Nanbeige4.3-33B so với Granite 4.2 30B: Những tuyên bố đối lập với tuân thủ

Quyết định giữa Nanbeige4.3-33B và Granite 4.2 30B sẽ được đưa ra trong một cuộc họp mua sắm, chứ không phải trên bảng xếp hạng. Cả hai đều là mô hình dense khoảng 30 tỷ tham số theo Apache 2.0, đều có thể tải xuống trong tuần này và đều tuyên bố giới hạn 512K token. Nhưng một mô hình do IBM bán với các artefact đã được ký và hợp đồng hỗ trợ, còn mô hình kia là một kho lưu trữ mới hai ngày tuổi từ một phòng thí nghiệm Trung Quốc chưa công bố thông báo ra mắt. Granite 4.2 30B của IBM ra mắt ngày 25 tháng 8 năm 2026; Nanbeige4.3-33B xuất hiện trên Hugging Face ngày 24 tháng 10 năm 2026. Chúng không thực sự là đối thủ cho cùng một thương vụ mua, và chính vì thế mà việc so sánh này đáng được thực hiện một cách cẩn thận.

Điều tiếp theo đây không phải là một người thắng cuộc. Đó là logic của một danh sách rút gọn: bốn câu hỏi thực sự phân tách các mô hình này, cùng với bằng chứng mà mỗi câu trả lời dựa vào và những chỗ mà bằng chứng yếu hơn vẻ ngoài của nó.

Hai sản phẩm khoác lên mình cùng một số lượng tham số

Granite 4.2 30B là mẫu đứng đầu trong dòng Granite 4.2 của IBM — 3B, 8B và 30B, tất cả đều là mô hình dense. Nó được xây dựng trên Granite-4.1-30B-Base, được tiền huấn luyện trên khoảng 15 nghìn tỷ token, bao gồm khoảng một nghìn tỷ token mã tổng hợp, sau đó trải qua một giai đoạn học tăng cường agentic cho các kích thước 8B và 30B. Nó cung cấp ba chế độ suy luận (suy nghĩ, không suy nghĩ, nỗ lực thấp), khả năng gọi công cụ gốc theo định dạng OpenAI, cùng các bản dựng FP8 và 4-bit. IBM liệt kê hỗ trợ gốc cho vLLM và SGLang, bao gồm một granite_thinking_parser.

Nanbeige4.3-33B là một checkpoint dense duy nhất từ Nanbeige LLM Lab, nhóm AI thuộc Kanzhun, công ty đứng sau BOSS Zhipin. Card của nó đặc biệt chi tiết về triển khai: 33.1B tham số, ngữ cảnh 524,288 token, tiếng Anh và tiếng Trung, thinking được bật theo mặc định, định dạng gọi công cụ XML được khuyến nghị thay cho JSON, và cờ preserve_thinking nhắm đến việc dùng công cụ đa lượt. Nó được định vị rõ ràng là mô hình teacher cho một mô hình anh em nhỏ hơn, Nanbeige4.3-3B, vẫn chưa được phát hành.

Sự khác biệt về mục đích rất quan trọng. {{1}}Granite{{/1}} là một dòng sản phẩm có lộ trình hỗ trợ doanh nghiệp. {{2}}Nanbeige4.3-33B{{/2}} là một sản phẩm nghiên cứu được phát hành để khởi tạo một dòng mô hình. Một bên được xây dựng để bán; bên kia được xây dựng để làm nguồn chưng cất.

Dòng duy nhất mà cả hai phòng thí nghiệm thực sự đã chạy

Thẻ mô hình của Nanbeige so sánh nó với Qwen3.8-27B, Muse-Glimmer-30B và Gemma 4 31B. Các tài liệu Granite của IBM hoàn toàn không đề cập đến Nanbeige. Vì vậy, hai thẻ chỉ có chung đúng một benchmark mà ở đó, một sự đối chiếu trực tiếp dù chỉ trên danh nghĩa cũng có thể thực hiện được: Terminal-Bench 2.1.

• Terminal-Bench 2.1 — Nanbeige4.3-33B 80.9 (thẻ của Nanbeige) so với Granite 4.2 30B 29.24 (thẻ của IBM). Chênh lệch 51,7 điểm nghiêng về Nanbeige.

