Nanbeige4.3-33B: ein offenes Modell mit 33 Milliarden Parametern für Code-Agenten, unter Apache-2.0-Lizenz
Mit seinen Gewichten und 512.000 Tokens Kontext auf Hugging Face veröffentlicht, schlägt das Modell gleich große Konkurrenten in den meisten vom Entwickler veröffentlichten Tests, aber nicht in allen.
Das Labor Nanbeige hat auf Hugging Face Nanbeige4.3-33B veröffentlicht, ein Sprachmodell mit 33 Milliarden Parametern, dessen Gewichte unter der Apache-2.0-Lizenz stehen, einer der freizügigsten: kommerzielle Nutzung, Veränderung und Weitergabe sind erlaubt. Auch die Basisversion vor dem Post-Training ist verfügbar. Laut Verlauf des Repositorys wurde es am 24. Oktober angelegt und die Modellkarte am 25. Oktober aktualisiert.
Ein „Lehrer“-Modell für Agenten
Der Entwickler stellt das Modell als Lehrermodell seiner 4.3-Serie vor: Es soll Agentenfähigkeiten in kleinere Modelle destillieren, beginnend mit einer Version mit 3 Milliarden Parametern, die ohne Termin angekündigt ist. Es zielt auf zwei Einsätze: agentisches Programmieren (ein Modell, das Befehle ausführt, die Ergebnisse liest und korrigiert) und automatisierte Büroaufgaben.
Technisch nennt die Modellkarte ein Kontextfenster von 524.288 Tokens, einen zuschaltbaren Reasoning-Modus und ein Format für Tool-Aufrufe (XML empfohlen). Das Modell läuft mit Transformers, SGLang oder vLLM; die BF16-Gewichte sind rund 66 GB groß, und die mitgelieferten Bereitstellungsbeispiele verteilen das Modell auf vier GPUs.
Werte, die man vollständig lesen sollte
Nanbeige vergleicht sein Modell mit drei offenen Konkurrenten ähnlicher Größe: Qwen3.8-27B, Muse-Glimmer-30B und Gemma4-31B, laut Entwickler alle mit denselben Einstellungen und derselben Testumgebung bewertet. Es beansprucht 80,9 auf Terminal-Bench 2.1 (gegenüber 73,0 für Qwen3.8-27B), 23,8 auf Terminal-Bench 4.0 (6,3 für Qwen) und 65,5 auf DeepSWE (42,5 für Qwen).
Die veröffentlichte Tabelle zeigt auch die Grenzen: Auf SWE-Bench Pro erreicht Nanbeige4.3-33B 60,3 und liegt damit hinter Qwen3.8-27B (61,7); bei GDPval 84,8 gegenüber 86,4 für Qwen; bei GPQA Diamond 89,5 gegenüber 91,3 für Gemma4-31B. Alle Zahlen stammen vom Entwickler; eine unabhängige Messung wurde noch nicht veröffentlicht.
Für wen?
Ein Modell mit 33 Milliarden Parametern unter Apache-2.0 ist für Teams interessant, die einen selbst gehosteten Code-Agenten ohne Abhängigkeit von einer API wollen. Die Vergleiche sind dennoch mit Vorsicht zu lesen: Agentenwerte schwanken stark je nach verwendeter Testumgebung („Harness“), und die von Nanbeige sind nicht direkt mit Zahlen vergleichbar, die andere Anbieter mit anderen Werkzeugen veröffentlichen.
Unsere Einschätzung
Lizenz und Größe sind die eigentlichen Stärken: Ein wirklich offenes Modell dieser Klasse bleibt für Code-Agenten selten. Die gemeldeten Abstände bei Terminal-Bench und DeepSWE sind groß, stammen aber von einem einzigen Entwickler. Dass die Modellkarte auch Tests zeigt, in denen das Modell unterliegt, spricht für ihre Seriosität; unabhängige Bewertungen stehen noch aus.
Quellen
- Hugging Face — Modellkarte Nanbeige/Nanbeige4.3-33B Primärquelle
- Hugging Face — API des Repositorys Nanbeige4.3-33B (Erstellungs- und Aktualisierungsdatum) Primärquelle
Eine Primärquelle stammt direkt von dem betreffenden Unternehmen, Labor oder der Organisation. Eine Sekundärquelle gibt die Information wieder, ohne ihr Urheber zu sein: Wir kennzeichnen sie als solche. Einen Fehler entdeckt? Lesen Sie unsere Korrekturrichtlinie.
