Nanbeige4.3-33B: Offenes Modell schlägt Qwen beim Agenten-Coding

Nanbeige LLM Lab, das KI-Forschungsteam der chinesischen Recruiting-Plattform BOSS Zhipin, hat Nanbeige4.3-33B als Open-Weights-Modell unter der Lizenz Apache 2.0 veröffentlicht. Die Gewichte erschienen am 24. Oktober 2026 auf Hugging Face. In den eigenen Tests des Labors schlägt das Modell mit 33 Milliarden Parametern Qwen3.8-27B bei den meisten agentischen Coding-Aufgaben.

Open Weights bedeutet, dass jeder die Modelldateien herunterladen und auf eigener Hardware ausführen kann. Apache 2.0 erlaubt die kommerzielle Nutzung mit wenigen Bedingungen.

Was Nanbeige4.3-33B ist

Die Modellkarte auf Hugging Face nennt es das „Flaggschiff-Lehrermodell“ der Nanbeige4.3-Reihe. Ein Lehrermodell ist ein großes Modell, mit dem kleinere Modelle trainiert werden, ein Verfahren namens Destillation. Data Studios berichtet, dass Nanbeige4.3-3B als erstes kleineres „Schüler“-Modell genannt wird. Ein Datum dafür gibt es noch nicht.

Das Modell ist für agentische Arbeit gebaut. Gemeint sind Aufgaben, bei denen das Modell Schritte plant und Werkzeuge aufruft, etwa ein Terminal oder einen Code-Editor, statt nur eine Frage zu beantworten. Laut Karte „überzeugt es bei komplexen Coding- und professionellen Cowork-Aufgaben“.

Die wichtigsten Fakten aus der Karte und von Data Studios:

• Größe: etwa 33 Milliarden Parameter in einem dichten Design. Jeder Parameter arbeitet an jedem Token, anders als bei Mixture-of-Experts-Modellen, die jeweils nur einen Teil ihrer Gewichte nutzen.
• Kontext: 524.288 Tokens, also die Textmenge, die es auf einmal lesen kann.
• Sprachen: Englisch und Chinesisch.
• Denkmodus: standardmäßig aktiviert. Die Karte empfiehlt, frühere Überlegungen bei der Werkzeugnutzung über mehrere Runden und bei der Arbeit als Code-Agent beizubehalten.

Die bisherigen öffentlichen Modelle von Nanbeige waren alle kleine Veröffentlichungen mit 3 Milliarden Parametern, sagt Data Studios. Startup Fortune merkt an, dass die 3B-Reihe früher im Jahr 2026 erschienen ist.

Die Benchmark-Angaben

Die Karte beansprucht „State-of-the-Art-Leistung bei Agenten unter offenen Modellen der ~30B-Parameter-Klasse“. Sie vergleicht das Modell mit Qwen3.8-27B, Muse-Glimmer-30B und Gemma4-31B.

Benchmark	Nanbeige4.3-33B	Qwen3.8-27B	Gemma4-31B
Terminal-Bench 2.1	80,9	73,0	47,2
DeepSWE	65,5	42,5	2,7
SWE-Bench Pro	60,3	61,7	51,2
NL2Repo	53,0	48,3	33,8
Automation Bench	54,2	38,3	9,7
JobBench	44,8	34,5	9,0
GPQA Diamond	89,5	89,2	91,3
AIME 2026	95,2	94,5	89,2

Startup Fortune zählt einen Sieg über Qwen3.8-27B bei sieben von acht agentischen Coding-Tests. Qwen bleibt bei SWE-Bench Pro vorn, einem Test zum Beheben echter Software-Probleme, und bei GDPval. Gemma4-31B führt bei GPQA Diamond, einem naturwissenschaftlichen Quiz auf Graduiertenniveau.

Alle Zahlen stammen von Nanbeige selbst. Data Studios weist darauf hin, dass das Labor mehrere Testaufbauten angepasst hat, sodass die Werte nicht direkt mit öffentlichen Bestenlisten vergleichbar sind. So wurde NL2Repo laut Karte über Claude Code ausgeführt. Ein technischer Bericht wurde nicht veröffentlicht, und die Trainingsdaten sind nicht offengelegt.

So führen Sie es aus

Die Karte enthält Einrichtungsanleitungen für Transformers, SGLang, vLLM und Docker Model Runner. Ihre Serving-Beispiele verteilen das Modell auf vier GPUs. Eine Mindestmenge an GPU-Speicher nennt die Karte nicht.

Data Studios schätzt die Gewichte in voller Präzision auf etwa 66 GB. Außerdem schätzt das Medium, dass ein Kontext in voller Länge etwa 104 GiB zusätzlichen Speicher für den Arbeits-Cache des Modells bräuchte. Beides sind eigene Berechnungen des Mediums, keine Angaben aus der Karte.

Mit Quantisierung ist kleinere Hardware möglich. Dabei werden die Gewichte verkleinert, indem Zahlen mit weniger Bits gespeichert werden. Startup Fortune berichtet, dass eine 4-Bit-Version auf einer einzelnen Grafikkarte mit 24 GB läuft. Es fügt hinzu, dass der große Cache dann begrenzt, wie viel Kontext man tatsächlich nutzen kann. Hugging Face listet 47 Quantisierungen aus der Community, und Data Studios fand zu dem Zeitpunkt keine gehostete API, die das Modell anbietet.

Was das für Entwickler bedeutet

Nanbeige4.3-33B ist ein weiteres starkes Zeichen dafür, dass leistungsfähige Coding-Agenten auf Hardware laufen können, die einem Team selbst gehört. Es folgt auf Recursives Flint, ein Apache-lizenziertes 40B-Codingmodell, das wenige Tage zuvor erschienen ist.

• Testen Sie es zuerst mit Ihren eigenen Aufgaben. Die Werte sind selbst gemeldet und nutzen angepasste Testumgebungen. Lassen Sie es an einer Stichprobe Ihrer echten Issues laufen, bevor Sie der Tabelle vertrauen.
• Vergleichen Sie es direkt mit Qwen3.8-27B. Qwen führt weiterhin bei SWE-Bench Pro, das dem Beheben von Issues in einer bestehenden Codebasis am nächsten kommt.
• Planen Sie Speicher für den Kontext ein, nicht nur für die Gewichte. Eine 24-GB-Karte kann eine 4-Bit-Kopie laden, aber lange Agenten-Sitzungen brauchen Platz für den Cache.
• Halten Sie sich an die Einstellungen der Karte. Nutzen Sie die empfohlenen Sampling-Werte und lassen Sie das Denken bei der Werkzeugnutzung aktiviert, wie es die Karte für Agentenarbeit empfiehlt.
• Prüfen Sie die Lizenzkette. Apache 2.0 gilt für die offiziellen Gewichte. Community-Quantisierungen sind separate Uploads, also prüfen Sie bei jeder, ob dieselben Bedingungen gelten.