Đó là chênh lệch được công bố lớn nhất giữa hai bảng của nhà cung cấp trong toàn bộ so sánh này, và nó cần ba lưu ý trước khi có ý nghĩa gì. Thứ nhất, cả hai con số đều do nhà cung cấp báo cáo. Thứ hai, thẻ của Nanbeige nói lần chạy Terminal-Bench 2.1 của họ dùng Terminus 2; thẻ của IBM không nêu scaffold của mình. Thứ ba, một benchmark terminal đo một mô hình cộng với vòng lặp tác nhân, và khoảng cách 51 điểm có thể đến từ vòng lặp dễ như từ trọng số. Một mô hình với harness được tinh chỉnh tốt và một mô hình với harness mặc định sẽ lệch nhau hàng chục điểm trên cùng một benchmark danh nghĩa.

Hàng chung gần nhất tiếp theo là GPQA Diamond: Nanbeige báo cáo 89,5, IBM báo cáo 66,41. Đó là một khoảng cách thực sự trên một chuẩn đánh giá kiến thức và đủ lớn để vượt qua những khác biệt về harness, nhưng nó cũng đo một thứ khác với lập trình tác tử — các câu hỏi khoa học trình độ sau đại học, không phải sử dụng công cụ trong tầm dài hạn. Điều đó cho thấy Nanbeige là bên suy luận mạnh hơn trong hai bên dựa trên bằng chứng này. Nó không cho thấy đây là tác tử mạnh hơn.

Mọi thứ còn lại đều không thể so sánh được. Nanbeige báo cáo SWE-Bench Pro đạt 60.3; IBM báo cáo SWE-Bench Verified đạt 57.00 — các biến thể khác nhau, độ khó khác nhau. Nanbeige báo cáo AIME 2026 đạt 95.2; IBM báo cáo AIME25 đạt 89.17 — các năm khác nhau. Nanbeige báo cáo JobBench và DeepPlanning; IBM báo cáo τ³-bench 62.00, BFCL v4 61.39, MMLU-Pro 77.60, LiveCodeBench v6 75.77 và RULER 128K 81.38. Không có mục nào trong số đó có đối ứng bên Nanbeige.

Hai tuyên bố 512K không phải là cùng một tuyên bố

Cả hai mô hình đều quảng cáo mức trần 512K. Chúng đạt tới đó theo những cách khác nhau, và sự khác biệt thể hiện ở những gì mỗi nhà cung cấp sẵn lòng công bố.

• Cửa sổ ngữ cảnh gốc — Nanbeige4.3-33B: 524.288 token, gốc. Granite 4.2 30B: 131.072 token, gốc.

• Ngưỡng mở rộng — Granite 4.2 30B cung cấp khả năng mở rộng ngữ cảnh dài lên đến 512K. Nanbeige không cần; 512K là cửa sổ được huấn luyện.

• Bằng chứng ngữ cảnh dài — IBM công bố RULER ở 128K: 81.38. Nanbeige công bố AA-LCR ở 84.0, một benchmark suy luận ngữ cảnh dài, nhưng không phải benchmark truy hồi ở độ sâu được nêu.

Đầu ra — thẻ mô hình của Nanbeige khuyến nghị tối đa 262,144 token mới cho suy luận và trò chuyện, 65,536 cho công việc mang tính tác tử và sử dụng công cụ. max_new_tokens được IBM khuyến nghị là 8,192 ở chế độ suy nghĩ và 2,048 ở chế độ không suy nghĩ.

Câu cuối cùng đó mới là câu thực dụng. Một cửa sổ đầu vào 512K đi kèm khuyến nghị đầu ra 8K là một mô hình được xây dựng để đọc nhiều và trả lời ngắn gọn. Một cửa sổ 512K đi kèm ngân sách sinh 262K là một mô hình được xây dựng để tạo ra các sản phẩm đầu ra dài. Nếu công việc của bạn là “nạp toàn bộ kho mã, viết phần di trú”, thì chúng không phải là những sản phẩm tương đương nhau, ngay cả khi có cùng độ dài ngữ cảnh danh nghĩa.

