BOSS 直聘南北阁开源 Nanbeige4.3-33B：Apache 2.0、512K 上下文，自报在 20 项测试中领先 Qwen3.8-27B 18 项

01发布了什么

Nanbeige4.3-33B 是一个文本模型（不接收图片、音频或视频），架构标记为 Llama 类，52 层，参数 33,118,977,024，BF16 权重共 14 个分片、约 66 GB。上下文长度上限 524,288 token（512K）。同一时间还放出了未经对话微调的 Base 版本。许可证为 Apache 2.0。

团队的思路写在模型卡开头：先做一个能力足够强的“教师”，再把 Agent 能力蒸馏到更小的模型里。所以这个 33B 既是成品，也是后续小模型的起点；Nanbeige4.3-3B 官方只说“即将推出”，目前没有放出。

02官方自报的成绩

模型卡拿 Qwen3.8-27B、Muse-Glimmer-30B 和 Gemma4-31B 作对比，称所有模型都用各自最高思考强度、相同的推理超参和 harness（评测用的代理框架）。下面摘取其中几项，数字均出自模型卡，括号内为测试所用框架。

按模型卡表格逐项数下来，Nanbeige 在 20 项里高于 Qwen3.8-27B 的有 18 项，低的两项是 SWE-Bench Pro 和 GDPval。差距主要集中在终端和软件工程类任务（如 DeepSWE 高出 23 分），推理类测试几乎持平（GPQA、AIME 相差不到 1 分）。需要注意：Nanbeige 的成绩是在 preserve_thinking=true 的设置下测的，该设置会在多轮对话里保留之前的思考内容。

03这些数字能信到什么程度

• 对比表、测试设置都是南北阁自己写的；仓库创建于 10 月 24 日，模型卡没有附技术报告，本站也没有查到独立第三方的复现。
• 其中 SWE-Atlas-QnA 的评分由 GPT-6 Sol 担任裁判模型（中等推理强度），换裁判结果可能不同。
• 对比对象只有三个同量级模型，没有和更大的模型比，也没有和同一团队的旧版本比。
• “约 30B 开源模型中的 SOTA”是官方表述，本站没有复测。

04要自己跑需要什么

官方给了 Transformers、SGLang 和 vLLM 三种用法。BF16 权重约 66 GB，仅权重就超过单张 48 GB 显卡；官方示例用的是 4 卡张量并行（--tp-size 4 / --tensor-parallel-size 4），没有给出最低显存要求或量化版本。vLLM 的示例命令如下（来自模型卡，本站未实际运行）：

vllm serve /path/to/Nanbeige4.3-33B \
  --host 0.0.0.0 --port 8000 \
  --tensor-parallel-size 4 \
  --gpu-memory-utilization 0.8 \
  --enable-auto-tool-choice \
  --reasoning-parser qwen3 \
  --tool-call-parser qwen3_coder

模型卡给出的使用建议有几条值得照做：工具调用推荐 XML 格式（tool_call_format="xml"）；做多轮工具调用、办公和代码 Agent 时把 preserve_thinking 设为 True，普通问答则设为 False；Agent 任务推荐 temperature 1.0、top_p 0.95、最多生成 65,536 token，推理和对话任务推荐 temperature 0.6、top_p 0.95、最多 262,144 token。Transformers 方式需要 trust_remote_code=True。

05对用户意味着什么

如果你在找可商用、能放进自己的 Agent 框架里的 30B 级开源模型，它值得加入对比清单：许可证宽松，上下文长，官方明确针对工具调用和代码 Agent 调过模板。但在有人独立复现之前，把 80.9、65.5 这些数字当作团队自测更稳妥，上线前最好用自己的任务集跑一遍。