一句话总结
本数据集整理 BOSS 直聘旗下 Nanbeige 实验室于 2026 年 10 月 25 日开源的 Nanbeige4.3-33B 模型卡数据：33.1B 参数稠密架构、BF16 权重、512K 上下文、Apache 2.0 许可，自报 Terminal-Bench 2.1 得分 80.9，在 20 项基准中领先三款约 30B 级开源模型中的 17 项。
数据说明
数据来源为 Nanbeige LLM Lab 官方模型卡与 Hugging Face 仓库（2026 年 10 月 25 日发布），由 MarkTechPost 等媒体整理。对比数据为 Nanbeige 自报，对比对象为 Qwen3.8-27B、Muse-Glimmer-30B、Gemma4-31B 三款约 30B 级开源模型；竞争对手数值来自各实验室官方模型卡，存在与 Nanbeige 表格不一致之处（不同测试框架所致），应视为待独立验证的参考值。
核心数据
模型规格
| model | 字段含义 | 值 |
|---|---|---|
| model_name | 模型名称 | Nanbeige4.3-33B |
| parameter_count | 参数量 | 33.1B（稠密，非 MoE） |
| precision | 权重精度 | BF16 |
| context_window | 上下文窗口 | 524,288 token（512K） |
| license | 开源许可 | Apache 2.0 |
| architecture | 架构 | LlamaForCausalLM（52 层，hidden 7168，GQA 56Q/8KV，vocab 166,912） |
| variants | 发布版本 | Nanbeige4.3-33B、Nanbeige4.3-33B-Base |
| release_date | 发布日期 | 2026-10-25 |
基准测试（Nanbeige 自报）
| field | 字段含义 | 值 |
|---|---|---|
| terminal_bench_21 | Terminal-Bench 2.1（agentic 编程） | 80.9 |
| deep_swe | DeepSWE | 65.5 |
| swe_bench_pro | SWE-Bench Pro | 60.3 |
| automation_bench | Automation Bench（agentic 办公） | 54.2 |
| job_bench | JobBench | 44.8 |
| aime_2026 | AIME 2026（数学推理） | 95.2 |
| gpqa_diamond | GPQA Diamond | 89.5 |
与竞品对比（Nanbeige 自报，部分）
| field | 字段含义 | Nanbeige4.3-33B | Qwen3.8-27B |
|---|---|---|---|
| terminal_bench_21 | Terminal-Bench 2.1 | 80.9 | 73.0 |
| deep_swe | DeepSWE | 65.5 | 42.5 |
| swe_bench_pro | SWE-Bench Pro | 60.3 | 61.7 |
| yc_bench_earnings | YC-bench 模拟收入（美元） | 1,025,437 | 641,290 |
字段说明
- 稠密（Dense）：无专家路由（MoE），所有 33B 参数在每个 token 上参与计算。
- BF16 显存：按 config.json 推算，权重约需 66 GB 显存；512K 全序列 KV cache 约 112 GB。
- 部署：模型卡提供 Transformers、SGLang、vLLM 方案，服务示例采用 4 路张量并行。
- 自报口径：所有对比分数为 Nanbeige 在统一超参与测试框架下测得；部分竞品官方卡数值与 Nanbeige 表格不一致，表中数据待独立运行验证。