Nanbeige4.3-33B กับ Granite 4.2 30B: ข้อกล่าวอ้างกับการปฏิบัติตามข้อกำหนด

การตัดสินใจเลือกระหว่าง {{1}}Nanbeige4.3-33B{{/1}} กับ {{2}}Granite 4.2 30B{{/2}} จะเกิดขึ้นในที่ประชุมจัดซื้อ ไม่ใช่บนลีดเดอร์บอร์ด ทั้งคู่เป็นโมเดลแบบ dense ที่มีพารามิเตอร์ราว 3 หมื่นล้านตัวภายใต้ {{3}}Apache 2.0{{/3}} ทั้งคู่สามารถดาวน์โหลดได้ภายในสัปดาห์นี้ และทั้งคู่อ้างว่ามีเพดาน 512K โทเคน แต่ตัวหนึ่งขายโดย {{4}}IBM{{/4}} พร้อมอาร์ติแฟกต์ที่ลงนามรับรองแล้วและสัญญาการสนับสนุน ส่วนอีกตัวเป็นรีโพซิทอรีอายุสองวันจากแล็บจีนที่ยังไม่ได้ประกาศเปิดตัว {{2}}Granite 4.2 30B{{/2}} ของ {{5}}IBM{{/5}} เปิดตัวเมื่อวันที่ 25 สิงหาคม 2026; {{1}}Nanbeige4.3-33B{{/1}} ปรากฏบน {{6}}Hugging Face{{/6}} เมื่อวันที่ 24 ตุลาคม 2026 ทั้งสองไม่ได้เป็นคู่แข่งกันจริง ๆ สำหรับการจัดซื้อเดียวกัน ซึ่งเป็นเหตุผลว่าทำไมการเปรียบเทียบนี้จึงคุ้มค่าที่จะทำอย่างรอบคอบ

สิ่งที่ตามมาไม่ใช่ผู้ชนะ แต่เป็นตรรกะของการคัดเข้าชอร์ตลิสต์: สี่คำถามที่แยกโมเดลเหล่านี้ออกจากกันได้จริง พร้อมหลักฐานที่แต่ละคำตอบตั้งอยู่บนนั้น และจุดที่หลักฐานอ่อนกว่าที่เห็น

ผลิตภัณฑ์สองรายการที่ใช้จำนวนพารามิเตอร์เท่ากัน

Granite 4.2 30B เป็นรุ่นสูงสุดในสาย Granite 4.2 ของ IBM ซึ่งมีขนาด 3B, 8B และ 30B โดยทั้งหมดเป็นแบบ dense สร้างต่อยอดจาก Granite-4.1-30B-Base ซึ่งผ่านการพรีเทรนด้วยข้อมูลประมาณ 15 ล้านล้านโทเคน รวมถึงโทเคนโค้ดสังเคราะห์ประมาณ 1 ล้านล้านโทเคน จากนั้นเข้าสู่ขั้นตอนการเรียนรู้แบบเสริมกำลังเชิงเอเจนต์สำหรับขนาด 8B และ 30B มาพร้อมโหมดการให้เหตุผล 3 โหมด (thinking, non-thinking, low-effort) การเรียกใช้เครื่องมือแบบเนทีฟในรูปแบบ OpenAI และบิลด์ FP8 กับ 4-bit IBM ระบุว่ารองรับ vLLM และ SGLang แบบเนทีฟ รวมถึง granite_thinking_parser