Gọi công cụ, chế độ suy nghĩ và chi phí tích hợp

Khả năng gọi công cụ của Granite có định dạng OpenAI và là native, với BFCL v4 đạt 61,39 trong đánh giá của chính IBM. Điều đó có nghĩa là nó có thể được đưa vào một client gọi hàm tiêu chuẩn mà không cần trình phân tích cú pháp tùy chỉnh. IBM cũng công bố một trình phân tích suy luận cho vLLM, nên các dấu vết suy luận được tách sạch khỏi câu trả lời.

Nanbeige4.3-33B đi theo hướng ngược lại: nó khuyến nghị tool_call_format="xml" để có hiệu năng tốt nhất, cung cấp một mẫu kiểu ChatML và yêu cầu bạn dùng bộ phân tích lý luận Qwen3 và bộ phân tích công cụ Qwen3-Coder trong vLLM hoặc SGLang. Đó không phải là khuyết điểm — nhiều mô hình agent mạnh dùng các lệnh gọi công cụ XML — mà là công việc tích hợp. Nếu stack của bạn nói OpenAI tool JSON, Nanbeige cần hoặc một lớp dịch hoặc chế độ JSON của nó, mà card nói là được hỗ trợ nhưng không được ưu tiên.

Đây là cái giá mà các bảng benchmark không bao giờ thể hiện. Một mô hình tốt hơn 20 điểm trên một khung kiểm thử mà bạn phải dựng lại từ đầu thì không phải là tốt hơn 20 điểm vào thứ Ba. Lợi thế của Granite ở đây không phải là năng lực; mà là việc phần kết nối được tài liệu hóa, theo chuẩn và được hỗ trợ bởi một nhà cung cấp có hệ thống theo dõi lỗi.

Dòng tuân thủ

IBM phát hành Granite kèm chữ ký mật mã, chứng nhận ISO và các công bố minh bạch. Đối với người mua trong lĩnh vực được quản lý chặt chẽ, đó không phải là tiếp thị — đó là sự khác biệt giữa một mô hình có thể đi qua quy trình phê duyệt và một mô hình không thể. IBM cũng là bên đối ứng: có hợp đồng, có kênh hỗ trợ, và là một công ty vẫn sẽ tồn tại trong khung thời gian của chu kỳ mua sắm.

Nanbeige4.3-33B có giấy phép Apache 2.0, một giấy phép hợp pháp theo hướng cho phép và có thể dùng cho mục đích thương mại. Mô hình không có hợp đồng hỗ trợ doanh nghiệp, chương trình hiện vật có chữ ký, hay tuyên bố công bố về nguồn gốc dữ liệu ngoài thẻ mô hình. Phòng thí nghiệm này thuộc Kanzhun, một công ty đại chúng Trung Quốc, và mô hình là song ngữ Anh–Trung. Không điều nào trong số đó khiến nó bị loại. Tất cả những điều đó đều là loại vấn đề mà một cuộc đánh giá bảo mật sẽ hỏi tới, và câu trả lời trung thực hiện nay là bằng chứng phía Nanbeige mỏng hơn.

Đối với một nhóm nằm ngoài một quy trình được quản lý, phần này không liên quan và bạn có thể bỏ qua. Đối với một nhóm nằm trong một quy trình như vậy, phần này có thể quyết định câu hỏi trước khi các tiêu chuẩn đánh giá được đọc.

Một token có giá bao nhiêu, và một GPU có giá bao nhiêu

Granite 4.2 30B có sẵn dưới dạng API được quản lý với giá 0,16 USD mỗi triệu token đầu vào và 0,65 USD mỗi triệu token đầu ra, cùng mức chiết khấu bộ nhớ đệm 75%, tốc độ khoảng 47,5 token đầu ra mỗi giây và thời gian đến token đầu tiên là 0,82 giây. Artificial Analysis ước tính chi phí của nó vào khoảng 0,07 USD cho mỗi tác vụ Intelligence Index. Các trọng số cũng có thể tải xuống, khoảng 60GB ở BF16 hoặc 30GB ở 8-bit — triển khai trên một GPU duy nhất.

Nanbeige4.3-33B không có giá công bố trên mỗi token vì không ai vận hành nó. Thẻ mô hình nêu rõ rằng không nhà cung cấp suy luận nào triển khai mô hình. Tự triển khai nghĩa là khoảng 66GB ở BF16, hoặc khoảng 20GB ở 4-bit, với các công thức riêng của nhà cung cấp sử dụng kích thước tensor-parallel là 4. Đó là bốn GPU được giữ mở bất kể có lưu lượng đến hay không.

