Nanbeige4.3-33B es un modelo de pesos abiertos orientado a agentes de programación y tareas profesionales de colaboración. El 25 de octubre de 2026, Startup Fortune informó de que Nanbeige lo había publicado en Hugging Face durante esa semana. La ficha de Nanbeige lo presenta como el modelo profesor de referencia para la serie Nanbeige4.3 y fija su contexto máximo en 524.288 tokens.
Nanbeige plantea usarlo para destilar capacidades de agentes en modelos más pequeños, con Nanbeige4.3-3B como ejemplo de un desarrollo futuro. La ficha también incluye resultados de benchmarks y recomendaciones de configuración para distintos usos.
Qué resultados publica Nanbeige frente a Qwen3.8-27B
En la tabla de Nanbeige, Nanbeige4.3-33B obtiene una puntuación mayor que Qwen3.8-27B en 18 de los 20 benchmarks; Qwen3.8-27B queda por delante en SWE-Bench Pro y GDPval. Estos son resultados publicados por Nanbeige, no una evaluación independiente.
| Benchmark | Nanbeige4.3-33B | Qwen3.8-27B |
| DeepSWE | 65,5 | 42,5 |
| Terminal-Bench 2.1 | 80,9 | 73,0 |
| SWE-Bench Pro | 60,3 | 61,7 |
| GDPval | 84,8 | 86,4 |
Nanbeige indica que evaluó los modelos con su nivel máximo de razonamiento y los mismos hiperparámetros de inferencia y el mismo harness para cada benchmark. También detalla protocolos específicos: Terminal-Bench 2.1 usa Terminus 2, DeepSWE emplea mini-swe-agent v2.4.6 y GDPval utiliza rúbricas revisadas. Por eso, el recuento de victorias resume resultados de pruebas distintas, no una puntuación única de capacidad general.
Ajustes recomendados para agentes y chat
La ficha distingue entre el uso de herramientas y agentes, por un lado, y el razonamiento o chat, por otro. Recomienda cambiar tanto preserve_thinking como los parámetros de generación según la tarea.
| Uso | preserve_thinking | temperature | top_p | max_new_tokens |
| Agentes y herramientas | true | 1.0 | 0.95 | 65,536 |
| Razonamiento y chat | false | 0.6 | 0.95 | 262,144 |
enable_thinking está activado de forma predeterminada. Este ajuste controla el razonamiento de la respuesta actual; preserve_thinking determina si se conserva el razonamiento previo del asistente entre turnos. Nanbeige recomienda preserve_thinking=true para flujos de varias rondas con herramientas y agentes de código, y false para el chat general y las preguntas y respuestas.
Para llamar a herramientas, Nanbeige recomienda el formato XML y también admite JSON. El contexto máximo de 524.288 tokens no sustituye estos ajustes: la ficha ofrece parámetros distintos para agentes y chat, además del límite de contexto.
Frameworks de inferencia documentados
Nanbeige incluye ejemplos para Transformers, SGLang y vLLM en su ficha del modelo en Hugging Face. Los ejemplos de SGLang y vLLM configuran el paralelismo tensorial con tamaño 4; el de Transformers usa device_map='auto'.
SimplyExplain analiza los benchmarks y la ejecución local del modelo. En su vídeo en inglés, presenta los cálculos sobre memoria y capacidad de contexto como estimaciones.
