Nanbeige выпустила открытую 33B-модель для агентного кодинга

Лаборатория Nanbeige LLM Lab, работающая внутри рекрутинговой платформы BOSS Zhipin, выложила на Hugging Face модель Nanbeige4.3-33B под лицензией Apache 2.0. Это плотная языковая модель на 33 млрд параметров без mixture-of-experts, ориентированная на агентное кодирование и офисные задачи в режиме «совместной работы». Одновременно опубликована базовая версия Nanbeige4.3-33B-Base для самостоятельного постобучения.

Модель поддерживает контекстное окно на 524 288 токенов и работает только с текстом. В конфигурации заявлена стандартная архитектура LlamaForCausalLM: 52 слоя, скрытый размер 7 168, 56 голов запроса и 8 голов ключ-значение с grouped-query attention, промежуточный размер FFN 22 016 и словарь на 166 912 токенов. Веса в формате BF16 занимают около 66 ГБ, а полный KV-кэш для максимальной последовательности — ещё примерно 112 ГБ.

Чат-шаблон модели предусматривает три управляющих параметра. Флаг enable_thinking включает режим рассуждений и активен по умолчанию, preserve_thinking сохраняет цепочки размышлений из предыдущих ходов — это рекомендуется для многошагового использования инструментов и кодовых агентов. При передаче инструментов включается вызов функций, разработчики советуют XML-формат.

В собственной сравнительной таблице Nanbeige противопоставила модель трём открытым конкурентам близкого размера: Qwen3.8-27B, Muse-Glimmer-30B и Gemma4-31B. Все модели запускались с максимальным уровнем рассуждений и общими гиперпараметрами. По версии лаборатории, Nanbeige4.3-33B лидирует в 17 из 20 строк сравнения.

В агентном кодинге модель набирает 80,9 балла в Terminal-Bench 2.1 против 73,0 у Qwen3.8-27B, а в DeepSWE разрыв ещё заметнее — 65,5 против 42,5. В Terminal-Bench 4.0 результат Nanbeige составляет 23,8, тогда как Gemma4-31B получает 0,0. В задачах «совместной работы» модель показывает 54,2 в Automation Bench и 44,8 в JobBench, а в YC-bench симулированный доход достигает $1 025 437 против $641 290 у ближайшего соперника.

Проигрывает Nanbeige4.3-33B в трёх строках таблицы. Qwen3.8-27B обходит её в SWE-Bench Pro с результатом 61,7 против 60,3 и в GDPval — 86,4 против 84,8. Gemma4-31B лидирует в GPQA Diamond: 91,3 против 89,5.

Базовая версия Nanbeige4.3-33B-Base, по данным лаборатории, превосходит Gemma4-31B-Base во всех восьми заявленных задачах, включая MMLU-Pro (66,9 против 59,3) и GPQA (62,0 против 41,5). Часть цифр в таблице Nanbeige расходится с официальными карточками конкурентов. Meta сообщает для Muse-Glimmer-30B результат 51,2 в SWE-Bench Pro, а Nanbeige указывает 36,9 — пара значений выглядит перепутанной.

Google заявляет для Gemma 4 31B 84,3 балла в GPQA Diamond, тогда как в таблице Nanbeige стоит 91,3. Расхождения объясняются разными тестовыми средами, но до независимых замеров эти строки стоит считать предварительными. Для развёртывания модель требует несколько GPU.

В карточке приведены рецепты для Transformers, SGLang и vLLM с четырёхсторонним тензорным параллелизмом. Для агентных сценариев рекомендуются температура 1,0, top_p 0,95 и до 65 536 токенов генерации, для рассуждений и чата — температура 0,6 и до 262 144 токенов. На момент публикации ни один провайдер инференса на Hugging Face модель не хостит.

Стратегия лаборатории — сначала создать сильную «учительскую» модель, а затем дистиллировать агентные навыки в компактные версии. Первой в этой линейке должна стать Nanbeige4.3-3B. Пока же Nanbeige4.3-33B доступна для скачивания вместе с базовой версией, а в сообществе опубликована одна квантизация.