Nanbeige LLM Lab ha lanzado Nanbeige4.3-33B en Hugging Face bajo la licencia Apache 2.0. Nanbeige4.3-33B es un modelo de lenguaje denso de 33B diseñado para codificación agéntica y tareas de ‘cowork’ de tipo oficina. El laboratorio forma parte de la plataforma de reclutamiento BOSS Zhipin. También publicó Nanbeige4.3-33B-Base para post-entrenamiento personalizado. El modelo admite una ventana de contexto de 524,288 tokens. En la tabla propia del laboratorio, lidera 17 de 20 benchmarks contra 3 modelos abiertos cercanos a 30B.
TL;DR
- Tamaño: 33B parámetros, denso (sin MoE), contexto de 524,288 tokens (512K), pesos BF16.
- Se ejecuta en: Servidores multi-GPU. Las recetas SGLang y vLLM de la tarjeta usan paralelismo de tensores de 4 vías. Los pesos BF16 necesitan unos 66 GB (nuestro cálculo). Se enumera 1 cuantización de la comunidad.
- Rendimiento: Lidera 17 de 20 filas en la comparación propia de Nanbeige contra Qwen3.8-27B, Muse-Glimmer-30B y Gemma4-31B.
- Mejor: 80.9 en Terminal-Bench 2.1, frente a 73.0 de Qwen3.8-27B.
- Peor: 23.8 en Terminal-Bench 4.0 (su puntuación más baja). También queda detrás de Qwen3.8-27B en SWE-Bench Pro, 60.3 frente a 61.7.
¿Qué es Nanbeige4.3-33B?
Nanbeige4.3-33B es el modelo ‘maestro’ insignia de la serie Nanbeige4.3. La estrategia declarada del laboratorio es construir primero un maestro fuerte. Luego planea destilar habilidades agénticas en modelos más pequeños, comenzando con Nanbeige4.3-3B.
¿Cómo está construido Nanbeige4.3-33B?
El config.json declara una arquitectura estándar LlamaForCausalLM . No hay enrutamiento de expertos, por lo que los 33B parámetros se ejecutan en cada token.
- 52 capas, tamaño oculto 7,168
- 56 cabezas de consulta y 8 cabezas clave-valor (atención agrupada por consultas), dimensión de cabeza 128
- Tamaño intermedio de FFN de 22,016 y vocabulario de 166,912 tokens
- Theta de RoPE de 120,000,000 y 524,288 posiciones máximas
La plantilla de chat expone 3 controles. enable_thinking activa o desactiva el razonamiento y está activado por defecto. preserve_thinking conserva el razonamiento de los turnos anteriores. Nanbeige lo recomienda para uso multi-turno de herramientas y agentes de código. Pasar tools habilita las llamadas a herramientas, y se recomienda un formato de llamada XML.
¿Cómo rinde Nanbeige4.3-33B en los benchmarks?
Nanbeige comparó el modelo con Qwen3.8-27B, Muse-Glimmer-30B y Gemma4-31B. Cada modelo se ejecutó con su máximo nivel de esfuerzo de razonamiento, con hiperparámetros y arneses compartidos. Todas las puntuaciones de esta sección son autorreportadas.
- Codificación agéntica: Obtiene 80.9 en Terminal-Bench 2.1, frente a 73.0 de Qwen3.8-27B. DeepSWE muestra la mayor brecha: 65.5 frente a 42.5. En Terminal-Bench 4.0, obtiene 23.8 mientras que Gemma4-31B obtiene 0.0.
- Trabajo colaborativo agéntico: Registra 54.2 en Automation Bench frente a 38.3, y 44.8 en JobBench frente a 34.5. En YC-bench, las ganancias simuladas alcanzan $1,025,437 frente a $641,290.
- Razonamiento: Reporta 95.2 en AIME 2026 y 84.0 en AA-LCR.
Pierde 3 de 20 filas. Qwen3.8-27B lidera en SWE-Bench Pro (61.7 vs 60.3) y GDPval (86.4 vs 84.8). Gemma4-31B lidera en GPQA Diamond en la tabla de Nanbeige, 91.3 vs 89.5.
