Nanbeige4.3-33B is een open-weightmodel voor codeagents en professionele werktaken. Startup Fortune meldde op 25 oktober 2026 dat Nanbeige het model die week op Hugging Face had uitgebracht. Nanbeige noemt het een docentmodel voor de Nanbeige4.3-serie: een groter model dat kennis moet overdragen aan kleinere modellen. De modelkaart vermeldt een maximale contextlengte van 524.288 tokens.
Wat de benchmarkscores laten zien
In de eigen tabel van Nanbeige scoort Nanbeige4.3-33B hoger dan Qwen3.8-27B op 18 van de 20 genoemde benchmarks. Qwen3.8-27B scoort hoger op SWE-Bench Pro en GDPval. De cijfers komen uit evaluaties van Nanbeige zelf.
| 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 zegt dat de modellen voor elke benchmark met dezelfde inferentieparameters en testopzet zijn geëvalueerd, telkens met de hoogste instelling voor redeneren. De uitvoering verschilt per benchmark: Terminal-Bench 2.1 gebruikt Terminus 2 en DeepSWE mini-swe-agent v2.4.6. Automation Bench v1.0.6 omvat 600 openbare taken; Claw-Eval betreft de General-subset van 157 taken. Voor SWE-Atlas-QnA worden 1.304 taakspecifieke beoordelingsrubrieken gebruikt, beoordeeld door GPT-6 Sol met een gemiddelde redeneerinstelling. De totaalscores combineren dus tests met verschillende taken en beoordelingsmethoden.
Instellingen voor agents en chat
Nanbeige beveelt verschillende generatie-instellingen aan voor agentgebruik en voor redeneren of chat. preserve_thinking bepaalt of eerdere redeneerstappen van de assistent in volgende beurten worden behouden. Nanbeige adviseert dit in te schakelen voor meerbeurtig toolgebruik en codeagents, en uit te schakelen voor algemene chat en vraag-en-antwoord. enable_thinking, dat het redeneren voor het huidige antwoord regelt, staat standaard aan.
| Gebruik | preserve_thinking | temperature | top_p | max_new_tokens |
| Agents en tools | True | 1.0 | 0.95 | 65536 |
| Redeneren en chat | False | 0.6 | 0.95 | 262144 |
Voor toolaanroepen raadt Nanbeige XML aan; JSON wordt ook ondersteund. Die aanbeveling staat los van de instelling voor het bewaren van redeneerstappen.
Gedocumenteerde opties voor lokale inferentie
Nanbeige beschrijft voorbeelden voor Transformers, SGLang en vLLM in de modelkaart. Het Transformers-voorbeeld gebruikt device_map='auto'. De voorbeelden voor SGLang en vLLM gebruiken tensorparallelisme met vier delen. Nanbeige noemt ook Nanbeige4.3-3B als toekomstig voorbeeld voor distillatie naar een kleiner model.
