Nanbeige4.3-33B: pesos con licencia Apache 2.0 para agentes

Qué ha publicado Nanbeige

Nanbeige4.3-33B está disponible con licencia Apache 2.0 en Hugging Face, una plataforma en la que se alojan, se descubren y se comparten modelos. El historial del repositorio arranca con un «initial commit» fechado en 2026-10-24T02:49:18.000Z; la subida de la carpeta, «Upload folder using huggingface_hub», llega después, con fecha 2026-10-24T11:57:14.000Z. Es esa segunda entrada, y no la creación del repositorio, la que corresponde a la subida de archivos.

Nanbeige, el equipo que firma el proyecto en Hugging Face como «Nanbeige Team», presenta Nanbeige4.3-33B como el modelo profesor de la serie Nanbeige4.3, aunque la ficha del modelo no precisa a qué empresa o entidad jurídica pertenece ese equipo. Según Nanbeige, el modelo destaca en programación compleja y en tareas profesionales de oficina, y el equipo prevé apoyarse en él para destilar capacidades de agente en modelos más pequeños, como Nanbeige4.3-3B.

Unas cifras que mide el propio equipo

Según Nanbeige, el equipo comparó Nanbeige4.3-33B con tres modelos recientes de en torno a 30.000 millones de parámetros: Qwen3.8-27B, Muse-Glimmer-30B y Gemma4-31B. Todos se evaluaron con el máximo esfuerzo de razonamiento y, en cada prueba, con los mismos hiperparámetros de inferencia y el mismo arnés. No es una clasificación independiente: los resultados los publica quien distribuye el modelo.

En la tabla que presenta Nanbeige, Nanbeige4.3-33B no obtiene la cifra más alta en todas las pruebas: en GDPval puntúa más Qwen3.8-27B, y en GPQA Diamond, Gemma4-31B.

Las condiciones también cambian de una prueba a otra. Según Nanbeige, Terminal-Bench 2.1 se evaluó con Terminus 2, y JobBench, con el arnés de Claude Code equipado con una herramienta de búsqueda.

Cómo se ejecuta

Según Nanbeige, el modelo admite un contexto de hasta 524.288 tokens y puede ejecutarse con Transformers, SGLang o vLLM; la ficha incluye el código y las órdenes de arranque para cada opción.

La plantilla de chat tiene dos interruptores. Según Nanbeige, `enable_thinking` decide si el modelo genera razonamiento en cada respuesta y viene activado por defecto; `preserve_thinking` conserva el razonamiento de turnos anteriores, y el equipo lo recomienda para el uso de herramientas, las tareas de oficina y los agentes de código, no para el chat general.