Nanbeige4.3-33B เป็นเช็กพอยต์เดี่ยวแบบ dense จาก Nanbeige LLM Lab ทีม AI ภายใต้ Kanzhun บริษัทที่อยู่เบื้องหลัง BOSS Zhipin การ์ดของโมเดลนี้ระบุรายละเอียดเกี่ยวกับการดีพลอยอย่างเฉพาะเจาะจงผิดปกติ โดยมีพารามิเตอร์ 33.1B รองรับคอนเท็กซ์ 524,288 โทเคน ใช้ภาษาอังกฤษและภาษาจีน เปิดโหมดคิดเป็นค่าเริ่มต้น แนะนำรูปแบบการเรียกเครื่องมือแบบ XML แทน JSON และมีแฟล็ก preserve_thinking ที่มุ่งเน้นการใช้งานเครื่องมือแบบหลายรอบ โดยวางตำแหน่งไว้อย่างชัดเจนในฐานะโมเดลครูสำหรับโมเดลน้องที่เล็กกว่าอย่าง Nanbeige4.3-3B ซึ่งยังไม่เปิดตัว

ความแตกต่างในเจตนามีความสำคัญ Granite เป็นสายผลิตภัณฑ์ที่มีช่องทางสนับสนุนระดับองค์กร Nanbeige4.3-33B เป็นผลงานวิจัยที่เผยแพร่เพื่อวางรากฐานให้กับตระกูลโมเดล ตัวหนึ่งสร้างมาเพื่อให้ซื้อ ส่วนอีกตัวสร้างมาเพื่อให้กลั่นองค์ความรู้จากมัน

แถวเดียวที่ทั้งสองแล็บรันจริง

การ์ดของ Nanbeige เปรียบเทียบตัวเองกับ Qwen3.8-27B, Muse-Glimmer-30B และ Gemma 4 31B เอกสารของ Granite จาก IBM ไม่ได้กล่าวถึง Nanbeige เลย ดังนั้นการ์ดทั้งสองจึงมีเบนช์มาร์กที่เหมือนกันเพียงหนึ่งเดียว ซึ่งการเปรียบเทียบโดยตรงอาจเป็นไปได้แม้เพียงในทางนาม: Terminal-Bench 2.1

• {{1}}Terminal-Bench 2.1{{/1}} — {{2}}Nanbeige4.3-33B 80.9{{/2}} ({{3}}การ์ดของ Nanbeige{{/3}}) เทียบกับ {{4}}Granite 4.2 30B 29.24{{/4}} ({{5}}การ์ดของ IBM{{/5}}) ถือเป็น{{6}}ส่วนต่าง 51.7 คะแนน{{/6}}ที่เป็น{{7}}ความได้เปรียบของ Nanbeige{{/7}}

ตัวเลขที่อ้างว่าเป็นความแตกต่างที่ใหญ่ที่สุดระหว่างตารางของผู้จำหน่ายสองรายในการเปรียบเทียบทั้งหมดนี้ และต้องมีข้อควรระวังสามประการก่อนที่ตัวเลขนี้จะมีความหมายใด ๆ ประการแรก ตัวเลขทั้งสองเป็นข้อมูลที่ผู้จำหน่ายรายงานเอง ประการที่สอง การ์ดของ Nanbeige ระบุว่าการรัน Terminal-Bench 2.1 ใช้ Terminus 2 ส่วนการ์ดของ IBM ไม่ได้ระบุ scaffold ประการที่สาม benchmark แบบ terminal วัดทั้งโมเดลและ agent loop และช่องว่าง 51 คะแนนอาจเกิดจาก loop ได้พอ ๆ กับเกิดจาก weights โมเดลที่มี harness ที่ปรับแต่งมาอย่างดีกับโมเดลที่มี harness แบบสำเร็จรูปจะให้ผลต่างกันหลายสิบคะแนนบน benchmark ชื่อเดียวกัน

แถวที่มีร่วมกันซึ่งใกล้ที่สุดเป็นอันดับถัดไปคือ GPQA Diamond: Nanbeige รายงาน 89.5 ส่วน IBM รายงาน 66.41 นี่เป็นช่องว่างที่แท้จริงบน benchmark ด้านความรู้ และกว้างพอที่จะคงอยู่แม้มีความแตกต่างของ harness แต่ก็ยังวัดสิ่งที่แตกต่างจากการเขียนโค้ดแบบ agentic ด้วย — คำถามวิทยาศาสตร์ระดับบัณฑิตศึกษา ไม่ใช่การใช้เครื่องมือในระยะยาว หลักฐานนี้บอกว่า Nanbeige เป็นตัวให้เหตุผลที่แข็งแกร่งกว่าของสองตัวนี้ แต่ไม่ได้บอกว่ามันเป็น agent ที่แข็งแกร่งกว่า

