Granite 4.0 H-Small 32B-A9Bvsgpt-oss 20B
Vollständiger Vergleich zwischen Granite 4.0 H-Small 32B-A9B (32B Parameter, IBM) und gpt-oss 20B (21B, OpenAI). Benötigter VRAM je nach Quantisierung, auf 4 Referenz-GPUs gemessene Tokens pro Sekunde, Urteil je nach Anwendungsfall, Lizenz, Installationsbefehle. Alle Zahlen werden aus den Katalogdaten berechnet – kein Kopieren und Einfügen zwischen Seiten.
Kurz gesagt
| Eigenschaft | Granite 4.0 H-Small 32B-A9B | gpt-oss 20B |
|---|---|---|
| Parameter | 32B | 21B |
| Familie | Granite | gpt-oss |
| Autor | IBM | OpenAI |
| Herkunft | US | US |
| Lizenz | Apache 2.0 | Apache 2.0 |
| Kontext | 128 000 Tokens | 128 000 Tokens |
| Erscheinungsdatum | Oktober 2025 | April 2025 |
Speicherbedarf
Ungefähre VRAM, die für die Inferenz mit einem mittleren Kontextfenster erforderlich ist. Der Gewinner (in Grün) ist das Modell, das verbraucht moins — Vorteil für kleine Modelle.
| Quantisierung | Granite 4.0 H-Small 32B-A9B | gpt-oss 20B |
|---|---|---|
| Q4_K_M (leicht) | 19 GB | 13 GB |
| Q5_K_M (ausgewogen) | 23 GB | 16 GB |
| Q8 (nahezu verlustfrei) | 35 GB | 23 GB |
| FP16 (maximale Qualität) | 64 GB | 42 GB |
| RAM bei reinem CPU-Betrieb | 32 GB | 18 GB |
Geschätzte Geschwindigkeit (Tokens/Sekunde)
Schätzungen basierend auf der besten Quantisierung, die auf jeder GPU möglich ist. Die tatsächlichen Zahlen hängen vom Prompt, vom Kontext und der Engine (llama.cpp, vLLM, MLX) ab. Methodik.
| Referenz-GPU | Granite 4.0 H-Small 32B-A9B | gpt-oss 20B |
|---|---|---|
| RTX 4090 (24 GB) | 75 Tok/s · Q5_K_M | 130 tok/s · Q8 |
| RTX 4080 (16 GB) | ✗ zu groß | 55 tok/s · Q5_K_M |
| RTX 3060 12GB (12 GB) | ✗ zu groß | ✗ zu groß |
| Apple M4 Pro (48 GB) (36 GB) | 30 tok/s · Q8 | 55 tok/s · Q8 |
Fazit nach Anwendungsfall
Für jede gängige Anwendung geben wir an, welches der beiden Modelle aufgrund seiner Tags, Größe und Spezialisierung am besten geeignet ist.
Ihr privates, kostenloses ChatGPT auf Ihrem Rechner in einer Stunde – mit LM Studio, Ollama, Open WebUI und Ihren Dokumenten, ganz ohne Cloud.
- Lebenslanger Online-Zugang
- PDF + Dateien
- Erstattung binnen 30 Tagen
Stärken und Schwächen
Granite 4.0 H-Small 32B-A9B
Hybrid aus Mamba-2 und MoE mit 32B Parametern, davon 9B aktiv. ~70 % weniger RAM bei langem Kontext. Apache 2.0.
- 70 % weniger RAM bei langen Kontexten
- Apache 2.0
- Enterprise-ready
- Unterstützung durch eine aktuelle Version von llama.cpp erforderlich
Installation
gpt-oss 20B
Kleiner Bruder von gpt-oss 120B. 21B/3.6B aktiv. Gleichauf mit o3-mini auf dem Laptop.
- MIT-Lizenz
- 13 GB VRAM Q4
- OpenAI-Qualität in zugänglichem Format
- 128k Kontext
- MoE — benötigt mehr VRAM als ein gleichwertiges dichtes Modell
- Weniger Fine-Tuning-Varianten als bei Llama/Qwen
Installation
Häufige Fragen
Welches Modell läuft am besten auf einer RTX 4090 (24 GB): Granite 4.0 H-Small 32B-A9B oder gpt-oss 20B?
Auf einer RTX 4090 läuft Granite 4.0 H-Small 32B-A9B in Q5_K_M (~75 tok/s), gpt-oss 20B in Q8 (~130 tok/s). Nur Durchsatz, gpt-oss 20B gewinnt. Nutzen Sie den Konfigurator um Ihre konkrete GPU zu testen.
Welches verbraucht am wenigsten VRAM?
Bei Q4_K_M, gpt-oss 20B passt in 13 GB contre 19 GB für seinen Konkurrenten – ein Unterschied von 6 GB, der ins Gewicht fällt, wenn Sie eine RTX 3060 oder eine 4060 Ti mit 8 GB ins Auge fassen.
Granite 4.0 H-Small 32B-A9B oder gpt-oss 20B zum Programmieren?
gpt-oss 20B ist am besten geeignet (auf Code spezialisiert, bessere HumanEval-Scores). Für einen IDE-Copiloten kombinieren Sie es mit Continue oder Aider.
Dürfen diese Modelle kommerziell im Produktivbetrieb eingesetzt werden?
Granite 4.0 H-Small 32B-A9B ist unter Apache 2.0 lizenziert – frei für kommerzielle Nutzung. gpt-oss 20B ist unter Apache 2.0 lizenziert — ebenfalls frei nutzbar. Für SaaS bevorzugen Sie Apache 2.0 oder MIT.
Welches soll man 2026 wählen?
Das hängt von Ihrer wichtigsten Einschränkung ab. Kleiner / schneller : gpt-oss 20B (21B). Leistungsfähiger : Granite 4.0 H-Small 32B-A9B (32B). Wenn Sie unsicher sind, starten Sie den Konfigurator mit Ihrer GPU und Ihrem Anwendungsfall – er wird auf Basis beider Faktoren entscheiden.
Erwägenswerte Alternativen
Falls keines der beiden Modelle zu Ihnen passt, finden Sie hier ähnliche Modelle, die Sie sich ansehen könnten.