Nanbeige4.3-33B: pesos amb llicència Apache 2.0 per a agents

Què ha publicat Nanbeige

Nanbeige4.3-33B està disponible amb llicència Apache 2.0 a Hugging Face, una plataforma on s'allotgen, es descobreixen i es comparteixen models. L'historial del repositori comença amb un «initial commit» datat el 2026-10-24T02:49:18.000Z; la pujada de la carpeta, «Upload folder using huggingface_hub», arriba després, amb data 2026-10-24T11:57:14.000Z. És aquesta segona entrada, i no la creació del repositori, la que correspon a la pujada d'arxius.

Nanbeige, l'equip que signa el projecte a Hugging Face com a «Nanbeige Team», presenta Nanbeige4.3-33B com el model professor de la sèrie Nanbeige4.3, tot i que la fitxa del model no precisa a quina empresa o entitat jurídica pertany aquest equip. Segons Nanbeige, el model destaca en programació complexa i en tasques professionals d'oficina, i l'equip preveu recolzar-s'hi per destil·lar capacitats d'agent en models més petits, com Nanbeige4.3-3B.

Unes xifres que mesura el mateix equip

Segons Nanbeige, l'equip va comparar Nanbeige4.3-33B amb tres models recents d'uns 30.000 milions de paràmetres: Qwen3.8-27B, Muse-Glimmer-30B i Gemma4-31B. Tots es van avaluar amb el màxim esforç de raonament i, en cada prova, amb els mateixos hiperparàmetres d'inferència i el mateix arnès. No és una classificació independent: els resultats els publica qui distribueix el model.

A la taula que presenta Nanbeige, Nanbeige4.3-33B no obté la xifra més alta en totes les proves: a GDPval puntua més Qwen3.8-27B, i a GPQA Diamond, Gemma4-31B.

Les condicions també canvien d'una prova a una altra. Segons Nanbeige, Terminal-Bench 2.1 es va avaluar amb Terminus 2, i JobBench, amb l'arnès de Claude Code equipat amb una eina de cerca.

Com s'executa

Segons Nanbeige, el model admet un context de fins a 524.288 tokens i es pot executar amb Transformers, SGLang o vLLM; la fitxa inclou el codi i les ordres d'arrencada per a cada opció.

La plantilla de xat té dos interruptors. Segons Nanbeige, `enable_thinking` decideix si el model genera raonament a cada resposta i ve activat per defecte; `preserve_thinking` conserva el raonament de torns anteriors, i l'equip el recomana per a l'ús d'eines, les tasques d'oficina i els agents de codi, no per al xat general.