ส่วนที่เหลือทั้งหมดไม่สามารถนำมาเปรียบเทียบกันได้ Nanbeige รายงาน SWE-Bench Pro ที่ 60.3; IBM รายงาน SWE-Bench Verified ที่ 57.00 — เป็นคนละเวอร์ชันและมีความยากต่างกัน Nanbeige รายงาน AIME 2026 ที่ 95.2; IBM รายงาน AIME25 ที่ 89.17 — เป็นคนละปี Nanbeige รายงาน JobBench และ DeepPlanning; IBM รายงาน τ³-bench 62.00, BFCL v4 61.39, MMLU-Pro 77.60, LiveCodeBench v6 75.77 และ RULER 128K 81.38 ไม่มีรายการใดในนั้นที่มีคู่เทียบจาก Nanbeige

ข้อเรียกร้อง 512K สองรายการที่ไม่ใช่ข้อเรียกร้องเดียวกัน

ทั้งสองโมเดลโฆษณาเพดานที่ 512K พวกมันไปถึงจุดนั้นด้วยวิธีที่ต่างกัน และความแตกต่างนั้นปรากฏให้เห็นในสิ่งที่ผู้ขายแต่ละรายยอมเปิดเผย

• หน้าต่างเนทีฟ — Nanbeige4.3-33B: 524,288 โทเคน แบบเนทีฟ Granite 4.2 30B: 131,072 โทเคน แบบเนทีฟ

• เพดานที่ขยายขึ้น — Granite 4.2 30B มีการขยายบริบทแบบยาวถึง 512K ส่วน Nanbeige ไม่จำเป็นต้องมี เพราะ 512K คือหน้าต่างบริบทที่ผ่านการฝึกมาแล้ว

• หลักฐานเชิงบริบทระยะยาว — IBM เผยแพร่ RULER ที่ 128K: 81.38 ส่วน Nanbeige เผยแพร่ AA-LCR ที่ 84.0 ซึ่งเป็นเกณฑ์มาตรฐานการให้เหตุผลเชิงบริบทระยะยาว แต่ไม่ใช่เกณฑ์มาตรฐานการเรียกคืนข้อมูลที่ระบุความลึกไว้

• เอาต์พุต — การ์ดของ Nanbeige แนะนำโทเค็นใหม่สูงสุด 262,144 โทเค็นสำหรับการให้เหตุผลและการแชต และ 65,536 สำหรับงานแบบเอเจนต์และการใช้เครื่องมือ ค่า max_new_tokens ที่ IBM แนะนำคือ 8,192 ในโหมดคิด และ 2,048 ในโหมดไม่คิด

บรรทัดสุดท้ายนั่นแหละคือประเด็นเชิงปฏิบัติ หน้าต่างอินพุต 512K ที่จับคู่กับคำแนะนำเอาต์พุต 8K คือโมเดลที่สร้างมาเพื่ออ่านจำนวนมากแล้วตอบสั้น ๆ หน้าต่าง 512K ที่จับคู่กับงบการสร้าง 262K คือโมเดลที่สร้างมาเพื่อผลิตชิ้นงานยาว หากงานของคุณคือ "นำรีโพซิทอรีเข้าสู่ระบบ แล้วเขียนไมเกรชัน" ทั้งสองก็ไม่ใช่ผลิตภัณฑ์ที่เทียบเท่ากัน แม้จะมีความยาวคอนเท็กซ์ตามที่ระบุเท่ากันก็ตาม

