คุ้มค่าพอที่จะแลกกับการเสียโมเดลฐานไปหนึ่งเจเนอเรชันหรือไม่ — และคำตอบนั้นแตกต่างกันไป ขึ้นอยู่กับว่าคุณกำลังเรียกใช้โมเดลหรือกำลังปล่อยโมเดลออกใช้งาน

เคียงข้างกัน ทีละมิติ

• มันคืออะไร — Switch 4.1 30B เป็นเช็กพอยต์แบบประกอบ (ฐานที่แช่แข็ง + อะแดปเตอร์ LoRA ที่เปิดใช้งานแล้วสองตัว + ตัวเข้ารหัสเสียงพูด) ส่วน Granite 4.2 30B เป็นโมเดลแบบ dense เดี่ยวที่มีเฉพาะตัวถอดรหัส

• พารามิเตอร์ — Switch 4.1 30B เมื่อประกอบแล้วได้ 29,989,814,272 เทียบกับฐาน 28,865,728,512 โดยมีส่วนต่าง +3.89%; Granite 4.2 30B เป็นโมเดล dense ขนาด 30B ที่ไม่มีค่าใช้จ่ายเพิ่มจากอะแดปเตอร์ เนื่องจากไม่มีอะแดปเตอร์

• บริบท — 131,072 โทเค็นบนทั้งสองรุ่นโดยกำเนิด โดย IBM มีเอกสารระบุถึงการขยายบริบทยาวไปถึง 512K ในฝั่ง Granite 4.2

• โหมดการคิด — Granite 4.2 30B มี chain-of-thought อย่างชัดเจนภายในแท็ก <think> พร้อมระดับความพยายามที่เลือกได้; Switch 4.1 30B ไม่มีโหมดการให้เหตุผลที่ผูกไว้ในเทมเพลตแชต

• เหนือกว่าข้อความ — Switch 4.1 30B ยอมรับเสียงและส่งคืนบทถอดเสียงพร้อมการกระจายการตัดสินใจที่ปรับเทียบแล้ว ส่วน Granite 4.2 30B ไม่ทำทั้งสองอย่าง

• การควอนไทซ์ — Granite 4.2 30B มีให้ใช้งานใน BF16 พร้อมด้วยบิลด์ FP8, NVFP4, MXFP4, GGUF และ MLX; เช็กพอยต์ของ Switch มีให้ใช้งานในความแม่นยำเดียว โดย ณ เวลาที่เขียนยังไม่มีบิลด์ควอนไทซ์อย่างเป็นทางการ

• สัญญาอนุญาต — Apache-2.0 ทั้งสอง

• คะแนนที่เผยแพร่ — Granite 4.2 30B มีตารางการวัดประสิทธิภาพแบบครบถ้วน (ผู้จำหน่ายเป็นผู้รัน); Switch 4.1 30B มีเพียงตัวเลขเดียว คือ Decision Index และมันวัดสิ่งอื่นที่แตกต่างออกไปโดยสิ้นเชิง

จุดที่ Granite 4.2 30B ชนะอย่างเด็ดขาด

ในแง่ความสามารถทั่วไปแล้ว นี่ไม่ได้ใกล้เคียงกันเลย และก็ไม่ได้ตั้งใจให้เป็นเช่นนั้น การ์ดข้อมูลของ IBM เองสำหรับ Granite 4.2 30Bรายงานค่า 77.60 บน MMLU-Pro, 89.17 บน AIME 2025 และ 66.41 บน GPQA พร้อมกับ 57.00 บน SWE-bench Verified และ 29.24 บน Terminal-Bench 2.1 — ทั้งหมดนี้เป็นตัวเลขที่ผู้ขายรายงานเอง รันผ่าน harness ที่อิง NeMo บนกรอบการประเมินของ IBM เอง ไม่มีใครนอก IBM ทำซ้ำได้เลย ให้ถือว่าตัวเลขเหล่านี้เป็นเพียงคำกล่าวอ้างของผู้ขาย และมันก็ยังคงเป็นข้อมูลเปรียบเทียบชุดเดียวที่มีอยู่สำหรับทั้งสองโมเดล