El modelo base supera a Gemma4-31B-Base en las 8 tareas reportadas. Los ejemplos incluyen MMLU-Pro (66.9 vs 59.3) y GPQA (62.0 vs 41.5).
Back</button><button class="btn" id="nbgNext">Siguiente paso </button><button class="btn ghost" id="nbgPlay">Reproducción automática</button></div> <div class="spec"> <div><b>52</b><span>capas</span></div> <div><b>56 / 8</b><span>cabezas de consulta / KV (GQA)</span></div> <div><b>7,168</b><span>tamaño oculto</span></div> <div><b>524,288</b><span>posiciones máximas</span></div> </div> </div> <div class="pane" id="p2"> <div class="seg" id="nbgSeg"> <button class="on" data-c="coding">Codificación agéntica</button> <button data-c="cowork">Trabajo colaborativo agéntico</button> <button data-c="reason">Razonamiento</button> <button data-c="base">Modelo base</button> </div> <div class="legend" id="nbgLegend"></div> <div id="nbgBars"></div> <p class="note">Todos los puntajes autopublicados por Nanbeige en sus tarjetas de modelo de Hugging Face, con el máximo esfuerzo de pensamiento de cada modelo y arneses compartidos. No verificados de forma independiente.</p> </div> <div class="pane" id="p3"> <div class="calc"> <div> <div class="field"><label>Longitud de contexto <b id="nbgCtxL">131,072 tokens</b></label><input type="range" id="nbgCtx" min="0" max="6" step="1" value="4"></div> <div class="field"><label>Secuencias concurrentes <b id="nbgSeqL">1</b></label><input type="range" id="nbgSeq" min="1" max="8" step="1" value="1"></div> <div class="seg" id="nbgW"><button class="on" data-w="2">Pesos BF16</button><button data-w="1">Pesos 8-bit</button></div> <div class="seg" id="nbgK"><button class="on" data-k="2">Caché KV BF16</button><button data-k="1">KV caché FP8</button></div> <p class="note">Aritmética a partir de config.json: 52 capas × 8 cabezas KV × 128 dimensiones × 2 (K y V) × bytes por valor. Es decir, 212,992 bytes (unos 208 KiB) por token en BF16. Los pesos usan 33B parámetros. Excluye activaciones y sobrecarga del framework.</p> </div> <div class="stack"> <div class="kv"><span>Memoria de GPU estimada</span></div> <div class="total" id="nbgTot">0 GB</div> <div class="stackbar"><i id="nbgBw" style="background:#5fd3bd"></i><i id="nbgBk" style="background:#7c8cf8"></i></div> <div class="kv"><span><i style="display:inline-block;width:9px;height:9px;background:#5fd3bd;border-radius:2px"></i> Pesos</span><b id="nbgWv"></b></div> <div class="kv"><span><i style="display:inline-block;width:9px;height:9px;background:#7c8cf8;border-radius:2px"></i> Caché KV</span><b id="nbgKv"></b></div> <div class="kv"><span>Por GPU de 80 GB (ajuste ideal)</span><b id="nbgGpu"></b></div> <p class="note">Las recetas de SGLang y vLLM de la tarjeta del modelo usan paralelismo tensorial de 4 vías.</p> </div> </div> </div> <div class="pane" id="p4"> <table> <tr><th>Fila en la tabla de Nanbeige</th><th>Nanbeige indica</th><th>Tarjeta oficial</th><th></th></tr> <tr><td>Muse-Glimmer-30B, SWE-Bench Pro</td><td class="bad">36.9</td><td>51.2 (Meta)</td><td><span class="flag">parecen intercambiados</span></td></tr> <tr><td>Gemma4-31B, SWE-Bench Pro</td><td class="bad">51.2</td><td>36.9 (informado por Meta)</td><td><span class="flag">parecen intercambiados</span></td></tr> <tr><td>Gemma4-31B, GPQA Diamond</td><td class="bad">91.3</td><td>84.3 (Google)</td><td><span class="flag">conflicto</span></td></tr> <tr><td>Muse-Glimmer-30B, Terminal-Bench 2.1</td><td class="bad">61.8</td><td>51.7 (Meta)</td><td><span class="flag">¿harness?