การเรียกใช้เครื่องมือ โหมดการคิด และต้นทุนแฝงของการผสานรวม

การเรียกใช้เครื่องมือของ Granite เป็นรูปแบบ OpenAI และเป็นแบบเนทีฟ โดยได้ BFCL v4 ที่ 61.39 ในการประเมินของ IBM เอง ซึ่งหมายความว่าสามารถใช้งานร่วมกับไคลเอนต์เรียกฟังก์ชันมาตรฐานได้ทันทีโดยไม่ต้องมีตัวแยกวิเคราะห์แบบกำหนดเอง IBM ยังเผยแพร่ตัวแยกวิเคราะห์การคิดสำหรับ vLLM ดังนั้นร่องรอยการให้เหตุผลจึงแยกออกจากคำตอบได้อย่างชัดเจน

Nanbeige4.3-33B ใช้แนวทางตรงกันข้าม โดยแนะนำให้ใช้ tool_call_format="xml" เพื่อประสิทธิภาพสูงสุด มาพร้อมเทมเพลตสไตล์ ChatML และขอให้คุณใช้ Qwen3 reasoning parser และ Qwen3-Coder tool parser ใน vLLM หรือ SGLang นั่นไม่ใช่ข้อบกพร่อง — โมเดลเอเจนต์ที่แข็งแกร่งหลายตัวใช้การเรียกเครื่องมือแบบ XML — แต่เป็นงานด้านการผสานรวม หากสแตกของคุณใช้ OpenAI tool JSON, Nanbeige ต้องมีเลเยอร์แปลหรือโหมด JSON ของมัน ซึ่งการ์ดระบุว่าได้รับการสนับสนุนแต่ไม่ใช่ตัวเลือกที่แนะนำ

นี่คือภาษีที่ตาราง benchmark ไม่เคยแสดง โมเดลที่ทำได้ดีกว่า 20 คะแนนบนชุดทดสอบที่คุณต้องสร้างใหม่เองไม่ได้หมายความว่าจะดีกว่า 20 คะแนนเมื่อถึงวันอังคาร ข้อได้เปรียบของ Granite ในจุดนี้ไม่ใช่ความสามารถ แต่คือการเชื่อมต่อได้รับการจัดทำเอกสาร เป็นมาตรฐาน และได้รับการสนับสนุนจากผู้ขายที่มีระบบติดตามบั๊ก

สายด่วนการปฏิบัติตามข้อกำหนด

IBM จัดส่ง Granite พร้อมลายเซ็นเชิงการเข้ารหัส การรับรองมาตรฐาน ISO และการเปิดเผยข้อมูลเพื่อความโปร่งใส สำหรับผู้ซื้อที่อยู่ภายใต้การกำกับดูแล สิ่งนี้ไม่ใช่การตลาด — แต่เป็นความแตกต่างระหว่างโมเดลที่สามารถผ่านกระบวนการอนุมัติได้กับโมเดลที่ไม่สามารถทำได้ IBM ยังเป็นคู่สัญญา: มีสัญญา มีช่องทางการสนับสนุน และมีบริษัทที่จะยังคงอยู่ภายในกรอบเวลาของวงจรการจัดซื้อจัดจ้าง

Nanbeige4.3-33B มีสัญญาอนุญาต Apache 2.0 ซึ่งอนุญาตตามกฎหมายและใช้เชิงพาณิชย์ได้ ไม่มีสัญญาสนับสนุนระดับองค์กร ไม่มีโครงการอาร์ติแฟกต์ที่ลงนามแล้ว และไม่มีคำแถลงแหล่งที่มาของข้อมูลที่เผยแพร่ นอกเหนือจากโมเดลการ์ด แล็บนี้เป็นส่วนหนึ่งของ Kanzhun ซึ่งเป็นบริษัทจีนที่จดทะเบียนในตลาดหลักทรัพย์ และโมเดลนี้รองรับสองภาษา คืออังกฤษ–จีน ไม่มีข้อใดในนั้นทำให้มันขาดคุณสมบัติ ทั้งหมดนี้เป็นสิ่งที่การตรวจสอบความปลอดภัยจะถามถึง และคำตอบที่ซื่อสัตย์ในวันนี้คือ หลักฐานฝั่ง Nanbeige บางกว่า