ประเด็นเชิงโครงสร้างสำคัญกว่าคะแนน Granite 4.2 30B ได้รับการฝึกเป็นโมเดลให้เหตุผลด้วยการเรียนรู้แบบเสริมกำลังเชิงเอเจนต์ และมาพร้อมเครื่องมือแวดล้อมที่เกี่ยวข้อง ได้แก่ บิลด์แบบควอนไทซ์สำหรับฮาร์ดแวร์ที่ผู้คนมีใช้จริง แนวทางการขยายบริบทแบบยาว และสวิตช์เปิดปิดโหมดคิดที่มีเอกสารประกอบ Granite Switch 4.1 30B ถูกสร้างโดยการประกอบเบสที่แช่แข็งเข้ากับอะแดปเตอร์ และเบสที่รองรับมันเก่ากว่าไปหนึ่งเจเนอเรชัน ถ้าคุณต้องการโมเดลเดียวที่ตอบคำถามยาก ๆ ได้ดี โมเดลแบบ dense รุ่นใหม่กว่าคือสิ่งที่คุณต้องการ

ในจุดที่ Granite Switch 4.1 30B ชนะขาด

สามแห่ง และไม่มีแห่งใดเลยที่เป็นเกณฑ์มาตรฐาน

ข้อแรกคือมันตอบคำถามที่มีรูปแบบแตกต่างออกไป อะแดปเตอร์การตัดสินใจรับสถานะและคำถามที่มีตัวเลือกพร้อมป้ายกำกับ แล้วคืนค่าการแจกแจงความน่าจะเป็นที่ปรับเทียบแล้วเหนือป้ายกำกับเหล่านั้นในการส่งผ่านไปข้างหน้าครั้งเดียว — ตัวอย่างของการ์ดคืนค่าประมาณ A: 0.982, B: 0.0035, C: 0.014 นั่นไม่ใช่การเติมข้อความแชทที่คุณแยกวิเคราะห์ด้วย regex การกำหนดเส้นทางบนซอฟต์แมกซ์เหนือโลจิตของตัวเลือกเป็นการดำเนินการที่แตกต่างจากการขอให้โมเดลตอบกลับด้วยตัวอักษรหนึ่งตัว และการออกแบบทั้งหมดถูกสร้างขึ้นเพื่อให้การอ่านค่าที่ปรับเทียบแล้วพร้อมใช้งานโดยไม่ต้องมีโมเดลที่สองบนเครื่อง

อย่างที่สองคือเสียง ตัวเข้ารหัส Granite Speech 5.0 TurboCTC ขนาด 470M ที่ฝังอยู่จะถอดเสียงที่เข้ามา แล้วนำข้อความถอดความไปต่อเข้ากับบริบทแชตแทนส่วนเนื้อหาเสียง ดังนั้นคำขอแบบเสียงจึงเป็นคำขอแชตปกติที่มีส่วน input_audioว่าไอเดียนั้นจะดีหรือไม่นั้น ขึ้นอยู่กับข้อแม้ข้อหนึ่งที่ IBM เขียนไว้ในเอกสารข้อมูลของตัวเองทั้งหมด นั่นคือ ตัวเข้ารหัสกับโมเดลภาษา ไม่ได้ถูกฝึกมาร่วมกัน ไม่มีการฉายภาพที่ผ่านการฝึกซึ่งเชื่อมโยงทั้งสองเข้าด้วยกัน และผลลัพธ์เป็นภาษาอังกฤษเท่านั้น เป็นตัวพิมพ์เล็กและไม่มีเครื่องหมายวรรคตอน การถอดความผิดจะเปลี่ยนคำถามที่โมเดลตอบอย่างเงียบ ๆ

ข้อที่สามคือภาระส่วนเกินด้านพารามิเตอร์ และนี่คือตัวเลขที่จะคงอยู่ต่อไปนานกว่าการเปิดตัวครั้งนี้ เช็กพอยต์ที่ประกอบขึ้นมีขนาดใหญ่กว่าโมเดลฐาน 3.89% เพราะอะแดปเตอร์ทุกตัวอ่าน KV cache ของโมเดลฐานแทนที่จะดูแลสถานะ attention ของตัวเอง ในการตั้งค่าหลายอะแดปเตอร์แบบดั้งเดิม ทุกอะแดปเตอร์ที่คุณสลับไปมานั้นคือสถานะ attention อีกชุดหนึ่ง และค่าใช้จ่ายหน่วยความจำจะเพิ่มขึ้นตามจำนวน ที่นี่คุณจ่ายพารามิเตอร์เพิ่มอีก 1.12 พันล้านตัวสำหรับตัวจำแนกความปลอดภัย กลไกตัดสินใจ และตัวเข้ารหัสเสียง และการสลับเองก็เป็นเพียงพารามิเตอร์คำขอที่เทมเพลตแชตจัดการให้ — ไม่ใช่การดีพลอยชุดที่สองที่ต้องตั้งขึ้นและคอยให้พร้อมใช้งาน

