模型資訊
| 項目 | 值 |
|---|---|
| Model ID | Nanbeige/Nanbeige4.3-33B |
| 廠商 | Nanbeige（中國招聘平台 BOSS直聘母公司 Kanzhun Limited 旗下 AI 團隊） |
| 參數量 | 33.1B（dense，無 MoE） |
| Context Window | 524,288 tokens（512K） |
| Input 定價 (USD/1M tokens) | 未提供（純開放權重，無官方代管 API） |
| Output 定價 (USD/1M tokens) | 未提供（同上） |
| 開源 | 是（Apache 2.0） |
| 發布日 | 2026-10-24 |
| 官方公告 | Nanbeige/Nanbeige4.3-33B（Hugging Face 模型卡） |
| HuggingFace | Nanbeige/Nanbeige4.3-33B |
| 家族 | Nanbeige 4.x（此前主力為 Nanbeige4.2-3B 等 3B 級小模型，4.3-33B 是該系列首款 30B 級旗艦） |
能力亮點
- Agentic coding 大幅領先同量級模型：Terminal-Bench 2.1 達 80.9（Qwen3.8-27B 73.0、Muse-Glimmer-30B 61.8、Gemma4-31B 47.2），DeepSWE 達 65.5（Qwen3.8-27B 僅 42.5）
- 35 種職業的 cowork 任務普遍領先：JobBench 內部基準橫跨 35 種職業，Nanbeige4.3-33B 在大多數職業上贏過基線，整體分數 44.8 vs Qwen3.8-27B 的 34.5
- 512K context 原生支援：524,288 tokens，官方建議 agent／工具呼叫場景用
preserve_thinking=true保留多輪推理軌跡 - 明確定位為「teacher model」：官方宣告這是 Nanbeige4.3 系列策略——先練出高容量 teacher，再蒸餾成後續的小模型（如 Nanbeige4.3-3B），不是獨立產品線的終點
Benchmark 表現
| Benchmark | 分數 | 前代模型 | 競品最強（~30B 同量級） |
|---|---|---|---|
| Terminal-Bench 2.1（agentic coding） | 80.9 | —（首款 30B 級旗艦） | Qwen3.8-27B 73.0 |
| DeepSWE | 65.5 | —（首款 30B 級旗艦） | Qwen3.8-27B 42.5 |
| SWE-Bench Pro | 60.3 | —（首款 30B 級旗艦） | Qwen3.8-27B 61.7（Nanbeige 落後） |
| JobBench（cowork，35 種職業） | 44.8 | —（首款 30B 級旗艦） | Qwen3.8-27B 34.5 |
| GPQA Diamond（推理） | 89.5 | —（首款 30B 級旗艦） | Gemma4-31B 91.3（Nanbeige 落後） |
資料來源：Nanbeige 官方 Hugging Face 模型卡自測，評審模型與工具鏈見模型卡註腳，尚待外部複現。縱軸 0–100 分，基線 y=300、繪圖區頂 y=60，每分 2.4 單位（y = 300 − 分數 × 2.4）。
⚠️ 以上均為 Nanbeige 官方自測，模型卡的腳註說明部分基準使用 GPT-6 Sol 或 Claude Code 作為評審／執行工具，尚待外部獨立複現。
與前代/競品比較
Nanbeige4.3-33B 是這個系列第一款 30B 級模型，過去 Nanbeige 的公開模型都停在 3B 等級（如 Nanbeige4.2-3B），沒有真正的「前代」可比，比較對象只能是同量級的競品：Qwen3.8-27B、Muse-Glimmer-30B、Gemma4-31B。
跟 Qwen3.8-27B 比，Nanbeige4.3-33B 在偏 agent 的任務上贏得明顯：Terminal-Bench 2.1（80.9 vs 73.0）、DeepSWE（65.5 vs 42.5）、JobBench（44.8 vs 34.5）都大幅領先，代表它在「長流程寫程式」和「跨職業 cowork」這類需要多步驟工具呼叫的任務上調得更深。但 SWE-Bench Pro（60.3 vs 61.7）和 GDPval（84.8 vs 86.4）略輸，GPQA Diamond（89.5 vs Gemma4-31B 的 91.3）也不是最強——這代表它犧牲了一部分通用知識廣度，去換 agentic coding 的深度。
定價策略上完全沒有懸念：純開放權重、沒有官方代管 API，跟多數閉源大廠先定價再逐步開源的順序不同。官方把它定位成「teacher model」而非終端產品，真正的商業意圖是後續用它蒸餾出 Nanbeige4.3-3B 這類小模型——33B 本身更像是鋪路石，不是要跟 Qwen3.8-27B 搶市佔。
對 Agent 開發的意義
Nanbeige4.3-33B 最大的訊號不是分數本身，而是「先練大 teacher、再蒸餾小 student」這個明確公開的 size-ladder 策略——如果你在追蹤小模型（3B 級）agent 的能力天花板，這代表接下來值得注意的不是 33B 本身，而是用它蒸餾出來的 Nanbeige4.3-3B：teacher 分數高，蒸餾出的小模型上限才可能跟著墊高。
- 如果你在做自架、單卡可跑的 coding agent：33.1B dense 模型比 70B+ 級模型好部署，Terminal-Bench 2.1 和 DeepSWE 的大幅領先代表它在多步驟除錯／終端操作上可能比 Qwen3.8-27B 更可靠，值得實測對比。
- 如果你在做需要廣泛世界知識的通用助理：GPQA Diamond 和 SWE-Bench Pro 都不是最強，這類場景 Qwen3.8-27B 或 Gemma4-31B 可能更穩。
- 如果你在等小模型（3B 級）蒸餾版：先盯著這顆 33B teacher 的分數，再評估官方之後放出的 Nanbeige4.3-3B 能繼承多少能力——蒸餾品質上限受限於 teacher，這次 teacher 分數公開得相對完整，是個可以拿來對照的基準點。
- 不適合：需要官方 SLA 或代管 API 的生產環境——目前只有開放權重，沒有任何官方託管服務可用。
今日收穫
以前以為小模型蒸餾路徑都是「先找一個現成的大模型取其精華」，Nanbeige4.3 的做法是反過來：先專門練一個新的、自己的高容量 teacher model，再用它蒸餾後面的小模型系列。這代表蒸餾鏈的上限不再是「借用別人的大模型」，而是實驗室自己願不願意、有沒有能力先投入資源做好 teacher 這一層——33B 旗艦模型的存在本身，就是為了讓之後的 3B 小模型能蒸餾到更高的天花板。