สำหรับทีมที่อยู่นอกกระบวนการที่มีการกำกับดูแล ส่วนนี้ไม่เกี่ยวข้องและข้ามไปได้เลย สำหรับทีมที่อยู่ภายในกระบวนการดังกล่าว ส่วนนี้อาจตัดสินคำถามได้ก่อนที่จะมีการอ่านผลเบนช์มาร์ก

โทเคนหนึ่งตัวมีต้นทุนเท่าใด และ GPU มีต้นทุนเท่าใด

Granite 4.2 30B พร้อมใช้งานเป็น API แบบ managed ในราคา $0.16 ต่อหนึ่งล้านโทเคนอินพุต และ $0.65 ต่อหนึ่งล้านโทเคนเอาต์พุต โดยมีส่วนลดแคช 75% ให้ความเร็วประมาณ 47.5 โทเคนเอาต์พุตต่อวินาที และเวลาไปยังโทเคนแรก 0.82 วินาที Artificial Analysis ประเมินต้นทุนไว้ที่ประมาณ $0.07 ต่องาน Intelligence Index นอกจากนี้ยังดาวน์โหลดเวตได้ โดยมีขนาดประมาณ 60GB ใน BF16 หรือ 30GB ที่ 8-bit — ซึ่งเป็นการติดตั้งบน GPU เดียว

Nanbeige4.3-33B ไม่มีราคาต่อโทเค็นที่เผยแพร่ เพราะไม่มีใครโฮสต์มัน การ์ดของโมเดลระบุชัดเจนว่าไม่มีผู้ให้บริการอินเฟอเรนซ์รายใดดีพลอยโมเดลนี้ การโฮสต์เองหมายถึงประมาณ 66GB ใน BF16 หรือราว 20GB ที่ 4-bit โดยสูตรของผู้ขายเองใช้ tensor-parallel size 4 นั่นคือ GPU สี่ตัวที่ต้องเปิดค้างไว้ไม่ว่าทราฟฟิกจะเข้ามาหรือไม่

วางตัวเลขสองตัวไว้ข้างกันอย่างตรงไปตรงมา แล้วการเปรียบเทียบก็คือระหว่างบิลที่คิดตามการใช้งานซึ่งเริ่มต้นที่ศูนย์ กับค่าใช้จ่ายลงทุนที่เริ่มต้นที่ GPU สี่ตัว ที่ปริมาณการใช้งานต่ำ Granite ถูกกว่าถึงหนึ่งลำดับขนาด ที่ปริมาณการใช้งานสูงอย่างต่อเนื่อง โมเดล 33B ที่โฮสต์เองสามารถชนะได้ — แต่เฉพาะเมื่ออัตราการใช้งานสูงพอที่จะตัดค่าเสื่อมฮาร์ดแวร์ และเฉพาะเมื่อคุณให้มูลค่าเวลางานวิศวกรรมเป็นศูนย์ ทีมส่วนใหญ่พบว่ามันไม่ใช่ศูนย์

ทั้งสองโมเดลไม่ได้อยู่บนเราเตอร์ของเรา และเรื่องนี้ก็ควรพูดให้ตรงไปตรงมา

OrcaRouter ยังไม่มีให้บริการ Nanbeige4.3-33B หรือ Granite 4.2 30B ในตอนนี้เราจะไม่เสแสร้งว่าเป็นอย่างอื่น เพราะผู้อ่านที่สมัครโดยคาดหวังว่าจะได้โมเดลใดโมเดลหนึ่งจากสองโมเดลนี้จะเสียเวลาหนึ่งวันกว่าจะพบว่าแคตตาล็อกไม่มีโมเดลนั้น

