Granite 4.0 H-Small 32B-A9BvsQwen 3 VL 30B-A3B
Vollständiger Vergleich zwischen Granite 4.0 H-Small 32B-A9B (32B Parameter, IBM) und Qwen 3 VL 30B-A3B (30B, Alibaba). VRAM-Bedarf je nach Quantisierung, auf 4 Referenz-GPUs gemessene Tokens/Sekunde, Bewertung 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 | Qwen 3 VL 30B-A3B |
|---|---|---|
| Parameter | 32B | 30B |
| Familie | Granite | Qwen |
| Autor | IBM | Alibaba |
| Herkunft | US | CN |
| Lizenz | Apache 2.0 | Apache 2.0 |
| Kontext | 128 000 Tokens | 262 144 Tokens |
| Erscheinungsdatum | Oktober 2025 | Mai 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 | Qwen 3 VL 30B-A3B |
|---|---|---|
| Q4_K_M (leicht) | 19 GB | 19 GB |
| Q5_K_M (ausgewogen) | 23 GB | 23 GB |
| Q8 (nahezu verlustfrei) | 35 GB | 35 GB |
| FP16 (maximale Qualität) | 64 GB | 62 GB |
| RAM bei reinem CPU-Betrieb | 32 GB | 32 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 | Qwen 3 VL 30B-A3B |
|---|---|---|
| RTX 4090 (24 GB) | 75 Tok/s · Q5_K_M | 100 tok/s · Q5_K_M |
| RTX 4080 (16 GB) | ✗ zu groß | ✗ zu groß |
| RTX 3060 12GB (12 GB) | ✗ zu groß | ✗ zu groß |
| Apple M4 Pro (48 GB) (36 GB) | 30 tok/s · Q8 | 40 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
Qwen 3 VL 30B-A3B
Vision-MoE mit 30B Parametern, davon 3B aktiv. Sweet Spot für Vision mit Qwen 3. 256k ctx.
- Multimodaler Kontext: 262k
- 19 GB VRAM Q4
- Effizientes MoE
- Apache 2.0
- Schlechtere Bildverarbeitung als beim 235B
- Weniger Fine-Tunes als Qwen2-VL
Installation
Häufige Fragen
Welches Modell läuft auf einer RTX 4090 (24 GB) besser: Granite 4.0 H-Small 32B-A9B oder Qwen 3 VL 30B-A3B?
Auf einer RTX 4090 läuft Granite 4.0 H-Small 32B-A9B in Q5_K_M (~75 Tok/s), Qwen 3 VL 30B-A3B in Q5_K_M (~100 Tok/s). In reiner Durchsatzleistung, Qwen 3 VL 30B-A3B gewinnt. Nutzen Sie den Konfigurator um Ihre konkrete GPU zu testen.
Welches verbraucht am wenigsten VRAM?
Beide benötigen in Q4 gleich viel VRAM (19 GB). Die Wahl richtet sich dann nach der Lizenz oder der wahrgenommenen Qualität.
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. Qwen 3 VL 30B-A3B 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 : Qwen 3 VL 30B-A3B (30B). 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.