Nanbeige 于 2026-10-25 发布 Nanbeige4.3-33B 教师模型，定位为将智能体编程与办公能力作为可迁移训练目标，支持 330 亿参数与 512K 上下文。发布方自评在多项基准中表现不一，蒸馏到更小模型和实际部署成本与效果仍需独立验证。
Nanbeige于2026年10月25日公布Nanbeige4.3-33B，将其定位为Nanbeige4.3系列的首款教师模型。团队的路线是先训练能力较强的大模型，再把智能体能力蒸馏到较小模型；模型卡举例称，后续计划推进Nanbeige4.3-3B。对这次发布而言，关键不只是参数规模，而是团队试图把代码代理和办公任务中的能力作为可迁移的训练目标。
模型卡显示，Nanbeige4.3-33B有330亿参数，支持最高524,288个令牌的上下文，并提供BF16权重以及Transformers、SGLang和vLLM部署说明。其聊天模板包含思考和工具调用相关选项；团队建议在多轮工具使用、办公任务和代码代理场景中保留此前的推理内容。这些是模型和推理配置层面的能力描述，并不等于它在实际工作流中已达到稳定或低成本部署。
成绩来自发布方自评
Nanbeige在模型卡中把该模型与Qwen3.8-27B、Muse-Glimmer-30B和Gemma4-31B等约30B级模型比较，并称各模型使用相同推理参数与评测框架、采用各自最高思考强度。表中Nanbeige4.3-33B在Terminal-Bench 2.1得分80.9，在DeepSWE得分65.5；但在SWE-Bench Pro上为60.3，低于Qwen3.8-27B的61.7；GDPval为84.8，也低于Qwen的86.4。不同基准的分数不能简单横向等同，且这些结果目前应视为发布方公布的评测，而非独立复测结论。
模型卡还披露了部分评测设置：Terminal-Bench 2.1使用Terminus 2，DeepSWE使用mini-swe-agent v2.4.6，GDPval采用修订后的评分规则。评测工具、提示与评分方式都会影响结果；读者在比较模型时，需要查看具体基准的任务范围和测试条件，而不宜仅凭榜单位置推断真实生产表现。
教师模型路线的考验在后续
先训练教师模型、再向小模型蒸馏，是Nanbeige明确提出的系列策略。若后续小模型能在更低部署门槛下保留多步骤工具使用和复杂任务处理能力，这一路线才会显示出实际价值。此次发布本身并未证明蒸馏效果；模型卡将其描述为后续计划，落地时间与结果仍有待观察。
对开发团队而言，33B参数和512K上下文也意味着必须结合硬件、并发量、上下文长度与延迟需求评估成本。模型卡提供了多种推理框架的部署入口，但配置示例并不能替代特定环境下的吞吐、显存和任务成功率测试。最终，这款模型的意义将取决于外部使用者能否复现其基准表现，以及教师模型能力能否有效传递给更小版本。