</span></td></tr> <tr><td>Qwen3.8-27B, GPQA Diamond</td><td>89.2</td><td>89.2 (Qwen)</td><td>coincide</td></tr> <tr><td>Muse-Glimmer-30B, AIME 2026</td><td>94.7</td><td>94.7 (Meta)</td><td>coincide</td></tr> </table> <p class="note">Nanbeige volvió a evaluar todos los modelos con su propio harness, lo que explica algunas diferencias. Otras limitaciones: entrada solo de texto, cálculo denso en cada token, y Nanbeige4.3-3B aún no ha sido lanzado.</p> </div> <div class="ft"><span>Fuentes: <a href="https://huggingface.co/Nanbeige/Nanbeige4.3-33B" target="_blank" rel="noopener">tarjeta del modelo Nanbeige</a> · <a href="https://huggingface.co/Nanbeige/Nanbeige4.3-33B-Base" target="_blank" rel="noopener">Tarjeta base</a> · tarjetas HF de competidores</span><span class="brand">© Marktechpost</span></div> </div> <script> (function(){ var R=document.getElementById('mtp-nbg43'); function resize(){try{parent.postMessage({type:'mtp-nbg43-resize',height:R.offsetHeight+40},'*')}catch(e){}} // tabs R.querySelectorAll('.tab').forEach(function(t){t.addEventListener('click',function(){ R.querySelectorAll('.tab').forEach(function(x){x.classList.remove('on')});t.classList.add('on'); R.querySelectorAll('.pane').forEach(function(p){p.classList.remove('on')}); document.getElementById(t.dataset.p).classList.add('on'); if(t.dataset.p==='p2')drawBars(cur); setTimeout(resize,50);setTimeout(resize,400); })}); // flow var steps=[ '<b>Modelo base.</b> Nanbeige4.3-33B-Base es un checkpoint denso de LlamaForCausalLM. Nanbeige informa que supera a Gemma4-31B-Base en las 8 tareas listadas, por ejemplo MMLU-Pro 66.9 vs 59.3.', '<b>Agente profesor.</b> El modelo post-entrenado piensa por defecto (<code>enable_thinking</code>). <code>preserve_thinking</code> conserva el razonamiento anterior para el uso de herramientas multi-turno. Nanbeige recomienda el formato de llamadas a herramientas XML.', '<b>Entorno de agente.</b> Nanbeige lo evaluó en Terminus 2, mini-swe-agent v2.4.6 y el harness de Claude Code. Muestreo de agente recomendado: temperature 1.0, top_p 0.95, 65,536 tokens nuevos como máximo.', '<b>Destilación.</b> El modelo de 33B es el profesor de la serie Nanbeige4.3. El primer estudiante previsto es Nanbeige4.3-3B. No se da fecha de lanzamiento.' ]; var s=0,timer=null; function setStep(i){s=(i+4)%4;R.querySelectorAll('.node').forEach(function(n,k){n.classList.toggle('on',k<=s)}); document.getElementById('nbgRail').style.width=((s+1)*25)+'%';document.getElementById('nbgDetail').innerHTML=steps[s];resize()} R.querySelectorAll('.node').forEach(function(n){n.addEventListener('click',function(){stop();setStep(+n.dataset.s)})}); function stop(){if(timer){clearInterval(timer);timer=null;document.getElementById('nbgPlay').textContent='Auto-play'}} document.getElementById('nbgNext').onclick=function(){stop();setStep(s+1)}; document.getElementById('nbgPrev').onclick=function(){stop();setStep(s-1)}; document.getElementById('nbgPlay').onclick=function(){if(timer){stop();return}this.textContent='Pause';timer=setInterval(function(){setStep(s+1)},2200)}; setStep(0); // bars var M={n:['Nanbeige4.3-33B','#5fd3bd'],q:['Qwen3.8-27B','#7c8cf8'],m:['Muse-Glimmer-30B','#f0a35e'],g:['Gemma4-31B','#6aa9f4']}; var D={ coding:[['Terminal-Bench 2.1',80.9,73.0,61.8,47.2],['DeepSWE',65.5,42.5,4.4,2.7],['SWE-Bench