Nanbeige hat Nanbeige4.3-33B veröffentlicht, das 20 Punkte auf dem Intelligence Index erreicht

Nanbeige hat Nanbeige4.3-33B veröffentlicht, ein Open-Weights-Modell, das mit 20 Punkten auf dem Artificial Analysis Intelligence Index v5 mit Qwen3.8 27B (xhigh) mithält, mit stärkerer Terminal-Nutzung, aber schwächerem Wissen

Nanbeige ist das Forschungsteam für Foundation Models bei BOSS Zhipin, der chinesischen Recruiting-Plattform der Kanzhun Limited. Das dichte 33B-Reasoning-Modell ist unter Apache 2.0 als Open Weights verfügbar, unterstützt ausschließlich Text-Eingabe und -Ausgabe, hat ein 524K-Token-Kontextfenster und ist klein genug, um lokal auf einem Laptop zu laufen.

Wichtige Ergebnisse:

➤ Wettbewerbsfähige Ergebnisse bei 30B Gesamtparametern. Nanbeige4.3-33B und Qwen3.8 27B (xhigh) erreichen beide 20, gegenüber 6 für Muse Glimmer (high, 30B).

➤ Terminal-Nutzung und Physik-Reasoning sind relative Stärken. Nanbeige erreicht 30% auf Terminal-Bench 4.0 und 16% auf dem Hard Subset von CritPt v2, gegenüber 6% bzw. 4% für Qwen3.8 27B.

➤ Unterschiedliche Stärken gegenüber Qwen3.8 27B trotz gleicher Gesamtpunktzahl. Nanbeige schlägt Qwen3.8 27B bei AutomationBench-AA (53% vs. 48%), liegt aber bei AA-Briefcase v1.1 (1162 vs. 1391 Elo), FrontierCode 2.0 (11% vs. 15%) und HLE-Diamond (7% vs. 15%) zurück.

➤ Hohe Verweigerungsquote und niedrige Halluzinationsrate bei Omniscience. Nanbeige erreicht -4 auf AA-Omniscience v1.1 gegenüber -6 für Qwen3.8 27B, mit einer Halluzinationsrate von 18% gegenüber 29%. Es beantwortet weniger Fragen korrekt (12% vs. 17%) und lehnt 71% der Fragen ab.

➤ Ähnliche Intelligenz mit mehr Ausgabe-Tokens pro Aufgabe. Nanbeige verwendete 158K Ausgabe-Tokens pro Intelligence-Index-Aufgabe gegenüber 110K für Qwen3.8 27B, etwa 44% mehr.

Weitere Modelldetails:

➤ Typ: Open-Weights-Reasoning (Apache 2.0 Lizenz)

➤ Größe: 33B Gesamtparameter (dicht)

➤ Modalitäten: Nur Text-Eingabe und -Ausgabe

➤ Kontextfenster: 524K

➤ API-Verfügbarkeit: Keine bestätigten öffentlichen Erst- oder Drittanbieter-APIs

Nanbeige4.3-33B erreicht 20 Punkte auf dem Intelligence Index mit 33B Gesamtparametern, alongside Qwen3.8 27B mit 20 Punkten und 27B, und setzt einen neuen Pareto-optimalen Punkt für Intelligence Index vs. Gesamtparameter. Sowohl Nanbeige4.3-33B als auch Qwen3.8 27B sind dichte Modelle. DeepSeek V4.1 Flash 1017 (max) erreicht 33 Punkte mit 552B Gesamtparametern, aktiviert durch seine MoE-Architektur jedoch nur 16B pro Token.

Das AA-Omniscience v1.1-Ergebnis von Nanbeige4.3-33B spiegelt selektives Antworten wider. Seine Halluzinationsrate liegt bei 18% gegenüber 29% für Qwen3.8 27B, während seine Attempt-Rate 29% gegenüber 43% beträgt. Qwen beantwortet insgesamt mehr Fragen korrekt: 17% vs. 12%.

Nanbeige4.3-33B verwendete 158K Ausgabe-Tokens pro Intelligence-Index-Aufgabe gegenüber 110K für Qwen3.8 27B - 44% mehr, obwohl beide 20 Punkte erreichen. Dieser gewichtete Durchschnitt umfasst Antwort- und Reasoning-Tokens über die neun v5-Evaluierungen, einschließlich agentischer Tool-Use-Turns.

Vollständige Ergebnisse über die Artificial Analysis Intelligence Index v5-Evaluierungen