Nanbeige LLM Lab（採用プラットフォームBOSS Zhipin傘下）は、Hugging Face上で「Nanbeige4.3-33B」をApache 2.0ライセンスで公開した。33Bパラメータの密な言語モデルで、エージェント型コーディングとオフィス業務的な「cowork」タスクを主眼に置く。カスタムの事後学習向けに「Nanbeige4.3-33B-Base」も同時に公開されている。コンテキスト長は524,288トークンに対応し、同ラボの比較表では約30Bクラスのオープンモデル3種を相手に20項目中17項目で首位に立つ。
概要をまとめると、サイズは33B（MoEではなく密）、コンテキストは524,288トークン、重みはBF16。動作環境はマルチGPUサーバーで、モデルカードのSGLangおよびvLLMのレシピは4-wayのテンソル並列を使う。BF16の重みは計算上約66GBを要し、コミュニティによる量子化版が1件掲載されている。性能面では、Qwen3.8-27B、Muse-Glimmer-30B、Gemma4-31Bとの比較で20行中17行をリードする。最良はTerminal-Bench 2.1の80.9（Qwen3.8-27Bは73.0）、最低はTerminal-Bench 4.0の23.8で、SWE-Bench ProではQwen3.8-27Bに60.3対61.7で及ばない。
Nanbeige4.3-33BはNanbeige4.3シリーズの旗艦「教師」モデルという位置づけだ。ラボの方針はまず強力な教師モデルを作り、その後エージェント能力を小型モデルへ蒸留するというもので、最初の対象がNanbeige4.3-3Bとなる。
構造はconfig.jsonで標準的なLlamaForCausalLMアーキテクチャを宣言しており、エキスパートルーティングはないため、全33Bパラメータがトークンごとに稼働する。52層、隠れ次元7,168、クエリヘッド56・キーバリューヘッド8（グループ化クエリ注意）、ヘッド次元128、FFN中間次元22,016、語彙サイズ166,912、RoPEシータ1.2億、最大位置524,288という構成だ。チャットテンプレートには3つの制御があり、enable_thinkingは推論を切り替え（既定で有効）、preserve_thinkingは過去ターンの推論を保持し、マルチターンのツール利用やコードエージェント向けに推奨される。toolsを渡すとツール呼び出しが有効になり、XML形式の呼び出しが推奨される。
ベンチマークは全モデルを最高の思考強度で走らせ、ハイパーパラメータと評価ハーネスを共有した比較で、本節の数値はすべて自己申告だ。エージェント型コーディングではTerminal-Bench 2.1が80.9（Qwen3.8-27Bは73.0）、DeepSWEは65.5対42.5で差が最も大きい。Terminal-Bench 4.0は23.8でGemma4-31Bは0.0。エージェント型coworkではAutomation Benchが54.2対38.3、JobBenchが44.8対34.5、YC-benchの模擬収益は1,025,437ドル対641,290ドル。推論はAIME 2026が95.2、AA-LCRが84.0。20行中3行を落とし、Qwen3.8-27BがSWE-Bench Pro（61.7対60.3）とGDPval（86.4対84.8）で、Gemma4-31BがGPQA Diamondで91.3対89.5とリードする。Baseモデルは報告された8タスクすべてでGemma4-31B-Baseを上回り、MMLU-Proは66.9対59.3、GPQAは62.0対41.5だった。
競合の公式モデルカードとの比較では、開発元、パラメータ、コンテキスト、入力モダリティ、ライセンスなどの仕様が並ぶ。ただしNanbeigeの表の一部の競合値は各社の公表値と異なる。MetaはMuse-Glimmer-30BのSWE-Bench Proを51.2、Gemma4-31Bを36.9と報告するが、Nanbeigeの表は逆になっている。GoogleはGemma 4 31BのGPQA Diamondを84.3とするが、表では91.3。MetaはMuse-Glimmer-30BのTerminal-Bench 2.1を51.7とするが、Nanbeigeの測定値は61.8だ。ハーネスの違いで説明できる差もあるが、SWE-Bench Proのペアは入れ替わっているように見える。独立した追試が出るまでは暫定的な数値として扱うべきだろう。
デプロイ面では、モデルカードがTransformers、SGLang、vLLMのレシピを提供し、サーバー例はQwen3の推論・ツール呼び出しパーサーと組み合わせた4-wayテンソル並列を使う。推奨設定はエージェントがtemperature 1.0、top_p 0.95、最大新規トークン65,536、推論とチャットがtemperature 0.6、最大262,144新規トークン。config.jsonからの計算ではBF16の重みに約66GB、KVキャッシュはBF16で1トークンあたり約208KiB増えるため、524,288トークンの全シーケンスでは約112GBが必要になる。公開時点でHugging Face Inference Providerによるホスティングはない。