Pro',60.3,61.7,36.9,51.2],['SkillsBench',61.1,56.4,39.7,28.9],['Terminal-Bench 4.0',23.8,6.3,1.6,0.0]], cowork:[['Automation Bench',54.2,38.3,15.2,9.7],['JobBench',44.8,34.5,16.6,9.0],['GDPval',84.8,86.4,75.8,71.4],['Toolathlon-Verified',70.4,68.5,47.2,27.8],['DeepPlanning',63.3,49.2,21.4,19.4]], reason:[['AIME 2026',95.2,94.5,94.7,89.2],['GPQA Diamond',89.5,89.2,83.5,91.3],['AA-LCR',84.0,82.0,83.3,72.0]], base:[['MMLU-Pro',66.9,null,null,59.3],['GPQA',62.0,null,null,41.5],['GSM8K',92.9,null,null,88.9],['Math',57.3,null,null,43.6],['CMMLU',86.8,null,null,76.9]] }; var cur='coding'; function drawBars(c){cur=c;var keys=c==='base'?['n','g']:['n','q','m','g']; var names=c==='base'?{n:'Nanbeige4.3-33B-Base',g:'Gemma4-31B-Base'}:{}; document.getElementById('nbgLegend').innerHTML=keys.map(function(k){return '<span><i style="background:'+M[k][1]+'"></i>'+(names[k]||M[k][0])+'</span>'}).join(''); var idx={n:1,q:2,m:3,g:4},h=''; D[c].forEach(function(r){h+='<div class="bench"><div class="bn">'+r[0]+'</div>'; keys.forEach(function(k){var v=r[idx[k]];h+='<div class="brow'+(k==='n'?' me':'')+'"><span class="lb">'+(names[k]||M[k][0])+'</span><div class="track"><div class="fill" data-w="'+v+'" style="background:'+M[k][1]+'"></div></div><span class="v">'+v.toFixed(1)+'</span></div>'}); h+='</div>'}); var box=document.getElementById('nbgBars');box.innerHTML=h; requestAnimationFrame(function(){requestAnimationFrame(function(){box.querySelectorAll('.fill').forEach(function(f){f.style.width=f.dataset.w+'%'})})}); resize();setTimeout(resize,300)} R.querySelectorAll('#nbgSeg button').forEach(function(b){b.onclick=function(){R.querySelectorAll('#nbgSeg button').forEach(function(x){x.classList.remove('on')});b.classList.add('on');drawBars(b.dataset.c)}}); drawBars('coding'); // calc var CT=[8192,16384,32768,65536,131072,262144,524288],wb=2,kb=2; function fmt(n){return n.toLocaleString('en-US')} function calc(){var ctx=CT[+document.getElementById('nbgCtx').value],seq=+document.getElementById('nbgSeq').value; document.getElementById('nbgCtxL').textContent=fmt(ctx)+' tokens';document.getElementById('nbgSeqL').textContent=seq; var w=33e9*wb/1e9,kv=52*8*128*2*kb*ctx*seq/1e9,t=w+kv; document.getElementById('nbgTot').textContent=t.toFixed(1)+' GB'; document.getElementById('nbgWv').textContent=w.toFixed(1)+' GB';document.getElementById('nbgKv').textContent=kv.toFixed(1)+' GB'; document.getElementById('nbgGpu').textContent=Math.ceil(t/80)+' × 80 GB'; document.getElementById('nbgBw').style.width=(w/t*100)+'%';document.getElementById('nbgBk').style.width=(kv/t*100)+'%'} ['nbgCtx','nbgSeq'].forEach(function(id){document.getElementById(id).addEventListener('input',calc)}); R.querySelectorAll('#nbgW button').forEach(function(b){b.onclick=function(){R.querySelectorAll('#nbgW button').forEach(function(x){x.classList.remove('on')});b.classList.add('on');wb=+b.dataset.w;calc()}}); R.querySelectorAll('#nbgK button').forEach(function(b){b.onclick=function(){R.querySelectorAll('#nbgK button').forEach(function(x){x.classList.remove('on')});b.classList.add('on');kb=+b.dataset.k;calc()}}); calc(); window.addEventListener('load',resize);window.addEventListener('resize',resize);setTimeout(resize,200); })(); </script> </body></html> " style="width:100%!important;height:600px;border:0!important;background:transparent!important;display:block;" loading="lazy">¿Cómo se compara con las fichas de modelo de los propios competidores?