กับดักในตัวเลข: 50.1 ไม่ใช่ 77.60 ที่เล็กกว่า

วิธีที่เป็นไปได้มากที่สุดที่จะอ่านคู่นี้ผิด ก็คือการนำ50.1ของ Granite 4.2 30B77.60แล้วสรุปว่าโมเดล Switch มีขนาดเป็นสองในสามของอีกโมเดล ตัวเลขสองตัวนี้ไม่ได้อธิบายถึงสิ่งเดียวกัน และการเปรียบเทียบนั้นไม่มีความหมาย

50.1 คือคะแนน Decision Index — ฉบับ v0.3 ซึ่งเป็นชุดย่อยแบบเร็วที่เปิดสาธารณะจำนวน 1,068 แถว — วัดว่าอะแดปเตอร์การตัดสินใจจัดอันดับตัวเลือกที่มีป้ายกำกับได้ดีเพียงใด โดยมีรายละเอียดแยกตามด้าน ได้แก่ ความรู้ 32.4, ภาษา 58.6, การค้นคืน 49.8, เครื่องมือ 76.5 และศิลปะ 26.4 เป็นคะแนนของอะแดปเตอร์หนึ่งตัวที่ทำงานหนึ่งอย่าง และไม่ได้บอกอะไรเลยเกี่ยวกับคุณภาพการแชตของโมเดลฐาน เพราะโมเดลฐานที่อยู่ข้างใต้ไม่ถูกอะแดปเตอร์แตะต้อง 77.60 คือ MMLU-Pro ซึ่งเป็นแบบทดสอบมาตรฐานด้านความรู้ทั่วไปสำหรับโมเดลทั้งตัว คนละแกน คนละชุดทดสอบ คนละผู้จัดทำ การใช้ตัวเลขใดตัวหนึ่งจากสองตัวนี้อย่างถูกต้องมีเพียงวิธีเดียว คือใช้เป็นหลักฐานเกี่ยวกับสิ่งที่มันวัดจริง

อ่านรูปแบบของ Decision Index แทนที่จะดูแค่พาดหัว แล้วคุณจะได้สิ่งที่มีประโยชน์จริง ๆ: 76.5 ใน Tools อยู่ข้าง ๆ 26.4 ใน Arts บอกว่าอะแดปเตอร์นี้ควรค่าแก่การนำไปใช้กับการตัดสินใจในแนวการเลือกเครื่องมือ และไม่ควรเชื่อถือกับงานจำแนกประเภทเชิงสร้างสรรค์หรือโดเมนเปิดโดยไม่มีการประเมินด้วยตัวคุณเอง นั่นเป็นประโยคที่นำไปปฏิบัติได้มากกว่าคะแนนภาพรวมใด ๆ

อะไรกันแน่ที่ตัดสินมัน

หากคุณกำลังเรียกใช้โมเดล — เอนด์พอยต์เดียว พรอมต์เดียว คำตอบเดียว — Granite 4.2 30B เป็นโมเดลที่ใหม่กว่าและดีกว่า และไม่มีเหตุผลใดที่ต้องเลือกเส้นทางอื่นเพื่อเลี่ยง Switch checkpoint เพื่อให้ได้มัน

หากคุณกำลังจัดส่งหนึ่ง การคำนวณจะเปลี่ยนไป ทีมที่สร้างระบบที่ต้องตอบ ตัดสินใจ และถอดเสียง มิฉะนั้นจะต้องรันสามโปรเซสโดยมีสามความหน่วงและสามหน่วยความจำที่ใช้; บิลด์ Switch รวมสิ่งนั้นเป็นเช็คพอยต์เดียวที่มีต้นทุนสูงกว่าฐานที่มันแทนที่ 3.89% ทีมที่ต้องการความน่าจะเป็นที่ปรับเทียบแล้วบนชุดป้ายกำกับคงที่ไม่มีสิ่งที่เทียบเท่าใน Granite 4.2 30B เลย และการพรอมป์ต์เพื่อสิ่งนั้นก็ไม่ใช่สิ่งเดียวกัน.

