BOSS 直聘旗下 Nanbeige 开源 Nanbeige4.3-33B

10月26日消息，BOSS 直聘（Kanzhun Limited）旗下大模型实验室 Nanbeige（南北阁）通过官方 X 账号 @nanbeige 宣布开源 Nanbeige4.3-33B。这是一个 33.1B 参数、BF16 精度的语言模型，连同基座版本 Nanbeige4.3-33B-Base 一并上架 Hugging Face，两个仓库的页面时间戳显示其创建于 10 月 24 日。

帖文称，Nanbeige4.3-33B 在约 30B 参数规模的开源模型中达到 SOTA（最先进）级 agentic（自主智能体）性能，agentic coding（智能体编程）与 cowork（协作办公）基准成绩强劲，接入主流 agent harness（智能体运行框架）时推理具有成本效益。

帖文同时交代了发布次序：该 33B 模型首先作为 teacher（教师）模型构建，将锚定对即将推出的更小 Nanbeige 模型的蒸馏，第一个是 Nanbeige4.3-3B。

截至检索时，这条帖子获得约 18.7 万次浏览、1,700 余次点赞、201 次转发和 160 次引用。基准成绩与 SOTA 判断均出自发布方自评，能直接核实的是两个仓库真实存在，模型卡上的表格、配置与说明如其所写。

先造教师，再蒸馏 3B：Nanbeige4.3 的发布次序

模型卡把 4.3 系列的策略写得直接：先构建一个高容量教师智能体，再以它为锚，把 agentic 能力蒸馏（distillation，用教师模型的输出训练更小模型的方法）进后续小模型。Nanbeige4.3-33B 被定位为 4.3 系列的旗舰教师模型。

-Base 仓库同步开放，定位是后训练的起点——官方称它既可作为通用 agent 的基础，也适合再训练出领域专用 agent。基座模型卡只给了一个对比对象 Gemma4-31B-Base，并称后者是「过去半年里唯一在 30B 参数档发布的开源前沿基座模型」，这一说法同样出自发布方。

在其列出的 8 项基座基准（MMLU-Pro、GPQA、SuperGPQA、GSM8K、Math、MBPP、MMLU、CMMLU）上，Nanbeige4.3-33B-Base 全部领先，其中 GPQA 62.0 对 41.5，Math 57.3 对 43.6，CMMLU 86.8 对 76.9。

自评成绩单：20 项基准里 17 项居首，短板也留在同一张表

模型卡将 Nanbeige4.3-33B 与 Qwen3.8-27B、Muse-Glimmer-30B、Gemma4-31B 三款「近期发布的约 30B 档前沿模型」对比，称所有模型都以最高思考档位、同一套推理超参数和评测框架完成测试。表格覆盖 agentic coding、agentic cowork 和推理三类共 20 项基准，按发布方自己的数字，Nanbeige4.3-33B 在 17 项上居首。

差距最大的是 agentic coding：Terminal-Bench 2.1 得 80.9，比第二名 Qwen3.8-27B 的 73.0 高 7.9 分；Terminal-Bench 4.0 得 23.8，而 Qwen3.8-27B 为 6.3，Gemma4-31B 为 0.0；DeepSWE 65.5 对 42.5。cowork 侧，Automation Bench 54.2 对 38.3，DeepPlanning 63.3 对 49.2。也有落后的项目：SWE-Bench Pro 上 Qwen3.8-27B 以 61.7 对 60.3 反超，GDPval 同样是 Qwen3.8-27B 领先（86.4 对 84.8），GPQA Diamond 的最高分属 Gemma4-31B（91.3 对 89.5）；Tau3-Bench 48.8 对 48.5、EnterpriseOps-Gym 41.0 对 40.2，两项差距都在 1 分以内。

评测注脚交代了具体跑法：Terminal-Bench 2.1 用 Terminus 2 框架，Terminal-Bench 4.0 与 DeepSWE 用 mini-swe-agent v2.4.6，NL2Repo 在 Claude Code 里运行，SWE-Atlas-QnA 以 1,304 条任务评分细则、用 GPT-6 Sol 作为判分模型；YC-bench 一栏直接以美元计分，Nanbeige4.3-33B 录得 $1,025,437，Qwen3.8-27B 为 $641,290。

拆到职业层：技术与内容岗领先最多，医疗和客服岗仍输给 Qwen

模型卡把 JobBench 按 35 个职业拆开：Nanbeige4.3-33B 总分 44.80，Qwen3.8-27B 34.51，Muse-Glimmer-30B 16.60；发布方称其在「多数职业上跑赢基线」。

图上领先的岗位集中在技术与内容类——Producers 72.2、Technical writers 72.1、Web administrators 72.0、Online merchants 68.5。落后的岗位同样明确：Healthcare managers 27.8，远低于 Qwen3.8-27B 的 45.3；Secretaries & administrative assistants 28.8 对 47.5；Customer service representatives 21.1 对 31.6；Data entry keyers 57.3 对 58.4。

512K 上下文与 XML 工具调用：部署侧给出的配置

模型卡写明该模型支持最长 524,288 个 token（512K）的上下文。聊天模板提供三个开关：enable_thinking 控制是否生成本轮推理；preserve_thinking 控制多轮对话中是否保留此前的思考内容，官方建议普通问答设为 False，多轮工具调用、办公任务和 code-agent 工作流设为 True；传入 tools 参数即启用工具调用模板，推荐 tool_call_format="xml" 以获得最佳调用效果，json 保留为兼容选项。自评表格本身也注明，Nanbeige4.3-33B 的成绩是在 preserve_thinking=true 的模板设置下测得。

推荐推理参数分两档：agentic 与工具任务用 temperature 1.0、top_p 0.95、单次最多生成 65,536 个新 token；推理与聊天任务用 temperature 0.6、最多 262,144 个新 token。

部署示例覆盖 Transformers、SGLang 与 vLLM，其中 SGLang 与 vLLM 的启动命令都按 4 卡张量并行配置，推理解析器用 qwen3、工具调用解析器用 qwen3_coder。至于推文里「接入主流 agent harness 时推理具有成本效益」的说法，帖文与模型卡都没有给出具体价格或吞吐数据。仓库留下联系方式 nanbeige@kanzhun.com，并欢迎在数据与训练上的合作，包括共同开发领域专用 agent。

从 3B 起家的开源线，这次先摆出 33B 教师

Hugging Face 组织页显示，Nanbeige 是 BOSS 直聘的大模型研究团队，团队 19 人，共上架 13 个模型。可见列表里，此前的公开模型集中在 3B 档：今年 3 月更新的 Nanbeige4.1-3B（配套论文《Nanbeige4.1-3B: A Small General Model that Reasons, Aligns, and Acts》，论文页）、2025 年 12 月的 Nanbeige4-3B-Thinking-2511，以及今年 9 月 11 日更新、下载量约 11.6 万次的 Nanbeige4.2-3B，后者是可见列表中下载量最高的模型。就可见列表而言，这是该实验室第一次把 33B 级模型放上开源；按发布方的说法，它的角色不是终点，而是后续 3B 模型的教师。

仓库讨论区已经出现了具体需求：用户 leran1995 开帖请求发布 FP8 量化版本，并询问技术报告。而按发布方的计划，检验这套「教师先行」策略的下一个节点是 Nanbeige4.3-3B——截至检索时，它还没有出现在该组织的可见模型列表中，蒸馏时间表也未公布；它能从这位 33B 教师那里继承多少 agentic 能力，要等它自己的基准成绩来验证。