| Especificaciones | Nanbeige4.3-33B | Qwen3.8-27B | Muse-Glimmer-30B | Gemma 4 31B |
|---|---|---|---|---|
| Desarrollador | Nanbeige LLM Lab (BOSS Zhipin) | Qwen (Alibaba) | Meta Superintelligence Lab | Google DeepMind |
| Parámetros | 33B denso | 27B LM denso más codificador de visión | ~29.6B denso, incl. ~1.8B de codificador de visión | 30.7B denso |
| Contexto | 524,288 | 262,144 nativo, hasta 1M | 131,072+ | 256K |
| Modalidad de entrada | Texto | Texto, imagen, video | Texto, imagen | Texto, imagen |
| Licencia | Apache 2.0 | Apache 2.0 | Apache 2.0 | Apache 2.0 |
| Terminal-Bench 2.1 | 80.9* | 73.0 | 51.7 | No divulgado |
| SWE-Bench Pro | 60.3* | 61.7 | 51.2 | No divulgado |
| GPQA Diamond | 89.5* | 89.2 | 83.5 (AA) | 84.3 |
| AIME 2026 | 95.2* | No divulgado | 94.7 | 89.2 |
| Guía de hardware local | Receta de paralelismo de tensores con 4 GPU | No divulgado | 24 GB o 32 GB de VRAM a ~4 bits | GPU de consumo y estaciones de trabajo |
*Autoinformado por Nanbeige. Los valores de los competidores provienen de la propia ficha de modelo de cada laboratorio en Hugging Face.
Algunas cifras de competidores en la tabla de Nanbeige difieren de lo que esos laboratorios publican:
- Meta informa Muse-Glimmer-30B con 51.2 en SWE-Bench Pro y Gemma4-31B con 36.9. Nanbeige los lista al revés.
- Google lista Gemma 4 31B con 84.3 en GPQA Diamond. La tabla de Nanbeige muestra 91.3.
- Meta informa Muse-Glimmer-30B con 51.7 en Terminal-Bench 2.1. Nanbeige midió 61.8.
Los diferentes entornos de evaluación explican algunas brechas. El par de SWE-Bench Pro parece intercambiado. Trate estas filas como provisionales hasta que aparezcan ejecuciones independientes.
¿Cómo se despliega Nanbeige4.3-33B?
La ficha del modelo proporciona recetas para Transformers, SGLang y vLLM. Sus ejemplos de servidor usan paralelismo de tensores de 4 vías con parsers de razonamiento y llamadas a herramientas de Qwen3. Las configuraciones de agente recomendadas son temperature 1.0, top_p 0.95 y 65,536 tokens nuevos como máximo. El razonamiento y el chat usan temperature 0.6 y 262,144 tokens nuevos como máximo.
Por aritmética a partir de config.json, los pesos BF16 necesitan unos 66 GB. La caché KV añade unos 208 KiB por token en BF16. Por lo tanto, una secuencia completa de 524,288 tokens necesita aproximadamente 112 GB de caché KV. Al momento de la publicación, ningún Hugging Face Inference Provider aloja el modelo.
Conclusiones clave
- 33B denso, Apache 2.0, contexto de 512K, solo texto.
- Autoinformado con 80.9 en Terminal-Bench 2.1 y 65.5 en DeepSWE.
- Lidera 17 de 20 filas en la propia tabla de Nanbeige.
- Varias cifras de competidores entran en conflicto con las fichas oficiales.
- Construido como el profesor para el próximo Nanbeige4.3-3B.
Echa un vistazo a los pesos del modelo, el modelo Base y la publicación de lanzamiento en X. Además, no dude en seguirnos en Twitter y no olvide unirse a nuestro SubReddit de 150k+ML y suscribirse a nuestro Newsletter. ¡Espere! ¿está en telegram? ahora también puede unirse a nosotros en telegram.
¿Necesita asociarse con nosotros para promocionar su Repo de GitHub O Página de Hugging Face O Lanzamiento de Producto O Webinar, etc.? Conéctate con nosotros
La publicación Nanbeige lanza Nanbeige4.3-33B, un modelo abierto de codificación agéntica de 33B apareció primero en MarkTechPost.