จุดที่ต้องระวังคือตัวฐาน การซื้อเลเยอร์การประกอบหมายถึงการยอมรับฐานรุ่นที่ 1 และวันนี้ยังไม่มี Switch checkpoint ที่สร้างบนฐาน Granite 4.2 IBM กล่าวว่าข้อมูลเพิ่มเติมกำลังจะมา "ในอีกไม่กี่สัปดาห์ข้างหน้า" และอธิบายว่า composer คือเส้นทางข้างหน้า — ใครก็สามารถสร้าง Switch checkpoint จากฐาน Granite ใดก็ได้และจากชุดย่อยของอะแดปเตอร์ใดก็ได้ โดยใช้เครื่องมือ granite-switch สิ่งที่ต้องจับตาคือ IBM จะทำเช่นนั้นกับสาย 4.2 หรือไม่ เพราะการเปิดตัวครั้งนั้นจะลบข้อแลกเปลี่ยนทั้งหมดนี้ออกไป

ทำทั้งสองอย่างโดยไม่ลงเดิมพันฝ่ายใดฝ่ายหนึ่ง

ปัจจุบันไม่มีโมเดลใดอยู่ในแค็ตตาล็อกของ OrcaRouter ดังนั้นทั้งสองจึงหมายถึงฮาร์ดแวร์ของคุณเองและช่องทางเผยแพร่ของ IBM เรื่องนี้ควรพูดให้ชัดเจนตรงไปตรงมา ดีกว่าที่จะสื่อเป็นนัยว่ามีเอนด์พอยต์ที่โฮสต์ไว้ให้บริการอยู่

สิ่งที่แพลตฟอร์มนี้เปลี่ยนแปลงไปคือต้นทุนของการหาคำตอบ คีย์เดียวครอบคลุมโมเดลกว่า 200 รายการ พร้อมการสลับใช้งานสำรองอัตโนมัติ และ ราคาตามรายการของผู้ให้บริการส่งผ่านมาถึงคุณโดยไม่มีการบวกเพิ่ม 0%ดังนั้นเมื่อโมเดลที่คุณกำลังประเมินมีเส้นทางแบบโฮสต์ให้ใช้จริง การวัดผลมันเทียบกับสิ่งที่ใช้งานอยู่ในโปรดักชันอยู่แล้วก็เป็นเพียงการเปลี่ยนการตั้งค่า ไม่ใช่การทำสัญญากับผู้ขายรายที่สอง ในการเปรียบเทียบครั้งนี้ เรื่องนี้สำคัญเพราะทั้งสองฝ่ายยังไม่มีความชัดเจนในแบบเดียวกัน: ตาราง benchmark ของ Granite 4.2 30B เป็นของ IBM เองและยังไม่มีใครจำลองซ้ำได้ และ Granite Switch 4.1 30B แทบจะมีตัวเลขที่เผยแพร่เพียงตัวเดียว และไม่มีการประเมินจากอิสระใด ๆ เลย ทั้งคู่ไม่คู่ควรกับช่องในโปรดักชันเพียงเพราะความน่าเชื่อถือจากโมเดลการ์ด ทั้งคู่คู่ควรกับการได้ทดลองกับทราฟฟิกจริงของคุณสักหนึ่งสัปดาห์

คำตัดสิน

Granite 4.2 30B เป็นโมเดลที่ดีกว่า Granite Switch 4.1 30B เป็นอาร์ติแฟกต์ที่น่าสนใจกว่า และเป็นตัวที่บอกคุณว่า IBM คิดว่าการอนุมานระดับองค์กรกำลังมุ่งไปทางไหน — ไม่ใช่โมเดลที่ใหญ่ขึ้น แต่เป็นค่าใช้จ่ายที่เล็กลงสำหรับชุดความสามารถเดียวกัน ซึ่งได้มาโดยการประกอบอะแดปเตอร์ราคาถูกเข้ากับฐานที่แช่แข็งเพียงหนึ่งฐาน และแชร์ KV cache ระหว่างกัน

เลือกโมเดล 4.2 ถ้าสิ่งที่คุณต้องการคือคำตอบ เลือก Switch checkpoint ถ้าสิ่งที่คุณต้องการคือการตัดสินใจด้าน routing คำตัดสินด้านความปลอดภัย และทรานสคริปต์จากกระบวนการเดียว และคุณพอรับได้กับโมเดลฐานที่ล้าสมัยไปหนึ่งเจนเนอเรชัน ไม่ต้องไปสนใจใครที่เอาคะแนนของกันและกันมาเปรียบเทียบ ตัวเลขเหล่านั้นไม่ได้วัดสิ่งเดียวกัน