NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

Nanbeige、33Bのエージェント向けモデルをApache 2.0で公開――512Kコンテキスト、性能数値は開発元測定

採用サービス「BOSS Zhipin」を運営するKanzhun系のNanbeige LLM Labは2026年10月24日、約33Bパラメータのオープンウェイト言語モデル「Nanbeige4.3-33B」と学習済み素の「Nanbeige4.3-33B-Base」をHugging Faceで公開しました。ライセンスはどちらもApache 2.0で、商用利用や追加学習を企業の自社環境で行えます。最大コンテキスト長は52万4,288トークン(512K)です。性能は開発元の測定では30B級の公開モデルの中で高い水準ですが、SWE-Bench ProとGDPvalの2項目では比較対象のQwen3.8-27Bが上回っており、数値はすべて開発元ベンチマークである点に注意が必要です。

Nanbeige LLM LabとKanzhunの関係は、両モデルカードの連絡先がkanzhun.comドメインのメールアドレスであることから確認できます。開発チームは「Nanbeige4.3シリーズでは、まず大規模な教師エージェントを作り、その能力を小型モデルへ蒸留する戦略の基礎を築く」と説明しています。

「Nanbeige4.3では、軽量エージェントの限界を押し広げるための基礎的な一歩として、まず大容量の教師エージェントを構築し、その後にエージェント能力を小型モデルへ蒸留する柱にする戦略を中心に置く。」

In Nanbeige4.3, we take a foundational step toward pushing the boundaries of lightweight agents. Our strategy centers on building a high-capacity teacher agent first, which will subsequently anchor the distillation of advanced agentic capabilities into smaller models.

Hugging Face「Nanbeige4.3-33B」モデルカード(2026年10月25日時点)

公開されたもの

公開は2種類です。「Nanbeige4.3-33B」は指示調整済みモデルで、コードエージェントや事務・業務エージェントでの利用を想定します。「Nanbeige4.3-33B-Base」は指示調整前の素のモデルで、独自の追加学習(ポストトレーニング)の出発点になる位置付けです。Hugging FaceのリポジトリはBaseが2026年10月24日2時46分(UTC)、指示調整済みが同2時49分に作成されました。重みは14分割されたsafetensors形式で計約66.2GBあり、BF16の約330億パラメータと整合します。

図解公開までの経緯
  1. 重みを公開

    Hugging FaceにBase(2時46分)と指示調整済み(2時49分、UTC)のリポジトリを作成。Apache 2.0

  2. カード更新と報道

    両リポジトリの最終更新(Base 10時07分、33B 11時11分)。専門メディアが発表を報じる

時刻はHugging Face APIの記録。重みの公開が本筋で、論文やプレスリリースは伴っていない。

モデルの仕様

設定ファイル(config.json)はLlama系のアーキテクチャ(LlamaForCausalLM)で、52層、隠れ層7,168次元、語彙数16万6,912、MoEの項目はなく密(Dense)な構成です。コンテキスト長の上限は52万4,288トークンで、前シリーズが3B級だったNanbeige初の33B級モデルです。対応言語は英語と中国語が明示されています。

エージェント向けの機能として、チャットテンプレートに思考モード(enable_thinking、既定で有効)、複数ターンでの思考履歴の保持(preserve_thinking、ツール利用やコードエージェントではtrueを推奨)、ツール呼び出し形式の指定(XMLを推奨、JSONも対応)があります。推論パラメータの例示は、エージェント・ツール利用タスクが温度1.0で最大新規トークン6万5,536、思考・対話タスクが温度0.6で最大26万2,144です。

図解33B教師から小型モデルへの展開計画
  1. 01 教師モデル

    公開済み

    Nanbeige4.3-33B。33B級・512Kでエージェント能力を担う

  2. 02 追加学習

    Base版

    Nanbeige4.3-33B-Baseをポストトレーニングの出発点として利用する

  3. 03 蒸留

    予告

    Nanbeige4.3-3Bなど小型モデルへの蒸留パイプラインを予告。公開時期は未定

モデルカードの説明による。企業の追加学習はBase版の想定用途で、蒸留計画は開発元の方針表明。

性能数値は開発元測定

モデルカードの評価表は、30B級の公開モデルQwen3.8-27B、Muse-Glimmer-30B、Gemma4-31Bとの比較で、Nanbeige4.3-33Bが大部分の項目で首位です。コードエージェント系ではTerminal-Bench 2.1が80.9(Qwen3.8-27Bは73.0)、DeepSWEが65.5(同42.5)でした。いっぽう、SWE-Bench Proは60.3でQwen3.8-27Bの61.7に届かず、職業タスクのGDPvalも84.8で86.4を下回ります。

図解開発元のベンチマーク比較
  • Terminal-Bench 2.1コードエージェント

    Nanbeige4.3-33B
    80.9
    Qwen3.8-27B
    73.0
  • DeepSWEコードエージェント

    Nanbeige4.3-33B
    65.5
    Qwen3.8-27B
    42.5
  • SWE-Bench Proコードエージェント

    Nanbeige4.3-33B
    60.3
    Qwen3.8-27B
    61.7
  • GDPval職業タスク

    Nanbeige4.3-33B
    84.8
    Qwen3.8-27B
    86.4

いずれも開発元が同一ハーネス・同一パラメータで測定したと説明する数値。太字の2項目ではQwen3.8-27Bが上回り、第三者検証はまだない。

数値は「各モデルを最高の思考effortで、同じ推論ハイパーパラメータとハーネスで評価した」という開発元の条件付きの自測定で、第三者検証はまだありません。専門メディアのMarkTechPostは10月25日の報道で、カード内の競合モデル数値が各社公式値と一致しない例があると指摘しました(報道本文はボット遮断で未取得のため、見出しと日付の確認にとどめています)。採用判断では同条件での再現が前提になります。

