10 月 25 日，Nanbeige LLM Lab 在 Hugging Face 上发布开源模型 Nanbeige4.3-33B，采用 Apache 2.0 许可，定位在智能体编程与办公协作任务，同时放出了 Nanbeige4.3-33B-Base，供使用者做后训练定制。该实验室设在 BOSS 直聘内部。发布方同时放出了 Nanbeige4.3-33B-Base，供使用者做后训练定制。该实验室设在 BOSS 直聘内部。
规格与运行门槛
模型是标准 LlamaForCausalLM 架构，不含专家路由，33B 参数在每个 token 上全部参与计算。config.json 显示 52 层、隐藏维度 7168、56 个查询头配 8 个键值头、头维度 128、FFN 中间层 22016、词表 166912、RoPE theta 为 120000000，最大位置 524288，即 512K 上下文。权重为 BF16，体积约 66 GB，官方给出的 SGLang 与 vLLM 配方采用 4 路张量并行，需要多 GPU 服务器承载。对话模板暴露三个开关，enable_thinking 默认开启，preserve_thinking 建议在多轮工具使用与代码智能体场景下打开，工具调用推荐 XML 格式。
官方自评领先 17 项，最低分也摆在表里
实验室把 Nanbeige4.3-33B 与 Qwen3.8-27B、Muse-Glimmer-30B、Gemma4-31B 三个接近 30B 的开放模型放在一起对比，全部在最高思考档位、共享超参数与同一 harness 下运行。智能体编程方面 Terminal-Bench 2.1 拿到 80.9，Qwen3.8-27B 为 73.0；DeepSWE 差距最大，65.5 对 42.5；Terminal-Bench 4.0 上为 23.8，Gemma4-31B 为 0.0；SWE-Bench Pro 则是 60.3 对 61.7，落后一档。办公协作类基准 Automation Bench 为 54.2 对 38.3，JobBench 为 44.8 对 34.5。这些分数全部为发布方自报，与 KRAFTON 开源 Raon-1 mini 的 30B-A4B 基准对照 属于不同测试口径，跨模型比较需要谨慎。
先做教师模型，再蒸馏小尺寸
实验室公布的路线是先做强教师模型，然后把智能体能力蒸馏进更小的模型，第一步是 Nanbeige4.3-3B。33B 稠密结构配合 512K 上下文与 4 路张量并行配方，目标是把长链路工具调用和办公协作这类复合任务做成可复用能力，再向下收缩到可以在单机或小集群运行的尺寸。
先做强教师模型再蒸馏小尺寸是一条被反复验证的路线，JOLT 师生同模训练把 MATH 提到 72.14%是同一思路的另一种实现：先让强模型把解题路径拆解出来，再把这份路径压缩进更小、更便宜的执行体里。
延伸阅读
- 千问高考志愿填报 Agent 上线免费开放：志愿日历、报告、问答三项能力，去年报告领取近 1300 万份1 月前
- 《纽约时报》揭OpenAI安全黑洞：员工预警被无视，GPT-6.1 Astra被迫取消发布3 周前
- 全球AI大模型周调用量129万亿：中国连续21周超美国2 周前
- Black Forest Labs发布FLUX 3 Klein：56亿参数原生4K1 周前
继续读
同一批更新里这几篇值得一看：
- Underdog Saluki 27B 压到 7.9GB：工具调用反超完整版2026-10-25
- Anthropic 开源 sandbox-runtime：权限弹窗减少 84%2026-10-25
- 英伟达 Microduck 机器人预订超 2 万台 GTC 柏林走热2026-10-24