สิ่งที่ชั้นการกำหนดเส้นทางยังคงทำอยู่คือทำให้ส่วนที่เหลือของการตัดสินใจมีต้นทุนต่ำ หากคุณให้ผู้ให้บริการรายเดิมทำงานผ่าน endpoint ของเราอยู่แล้ว การเพิ่ม Nanbeige ที่โฮสต์เองไว้เบื้องหลังคีย์เดียวกันและส่งทราฟฟิกส่วนหนึ่งไปให้ ถือเป็นการเปลี่ยนแปลงการตั้งค่ามากกว่าการเชื่อมต่อระบบเป็นครั้งที่สอง โมเดลบวกเพิ่ม 0% ของเรา — ที่ส่งต่อราคาตามรายการของผู้ให้บริการ — ยังหมายความว่าเมื่อ IBM หรือผู้ให้บริการโฮสต์รายอื่นเปลี่ยนราคา Granite ตัวเลขที่คุณเห็นจะเปลี่ยนตามไปด้วย แทนที่จะล่าช้าตามส่วนต่างกำไรของผู้ขายต่อ นั่นไม่ได้ทำให้โมเดลใดโมเดลหนึ่งพร้อมใช้งาน แต่ทำให้การทดลองรอบ ๆ โมเดลเหล่านั้นมีต้นทุนในการดำเนินการต่ำลง

รายชื่อผู้ผ่านเข้ารอบ ไม่ใช่ผู้ชนะ

• หากคุณต้องการสัญญา ลายเซ็น และช่องทางสนับสนุน: Granite 4.2 30B แล้วช่องว่างด้าน benchmark ก็ไม่สำคัญอีกต่อไป

• หากคุณต้องการประสิทธิภาพการเขียนโค้ดแบบ agentic ที่อ้างว่าดีที่สุดในคลาสขนาดนี้: Nanbeige4.3-33B โดยมีข้อแม้ว่าคะแนน 80.9 บน Terminal-Bench 2.1 ของมันยังไม่เคยถูกทำซ้ำได้นอกการ์ดของตัวเอง

• หากคุณต้องการอินพุต 512K แบบเนทีฟพร้อมเอาต์พุตแบบยาว: Nanbeige4.3-33B ส่วน Granite เข้าถึง 512K ได้ผ่านการขยาย และแนะนำเอาต์พุตที่ 8K

• หากคุณต้องการภาษาจีน: ทั้งสองโมเดลระบุว่ามีภาษานี้ การ์ดของ Granite ระบุภาษาจีนในบรรดา 12 ภาษา ส่วนของ Nanbeige ระบุภาษาอังกฤษและภาษาจีน ภาษาไม่ใช่ปัจจัยชี้ขาดในที่นี้

• หากคุณต้องเริ่มต้นวันนี้โดยไม่มี GPU: Granite 4.2 30B ผ่าน API ของ IBM ส่วน Nanbeige ไม่มีตัวเลือกแบบโฮสต์เลย

สรุปที่ชวนอึดอัดคือ โมเดลเหล่านี้อยู่ในระดับที่ใกล้เคียงกันมากพอจนการตัดสินใจจะถูกกำหนดด้วยข้อจำกัดรอบตัว它們 เช่น การจัดซื้อ การติดตั้งใช้งาน ภาษา และรูปแบบข้อมูล (modality) มากกว่าคะแนนที่ต่างกัน 51 จุด แถวคะแนนนั้นอาจเป็นเรื่องจริงก็ได้ แต่ก็เป็นข้ออ้างที่ตรวจสอบยืนยันได้น้อยที่สุดเพียงข้อเดียวในบทความนี้ และควรเป็นเหตุผลสุดท้ายในการเลือกโมเดล ไม่ใช่เหตุผลแรก