Đặt hai con số cạnh nhau một cách trung thực, và phép so sánh là giữa một hóa đơn tính theo mức dùng bắt đầu từ 0 với một khoản chi phí vốn bắt đầu từ bốn GPU. Ở lưu lượng thấp, Granite rẻ hơn một bậc độ lớn. Ở lưu lượng cao duy trì liên tục, một mô hình 33B tự vận hành có thể thắng — nhưng chỉ khi mức sử dụng đủ cao để khấu hao phần cứng, và chỉ khi bạn định giá thời gian kỹ thuật bằng không. Hầu hết các nhóm nhận ra nó không phải bằng không.

Cả hai mô hình đều không có trên router của chúng tôi, và điều đó đáng được nói thẳng.

OrcaRouter hiện chưa cung cấp Nanbeige4.3-33B hay Granite 4.2 30B. Chúng tôi sẽ không giả vờ điều ngược lại, bởi một người đọc đăng ký với kỳ vọng có một trong hai mô hình đó sẽ mất cả một ngày để phát hiện ra rằng danh mục không có mô hình ấy.

Điều mà lớp định tuyến vẫn làm là giữ cho phần còn lại của quyết định ở mức chi phí thấp. Nếu bạn đã chạy một nhà cung cấp hiện tại qua endpoint của chúng tôi, thì việc thêm một Nanbeige tự lưu trữ phía sau cùng một khóa và gửi cho nó một phần lưu lượng chỉ là thay đổi cấu hình chứ không phải tích hợp thứ hai. Mô hình cộng thêm 0% của chúng tôi — giá niêm yết của nhà cung cấp được chuyển nguyên qua — cũng có nghĩa là khi IBM hoặc một nhà cung cấp khác thay đổi giá Granite, con số bạn thấy sẽ thay đổi theo chứ không bị chậm lại bởi biên lợi nhuận của nhà bán lại. Điều đó không làm cho mô hình nào trong hai mô hình trở nên khả dụng. Nó làm cho việc thử nghiệm xoay quanh chúng ít tốn kém hơn khi vận hành.

Danh sách rút gọn, không phải người thắng cuộc.

• Nếu bạn cần hợp đồng, chữ ký và một lộ trình hỗ trợ: Granite 4.2 30B, và khoảng cách benchmark không còn quan trọng nữa.

• Nếu bạn cần hiệu năng lập trình tác tử mạnh nhất được công bố trong phân khúc kích thước này: Nanbeige4.3-33B, kèm lưu ý rằng điểm 80.9 của nó trên Terminal-Bench 2.1 chưa từng được tái lập bên ngoài model card của chính nó.

• Nếu bạn cần đầu vào 512K nguyên bản với đầu ra dài: Nanbeige4.3-33B. Granite đạt 512K nhờ mở rộng và khuyến nghị đầu ra 8K.

• Nếu bạn cần tiếng Trung: cả hai mô hình đều liệt kê ngôn ngữ này. Thẻ mô hình của Granite nêu tiếng Trung trong số 12 ngôn ngữ; thẻ của Nanbeige liệt kê tiếng Anh và tiếng Trung. Ngôn ngữ không phải là tiêu chí phân định ở đây.

• {{1}}Nếu bạn cần bắt đầu ngay hôm nay mà không có GPU{{/1}}: {{2}}Granite 4.2 30B qua API của IBM{{/2}}. {{3}}Nanbeige hoàn toàn không có tùy chọn được lưu trữ.{{/3}}

Tóm tắt khó chịu là các mô hình này đủ gần nhau trong cùng phân khúc đến mức quyết định sẽ được đưa ra bởi các ràng buộc xung quanh chúng — mua sắm, triển khai, ngôn ngữ, phương thức — chứ không phải bởi dòng 51 điểm. Dòng đó hoàn toàn có thể là thật. Đây cũng là tuyên bố khó kiểm chứng nhất trong bài viết này, và nó nên là lý do cuối cùng để bạn chọn một mô hình, chứ không phải lý do đầu tiên.