‏Nanbeige4.3-33B: مدل باز ۳۳ میلیاردی برای کدنویسی ایجنتی

طبق گزارش MindStudio، تیم Nanbeige مدل Nanbeige4.3-33B رو روی Hugging Face منتشر کرده. این یه مدل open-weight (یعنی وزن‌هاش رو می‌شه دانلود کرد و خودت اجراش کنی) با 33 میلیارد پارامتر و مجوز Apache 2.0 هست. هدفش چت عمومی نیست. برای کدنویسی ایجنتی (یعنی مدل خودش تو ترمینال و ریپو دستور می‌زنه، خروجی رو می‌خونه و ادامه می‌ده) و کارهای حرفه‌ای که اسمش رو cowork گذاشتن ساخته شده. سازنده‌ها اونو یه teacher model هم می‌دونن، یعنی قراره پایه‌ی مدل‌های کوچیک‌تری مثل Nanbeige4.3-3B بشه.

بیشترین فاصله تو تست‌های ترمینالیه. روی Terminal-Bench 4.0 این مدل 23.8 گرفته، در حالی که Qwen3.8-27B به 6.3، Muse-Glimmer-30B به 1.6 و Gemma4-31B به صفر رسیدن. روی DeepSWE هم 65.5 در برابر 42.5 برای Qwen ثبت کرده. همه‌ی مدل‌ها با بالاترین سطح thinking و یه harness یکسان تست شدن. این مهمه، چون harness (یعنی محیطی که مدل رو به شکل ایجنت اجرا می‌کنه) خودش می‌تونه نمره رو کلی جابه‌جا کنه.

ولی این مدل همه‌جا برنده نیست. Qwen3.8-27B روی SWE-Bench Pro با 61.7 در برابر 60.3 و روی GDPval با 86.4 در برابر 84.8 جلو می‌افته. Gemma4-31B هم تو GPQA Diamond با 91.3 بهترینه. تو بنچمارک‌های استدلال و ریاضی فاصله‌ها کمه و مثلاً نمره‌های AIME 2026 بین 89.2 تا 95.2 هست. نویسنده نتیجه می‌گیره که فرق این مدل‌های حدود 30B بیشتر تو اجرای کارهای طولانی با ابزاره، نه تو ریاضی خام.

دو بنچمارک دیگه سعی می‌کنن ارزش اقتصادی رو بسنجن. YC-bench نمره رو به دلار می‌ده و Nanbeige حدود 1,025,437 دلار گرفته، در برابر 641,290 دلار برای Qwen. نویسنده می‌گه چون model card توضیح نداده این عدد دقیقاً چیه، بهتره فقط یه رتبه‌بندی نسبی ببینیمش. JobBench هم 35 شغل مختلف رو با Claude Code و یه ابزار جستجو تست می‌کنه و Nanbeige اونجا 44.8 در برابر 34.5 گرفته.

برای اجرا، مدل از Transformers، SGLang و vLLM پشتیبانی می‌کنه و کانفیگ‌های tensor-parallel (یعنی پخش مدل بین چند GPU) با tp-size 4 هم منتشر شده. تنظیمات پیشنهادی هم مهمه: برای کارهای ایجنتی temperature 1.0 و حداکثر 65,536 توکن، و برای چت و استدلال temperature 0.6 و تا 262,144 توکن. یعنی اگه این‌ها رو رعایت نکنی، احتمالاً به نمره‌های گزارش‌شده نمی‌رسی.

نکات کلیدی:

• مدل 33 میلیارد پارامتری با مجوز Apache 2.0 و context تا 524,288 توکن (512K)
• روی Terminal-Bench 4.0 نمره 23.8 در برابر 6.3 برای Qwen3.8-27B
• روی SWE-Bench Pro (60.3 در برابر 61.7) و GDPval (84.8 در برابر 86.4) از Qwen عقب‌تره
• تو YC-bench حدود 1.03 میلیون دلار در برابر 641 هزار دلار Qwen
• قابل اجرا با Transformers، SGLang و vLLM
• قراره پایه‌ی distillation برای مدل کوچیک‌تر Nanbeige4.3-3B باشه