導入方法

動かし方の公式例は、Transformers、SGLang、vLLMの3系統です。SGLangとvLLMの例では、テンソル並列4(--tp-size 4/--tensor-parallel-size 4)を指定します。ホスト型APIの提供や価格はモデルカード上で確認できませんでした。長いコンテキストの利用ではKVキャッシュ分のメモリが重みの66.2GBに加わるため、必要なGPUメモリは構成次第で増えます。量子化版はまだ公開されていません。

Base版と3Bへの蒸留計画

Base版のモデルカードは「汎用でも領域特化でも、エージェントを開発するポストトレーニングの強い基盤になる」と説明します。開発元は33Bを「Nanbeige4.3シリーズの旗艦教師モデル」と位置付け、将来の小型モデル(例としてNanbeige4.3-3Bが言及されています)への蒸留パイプラインを予告しています。3B版の公開時期は示されていません。

限界と確認点

性能数値は開発元の測定で、SWE-Bench ProとGDPvalでは比較対象が上回っています。512Kは上限であり、その長さで低コスト・高速に処理できる意味ではありません。

学習データの詳細、安全性評価、ホスト型APIの有無、実業務での導入例は未確認です。重みの公開はコードや学習データの公開を意味しません。確認の進む点は、第三者によるTerminal-Bench系・SWE-Bench系の同条件再現、512K長文時の実測コスト、3B版の公開と蒸留後の性能です。

出典

  1. Hugging Face「Nanbeige4.3-33B」モデルカードApache-2.0、512Kコンテキスト、思考・ツール呼び出し設定、ベンチマーク表、推論例、kanzhun.comの連絡先
  2. Hugging Face「Nanbeige4.3-33B-Base」モデルカードApache-2.0、ポストトレーニング用の位置付け、蒸留計画の説明
  3. Hugging Face API(models/tree)リポジトリ作成2026-10-24T02:49Z、最終更新2026-10-25、14分割safetensors計約66.2GB
  4. Nanbeige4.3-33B config.jsonLlamaForCausalLM、52層、隠れ層7,168、語彙16万6,912、max_position_embeddings 524,288、BF16
  5. MarkTechPost報道2026-10-25付の発表報道と競合数値の不一致指摘。本文はボット遮断で未取得
  6. DataStudios記事BOSS Zhipinの研究チームであることの二次確認

出典の確認日 2026.10.26

KEEP EXPLORING

あわせて読みたい記事と映像

プロダクトの記事一覧
  1. GitHub、エージェントセッションを端末間で継続させる「Agent Host Protocol」の実装を解説──VS CodeとGitHubで2つのホスト実装、6言語のSDK

    GitHubは2026年11月17日、公式Engineeringブログで、AIエージェントのセッションをエディタ、スマートフォン、クラウドの間で引き継ぐオープンなプロトコル「Agent Host Protocol(AHP)」の実装構造を解説した。執筆したのは同社のプリンシパルソフトウェアエンジニア、Connor Peet氏とRob Lourens氏だ。AHPの開発は2026年前半にVS Codeで始まり、仕様は10月2日にv1.0.0、11月13日にv1.1.0として公開済みである。今回の記事は新規プロトコルの発表ではなく、VS CodeとGitHubという異なる2実装に共通で使われている構造と設計判断の開示が中心だ。

    記事を読む
  2. Appleの研究チーム、対話操作に足る速さの動画生成「FastFrames」を公開──1.3B構成で1フレーム36ms、VAE復号とKVキャッシュ更新の置換が鍵

    Appleの研究チームは2026年11月17日、入力に応じた対話操作が可能な速さで480p動画を生成する自己回帰型動画拡散モデル「FastFrames」の論文をarXivに公開した(arXiv:2611.23226)。1.3Bの構成では単一のNVIDIA B200で1フレーム36ミリ秒(毎秒27.8回の応答)、14Bの構成では8基のB200で45ミリ秒を著者らは報告している。論文はまず既存モデルの推論を計測し、VAE復号とKVキャッシュ更新という「固定の実装詳細」とされてきた処理がエンドツーエンド遅延の半分以上を占めることを示したうえで、この2つを軽量な代替に置き換えた。論文、コード、重みが公開されている。

    記事を読む
  3. Google、GeminiのエージェントをTasksへ刷新──日本を含む6カ国で無料提供を順次開始、Gemini 4 Hydrogenとアカウント専用VMで実行

    グーグルは2026年11月17日、Geminiアプリの常時稼働型エージェントを「Tasks」として刷新し、米国・日本・韓国・カナダ・オーストラリア・インドの6カ国で無料提供を順次開始すると発表した。Gemini 4 Hydrogenを使い、ホーム画面のトグルをChatからTaskへ切り替えると、Google CloudのAgent Compute Engineが提供するアカウント専用のハードウェア隔離VMでタスクを実行する。電話発信やgemini@google.comへのメール転送、SMSによる指示は米国から順次の提供で、日本で同等の機能が使えるとは発表されていない。重要な操作の前に確認や事前承認を求める設計も明らかにした。

    記事を読む