Nanbeige 开源 33B 智能体编程模型：自报基准超 Qwen3.8

发生了什么

模型卡把 Nanbeige4.3-33B 定义为系列旗舰教师模型：先做出高容量教师智能体，再把智能体能力蒸馏进小模型，包括计划中的 Nanbeige4.3-3B。MarkTechPost 10 月 25 日报道，实验室同步发布了 Nanbeige4.3-33B-Base，供自定义后训练使用。

部署参数指向重度工具使用：推理默认开启，SGLang 与 vLLM 部署方案均使用 4 路张量并行；模型卡建议智能体与工具任务使用 1.0 温度、0.95 top_p、65536 最大新 token，推理与聊天任务使用 262144 最大新 token。模型卡联系邮箱使用 kanzhun.com 域名，多家报道指出实验室隶属 BOSS 直聘。

基准对比在模型卡第二部分给出：全部模型均以最高思考强度、在同一评测框架下测得，对照组为 Qwen3.8-27B、Muse-Glimmer-30B 与 Gemma4-31B。与 Qwen3.8-27B 的逐项对比中，20 项里 18 项领先，落后两项为 SWE-Bench Pro 与 GDPval；MarkTechPost 与 AI Weekly 均注明，全部数字为实验室自报，暂无独立复现。

关键事实

1. 模型与许可：Nanbeige4.3-33B，330 亿参数密集模型，Apache 2.0 许可，524288 token 上下文，推理默认开启。
2. 定位：Nanbeige4.3 系列旗舰教师模型，后续把智能体能力蒸馏进小模型，包括计划中的 Nanbeige4.3-3B；同步发布 Base 版供自定义后训练。
3. 部署：SGLang 与 vLLM 方案均用 4 路张量并行；BF16 权重约 66GB（媒体测算），社区已有量化版本。
4. 编程基准：Terminal-Bench 2.1 为 80.9（Qwen3.8-27B 为 73.0），DeepSWE 为 65.5（对方为 42.5），均为实验室自报。
5. 落后项：与 Qwen3.8-27B 对比，落后两项：SWE-Bench Pro 60.3 对 61.7，GDPval 84.8 对 86.4。
6. 推理基准：GPQA Diamond 89.5（Gemma4-31B 为 91.3），AIME 2026 为 95.2（Qwen3.8-27B 为 94.5），均为实验室自报。
7. 数字性质：全部模型均以最高思考强度、在同一评测框架下测得；暂无独立复现，模型卡未附第三方验证。