Nanbeige4.3-33B: nyílt agentmodell 33B méretben

Mi jelent meg?

A Nanbeige csapat a hétvégén tette közzé a Hugging Face-en a Nanbeige4.3-33B modellt (modellkártya). Ez a 4.3-as sorozat első tagja, egyben tanármodell: a csapat ebből akarja később kisebb modellekbe desztillálni az agentes képességeket. Addig is önállóan használható, a súlyok Apache 2.0 licenccel szabadon letölthetők.

• Kb. 33 milliárd paraméteres dense modell, angol és kínai nyelvre.
• Kontextus: legfeljebb 524 288 token (512K).
• A reasoning ki-be kapcsolható. Többkörös tool use és kódagent esetén a korábbi körök gondolatmenete megtartható (preserve_thinking).
• Futtatás Transformers, SGLang vagy vLLM alatt. A példakonfigurációk 4 GPU-s tensor parallelizmussal számolnak, hosztolt API-t a kártya nem említ.

Mit mutatnak a mérések?

A csapat három 30B körüli modellel vetette össze: Qwen3.8-27B, Muse-Glimmer-30B és Gemma4-31B, mindegyiket a legmagasabb gondolkodási szinten, azonos harness mellett. A Terminal-Bench 2.1-en 80,9 pontot ért el (Qwen3.8-27B: 73,0), a nehezebb Terminal-Bench 4.0-n 23,8-at (Qwen: 6,3). A DeepSWE-n 65,5 a 42,5 ellen. Az AIME 2026 matekversenyen 95,2 pontot kapott.

Nem mindenhol nyer. A SWE-Bench Pro-n a Qwen3.8-27B jobb (61,7 vs. 60,3), a GDPval irodai feladatain szintén (86,4 vs. 84,8). A GPQA Diamond tudományos kérdéssorán a Gemma4-31B vezet 91,3 ponttal, a Nanbeige 89,5-öt ért el. Minden szám a fejlesztők saját mérése, független ellenőrzés még nincs.

Forrás: Nanbeige. A JobBench 35 foglalkozásra bontott eredményei: Nanbeige4.3-33B (44,8), Qwen3.8-27B (34,5) és Muse-Glimmer-30B (16,6).

Miért érdekes?

A 30B körüli nyílt modellek azért fontosak, mert saját infrastruktúrán, adatkiadás nélkül futtathatók. Ha a közölt agentes eredmények független tesztekben is megállnak, a Nanbeige4.3-33B komoly jelölt lehet belső kódagentekhez és irodai automatizáláshoz. Érdemes a saját feladatainkon összemérni a Qwen3.8-27B-vel, mert a két modell között a különbség feladattípusonként változik. A beígért kisebb, desztillált változatokat is érdemes figyelni, mert azok már egyetlen GPU-n is elférhetnek.