Modelo agente aberto Nanbeige4.3-33B assume liderança sobre Qwen3.8-27B e Gemma4-31B

A equipe Nanbeige lançou o Nanbeige4.3-33B, um modelo de agente de pesos abertos que, segundo ela, oferece desempenho agentic state-of-the-art entre modelos abertos de cerca de 30 bilhões de parâmetros [1]. Nos testes próprios da equipe, ele lidera o Qwen3.8-27B, Muse-Glimmer-30B e Gemma4-31B na maioria dos benchmarks de codificação e office, mas não em todos [1].

O que é o Nanbeige4.3-33B?

Nanbeige publicou o Nanbeige4.3-33B no Hugging Face sob a licença Apache 2.0 com janela de contexto de 512K tokens. O model card suporta inglês e chinês e afirma contexto máximo de 524.288 tokens [1].

A equipe o chama de modelo professor principal da série Nanbeige4.3 [1]. Sua função é ancorar a destilação de habilidades de agente em modelos menores, tendo o Nanbeige4.3-3B como exemplo futuro [1].

O card foca em codificação complexa e tarefas de cowork profissional, oferecendo configurações para raciocínio, uso de ferramentas em múltiplas voltas e fluxos de code-agent [1]. Ele pode ser executado com Transformers, SGLang ou vLLM; os comandos de servidor de exemplo dividem o modelo em quatro GPUs [1].

Como ele pontua contra Qwen, Gemma e Muse?

Todos os modelos foram testados com o máximo esforço de pensamento e as mesmas configurações de inferência e harness por benchmark, conforme o card [1]. Nanbeige relata 80,9 no Terminal-Bench 2.1 para seu modelo, contra 73,0 do Qwen3.8-27B e 47,2 do Gemma4-31B.

As maiores lacunas relatadas estão em testes de agente mais difíceis: 23,8 no Terminal-Bench 4.0 contra 6,3 do Qwen3.8-27B, e 65,5 no DeepSWE contra 42,5 [1]. No AIME 2026, um teste de matemática, relata 95,2 contra 94,5 do Qwen [1].

Onde o Nanbeige4.3-33B fica aquém?

Qwen3.8-27B ainda supera o Nanbeige4.3-33B no SWE-Bench Pro e GDPval na tabela de comparação própria da equipe. No SWE-Bench Pro, Qwen marca 61,7 contra 60,3, e no GDPval 86,4 contra 84,8 [1].

No GPQA Diamond, um teste de raciocínio científico, Gemma4-31B lidera com 91,3 contra 89,5 do Nanbeige [1]. As notas de rodapé do card também mostram que alguns testes usaram GPT-6 Sol como juiz ou rodaram dentro do Claude Code [1].

Nossa leitura

Opinião: Um modelo aberto de 33B que afirma superar seus pares por dígitos duplos em testes difíceis de terminal e engenharia de software agentic vale uma testada, especialmente sob Apache 2.0. Mas um scorecard autograduado é um pitch, não um resultado; o sinal real virá quando leaderboards independentes e a destilação prometida de 3B mostrarem se as habilidades de agente são transferidas.

O que não pudemos verificar

• Toda pontuação de benchmark vem do model card próprio da equipe Nanbeige; não encontramos avaliação independente do Nanbeige4.3-33B na data de publicação.
• Se as comparações são totalmente equivalentes; alguns benchmarks foram julgados por GPT-6 Sol ou executados no harness Claude Code, e GDPval usou rubricas revisadas.
• Quanto de memória ou quais GPUs o modelo precisa; o card não informa requisitos de hardware, e alegações em redes sociais de que roda em uma única GPU consumer ou Mac são não verificadas.
• Quando os modelos destilados menores como o Nanbeige4.3-3B serão lançados; o card os chama de upcoming sem data.