Nanbeige открыла ИИ-модель для программистов и офисных задач

Подробно

Что именно опубликовала Nanbeige?

На Hugging Face доступны две версии: дообученная Nanbeige4.3-33B и базовая контрольная точка Nanbeige4.3-33B-Base. Первый коммит репозитория датирован 24.10.2026 02:49 UTC, файлы весов загружены в тот же день, а карточка с таблицей результатов обновлялась 25.10.

Веса хранятся в формате Safetensors с точностью BF16 и занимают около 66,3 ГБ в 14 частях. По конфигурации это плотная модель архитектуры LlamaForCausalLM: 52 слоя, 56 голов внимания, 8 KV-голов, словарь на 166 912 токенов.

Разработчик называет модель флагманской «учительской» (teacher model) для линейки Nanbeige4.3. По заявлению лаборатории, она послужит учителем для будущих моделей поменьше, начиная с Nanbeige4.3-3B. Дата выхода этой модели не названа.

«Nanbeige4.3-33B задумана как флагманская учительская модель линейки Nanbeige4.3» - Nanbeige Team, разработчик модели.

Для чего предназначена модель и какой у неё контекст?

Модель ориентирована не только на генерацию кода, но и на агентные сценарии: работу с кодовыми базами и терминалом, вызов инструментов и профессиональные офисные задачи. Поддерживаются режимы с рассуждением и без него, сохранение рассуждений между ходами диалога и вызов инструментов в XML- или JSON-формате.

Заявленная максимальная длина контекста - 524 288 токенов (512 Ki). Это значение указано и в карточке, и в полях max_position_embeddings и seq_length конфигурации. Независимого теста качества на полном окне пока не найдено. Предыдущее поколение, Nanbeige4.2-3B, поддерживало до 262 144 токенов, так что предел вырос вдвое.

Какие результаты показала модель в тестах?

Разработчики сравнили Nanbeige4.3-33B с Qwen3.8-27B, Muse-Glimmer-30B и Gemma4-31B на 20 тестах. Среди заявленных результатов:

• Terminal-Bench 2.1 - 80,9;
• SWE-Bench Pro - 60,3;
• DeepSWE - 65,5;
• GDPval - 84,8;
• GPQA Diamond - 89,5;
• AIME 2026 - 95,2.

Ссылаясь на эти данные, лаборатория заявляет «передовые агентные показатели среди открытых моделей класса около 30 млрд параметров». Выигрыш у Qwen3.8-27B - в 18 из 20 строк таблицы, но первое место среди всех четырёх моделей - только в 17 из 20. Уступила Nanbeige в трёх тестах: SWE-Bench Pro (60,3 против 61,7 у Qwen3.8-27B), GDPval (84,8 против 86,4 у Qwen3.8-27B) и GPQA Diamond (89,5 против 91,3 у Gemma4-31B).

На симуляционном бенчмарке YC-bench модель набрала 1 025 437 долларов США против 641 290 у Qwen3.8-27B. Это внутренний балл теста, а не цена, выручка или стоимость запуска.

Можно ли доверять этим цифрам?

Все сравнения проведены самой Nanbeige, независимого воспроизведения нет. Для разных тестов использовались разные среды: Terminus 2 для Terminal-Bench 2.1, mini-swe-agent v2.4.6 для Terminal-Bench 4.0, DeepSWE и SWE-Atlas-QnA, Claude Code для NL2Repo и JobBench. Авторы заявляют одинаковые настройки генерации для всех моделей внутри каждого теста и максимальный уровень «обдумывания».

У ряда тестов есть оговорки. В SWE-Atlas-QnA ответы оценивали по 1 304 рубрикам, судьёй выступала GPT-6 Sol. Claw-Eval проводили только на подмножестве General из 157 одноходовых задач. Automation Bench был версии 1.0.6 и включал 600 публичных задач. Для своей модели авторы включали параметр preserve_thinking=true. Получали ли конкуренты равноценный механизм, карточка не уточняет.

Что означает лицензия Apache 2.0 и насколько модель открыта?

Лицензия Apache 2.0 разрешает использовать, воспроизводить, изменять и распространять модель при соблюдении условий лицензии, включая сохранение требуемых уведомлений. Репозиторий публичный, заявка или отдельное соглашение для скачивания не нужны.

Это открытые веса, а не полностью открытая разработка. Опубликованы веса, конфигурация и инструкции запуска. Обучающий набор, его состав, дата отсечения данных, код и полный рецепт обучения не раскрыты. Технического отчёта или препринта по этой модели нет, как и результатов систематических тестов безопасности.

Как запустить Nanbeige4.3-33B у себя и что для этого нужно?

В карточке описан запуск через Transformers, SGLang и vLLM. Примеры для SGLang и vLLM используют тензорный параллелизм на четырёх GPU. Для агентных задач разработчик советует temperature 1,0, top_p 0,95 и до 65 536 новых токенов, для рассуждений и чата - temperature 0,6, top_p 0,95 и до 262 144 новых токенов.

Официальных данных о скорости, задержке и памяти для исходных BF16-весов нет. Официального платного API и тарифов тоже не найдено, а у Hugging Face нет подключённого провайдера для этой модели. Плата за скачивание не взимается, расходы на вычисления несёт пользователь.

Известны первые опыты энтузиастов с квантизованными копиями:

• Doğukan Urker запустил собственную смешанную 2-битную квантизацию на видеокарте RTX 3060 с 12 ГБ памяти. Контекст ограничен 24 576 токенами, скорость - 20,8 токена/с без контекста и 13,1 токена/с при 16K. Простая 2-битная квантизация нарушала закрытие блока рассуждений, поэтому слои 6-12 пришлось оставить в более высокой точности.
• pratikgx проверил 4-битную MLX-версию (18 630 506 496 байт) на Mac mini M5 Pro с 64 ГБ памяти. При контексте 512 токенов скорость составила около 14,38 токена/с, пик памяти - 19,32 ГБ. При 32 768 токенах - 9,93 токена/с и 26,37 ГБ. Тест «иголка в стоге сена» прошёл на заявленных автором позициях вплоть до 128K, где пик памяти составил 47,75 ГБ.

Это пользовательские проверки квантизированных копий, а не подтверждение качества исходной модели или таблицы Nanbeige.

Доступна ли модель пользователям из России?

Отдельных условий или ограничений для России не заявлено, официального представительства, поддержки и облачного сервиса тоже нет. Репозиторий публичный и лицензирован по Apache 2.0, поэтому веса технически доступны для самостоятельного скачивания и запуска при наличии доступа к Hugging Face и подходящего оборудования.

Что известно о предыдущих моделях Nanbeige?

13.02.2026 лаборатория опубликовала препринт Nanbeige4.1-3B - малой модели для рассуждений, кода и агентного использования. 24.07.2026 на arXiv вышел препринт Nanbeige4.2-3B с 3 млрд неэмбеддинговых параметров, архитектурой Looped Transformer и обучением с нуля на заявленных авторами 28 трлн токенов. Эти работы не обозначены как рецензируемые журнальные статьи. Для Nanbeige4.3-33B такого препринта пока нет.