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.
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。
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
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。
- 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
- 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
- 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。
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
- 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
- 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
- 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
- Nanbeige4.3-33B config.jsonLlamaForCausalLM、52層、隠れ層7,168、語彙16万6,912、max_position_embeddings 524,288、BF16
- 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
- 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